搜这个词的人多半已经在算账了:要么第一笔账单比预估高出一截,要么不确定自己这活该不该上这个档位。这篇不谈参数细节,只给判断标准和能照着做的动作——先对齐哪几处口径、哪些设置会在你不注意的时候把成本推上去、什么情况下它其实不适用。看完能自己拿主意,具体数字去站内对应页面核当时的。
搜这个词的人多半已经在算账了:要么第一笔账单比预估高出一截,要么不确定手上这个活该不该上这个档位。这篇不谈参数细节,只把「先对齐哪几处口径、哪些设置会在你不注意的时候把成本推上去、什么情况下它其实不适用」这几件事讲清楚。看完能自己拿主意,具体单价和额度去站内对应页面核当时的数字就行。
先说结论:多花的钱很少是单价贵出来的,多半是口径没对齐——你把整份文档塞进上下文,账单按全量输入算;你给了很宽的输出上限,模型就真的把话写满;你系统提示每轮重发,长会话里就是一笔笔叠加。这些都不是模型的问题,是你没提前定规矩。
先分清它按什么收钱,再看贵不贵
输入和输出是分开计价的,这点很多人知道,但真正让预算跑偏的往往是输出那一段。先别急着比单价,先估一下你这个任务的输出体量:一篇长文、一份结构化报告、一段带解释的代码,输出长度差得远,乘出来的钱也就差得远。
- 长上下文不是免费附赠:同一个任务把整份文档一次性塞进去,和先切片再逐段问,账单差得很明显
- 缓存命中与不命中是两套口径,命中率低的时候,账面会比按单价乘出来的数高出一截
- 输出计价通常更敏感,先估算输出字数再谈单价,顺序别搞反
- 当期单价、阶梯和额度,去 /official-api/providers/anthropic 和 /price-watch 核对,别凭记忆
说白了,计价这件事你要回答两个问题:这个任务一次调用大概喂多少输入、吐多少输出。答不上来就别急着上量,先跑几条真实样本算单次成本,再放大到预估用量。
这几个场景,上它反而是浪费
不是所有活都值得上高配。高频、短、格式固定的批处理,能力上限根本用不上,换个低一档的模型跑完再抽查几条,结果通常够用,成本却差一截。探索阶段也一样:需求还没定型、提示词还在改,这时候用高档模型等于拿贵工具试错。
| 场景 | 判断 | 替代做法 |
|---|---|---|
| 高频短批处理、格式固定 | 能力过剩 | 低档模型批量跑,抽检几条 |
| 关键词抽取、分类打标 | 窄任务用不上上限 | 先试便宜档,不够再升 |
| 需求未定型的探索 | 试错成本高 | 小模型跑顺流程,定稿再切 |
| 要求极低延迟的在线交互 | 延迟和成本双高 | 先量延迟基线,再决定分流 |
还有一种容易忽略的情况:需要极低延迟的在线交互。高档模型不是为这个场景设计的,硬上可能既慢又贵。先到 /tools/speed-test 量一遍自己的延迟基线,再决定哪些请求走它、哪些走轻量档。
真正让结果和账单跑偏的几处设置
这几处不显眼,但用下来最容易踩。输出长度上限给得太宽,模型会真的把话写满——按输出计费时,这一笔经常是账单升高的主因。提示里没写清格式约束,模型给的格式不对,你来回追加对话重试,每一轮都算一次完整调用。
长会话里系统提示和上下文每次都重发,这部分会不断累加。该开缓存的地方没开,或者开了但前缀每次都变——比如把时间戳、递增的请求编号放在最前面——等于白开。
- 输出上限
- 设成任务实际需要再加一点余量,别图省事填个很大的数
- 格式约束
- 在提示开头写清输出结构,减少来回重试的轮次
- 缓存前缀
- 把稳定的部分放前面,变动的部分放后面
- 重试策略
- 重试前先改提示,别把同一段原样重发几遍
上手前照这个顺序过一遍
下面这份清单按顺序走,别跳步。第一步定任务类型,是探索还是定稿——探索阶段先别用它。第二步估输出体量,翻历史同类任务的输出长度,乘上当期单价得到大致区间。第三步给用量设闸,按天或按任务设上限,超了先停再查,别让它自己跑。
- 定任务类型写清这次是探索还是出终稿;探索就别上这个档位,先拿小模型把流程跑顺。
- 估输出体量找同类历史任务的输出长度做参照,乘以当期单价,得到一个区间而不是一个点。
- 设预算闸按天或按任务设上限,触发就先停下来查原因,别靠事后看账单。
- 跑小样换算抽几条真实输入跑一遍,用 /tools/model-cost-calculator 换算单次成本,再放大到预估用量。
- 记用量对账把每次调用的输入输出记进日志,字段口径参考 /usage,方便事后核对偏差。
这张清单的价值不在步骤本身,在于逼你在花钱之前把口径写下来。写不下来,说明你还没准备好上量。补一句边界:如果你的任务是低频、一次性的,估体量和设闸可以简化,但输出上限和格式约束这两项别省。
下一步先把当期单价和自己的用量口径对上,再去挑模型和工具;这两件事分开看,才不会把贵算成便宜。→常见问题
claude 4.6 opus 是不是一定比别的档位效果更好?
不一定。模型档位高主要是复杂推理和长文处理上有优势,窄任务上的差距常常看不出来。判断办法是拿你自己的一批真实输入做个对照,两边都跑一遍再抽查,结果分不出高低就选便宜的那个。
为什么我算出来的成本和实际账单对不上?
大多是三处没对齐:输出长度超出预期、缓存没命中按全价算、重试和多轮追加被算成多次完整调用。先去后台把用量明细拉出来,按输入输出缓存三类分开看,对不上的那部分基本能定位。
第一次接,先做哪件事最省事?
先别接。拿十条真实输入在网页端或测试环境跑一遍,量出平均输入输出长度,再用站内换算工具乘出单次成本,放到你预计的月调用量上看总账。这一步十分钟,能省掉后面改流程的返工。