深度文章

写给第一次对接 LLM API 的开发者：输入价和输出价为什么分开收、token 怎么数、缓存命中价为何便宜一个数量级、Batch 批处理怎么省钱。用 Qwen3.5 Flash 和 GPT-5.5 算同一笔账，差距约 113 倍。

用真实价格数据拆解 LLM 上下文缓存：DeepSeek V4 Flash 命中价仅为输入价 2%，GPT-5.5 与 Claude 约 10%。讲清哪些 workload 吃得到缓存、前缀怎么排、写入加价和时效的坑，并用客服机器人算例对比月成本。

Agent 应用的账单为什么比单轮对话贵一个数量级？拆解上下文滚雪球、工具结果回灌、推理 token、失败重试、长系统提示词五个成本大头，用 50 步任务算例对比三款模型总价，逐项给出省钱对策。

2026 年 6 月，AI 订阅的游戏规则集中生变：GitHub Copilot 改按 token 计量、Claude 订阅 6 月 15 日起拆分积分池（不滚存）、ChatGPT 免费档投广告、豆包官宣 68/200/500 元三档。这篇把每家的变化、背后的成本逻辑和订阅用户的应对策略一次讲清。

标称 1M、2M 的长上下文不是免费容量：Claude Opus 4.8 用满一次输入就要 ¥33.93，多轮对话还会平方级滚雪球。本文用算式拆解用满成本、整本塞与 RAG 的对照账，以及缓存能救到什么程度。

账单比估算贵，多半不是厂商乱扣费：中文 token 折算、思考 token、多轮历史重发、工具调用、重试计费、max_tokens 失控，六个隐藏开销逐条给排查与止血动作，附可复算的算例和上线前估算工作流。

单看「百万 token 多少钱」选模型容易选错：输入输出比例才决定真实成本。本文按输入密集、输出密集拆解客服、代码、RAG、Agent 等 8 个场景，各给省钱、均衡、旗舰三档推荐，所有算式可复核。

DeepSeek V4 Flash（¥1/¥2）和 V4 Pro（¥3/¥6）怎么选？本文用可复算的算式拆解缓存命中 ¥0.02 的真实省钱幅度、V3.2 迁移账，并横向对比 GPT-5.5、Qwen3.5 Flash 与 GLM-4.7 的价格差距。