大模型网关折扣背后的猫腻：标称50%实际仅28%

“50% off”“最高80% off”——几乎每个比官方API便宜的LLM网关都会在显眼处挂上这样的折扣徽章。数字是真的，但它不是你账单上省下的那个数字。问题出在折扣计算的锚点上：徽章只看输入和输出两个价格，而一次真实的编程会话，大部分钱花在别的地方。

一次真实会话的钱花在哪

以一次两小时的中型代码仓库 Claude Code 会话为例：几十次请求，常规的上下文复用。Agentic 编程工具每次请求都会重发系统提示词、项目上下文和对话历史，供应商缓存这段前缀，并以低得多的“缓存读取”费率计费重复读取的部分。一个典型的 token 构成如下：

组件	Token 数
缓存读取	5,000,000
新鲜输入	250,000
输出	100,000
缓存写入	350,000

缓存读取占了 88% 的 token 量。长时间会话会把这一比例推高到 95% 以上，但无论具体比例如何，这个结构对任何 agentic 工具都成立。

什么是与缓存相关的四类 token 计费

现代 LLM API 把一次请求的 token 拆成四类分别计价。**新鲜输入（input）**是模型此前没见过的 prompt 内容，按标准输入价计费。**缓存写入（cache write）**是第一次把一段前缀（系统提示词、项目上下文、对话历史）写入供应商侧缓存的动作，费用通常高于普通输入——Anthropic 按输入价的 1.25 倍计费（5 分钟 TTL），OpenAI 自 GPT-5.6 起采用类似机制。**缓存读取（cache read）**是后续请求命中同一缓存、跳过重新计算的部分，单价远低于输入，Claude 系列约为输入的十分之一。**输出（output）**是模型生成的新 token，单价最高。四类单价的相对差可以到十倍以上，所以 token 数量结构会剧烈影响最终账单——这正是只看输入和输出两个价格的折扣徽章会误导人的根本原因。

钱到底流向了哪里

按 Anthropic 公布的价格（输入 $10、输出 $50、缓存读取 $1、缓存写入 $12.50 每百万 token），这次会话成本为 $16.88：

项目	成本	账单占比
缓存读取	$5.00	29.6%
缓存写入	$4.38	25.9%
新鲜输入	$2.50	14.8%
输出	$5.00	29.6%

缓存读取占了 88% 的 token 量，却只占约 30% 的钱——因为缓存读取的单价便宜。但把缓存写入加上，缓存定价合计占账单的 56%。输入和输出这两项——也就是所有折扣徽章赖以计算的两个数字——只占剩下的 44%。

也就是说，一个只覆盖输入和输出的折扣，实际折扣的是你支付金额的不到一半。

为什么缓存读取“便宜”却仍是一大笔钱

缓存读取单价低，但 agentic 编程会话每轮都重发几乎相同的前缀，命中次数极其频繁，累积的 token 量会远超新鲜输入。单价打折 90%、量放大 20 倍，乘出来仍是一笔可观的开销。反过来，缓存写入是当前缀第一次出现或缓存过期后重新写入时才产生，量虽少于缓存读取，单价却是输入价的 1.25 倍，因此单看金额占比往往和输出相当。把这两行放一起看，缓存体系能占到典型会话账单的一半左右。要在折扣中真正省钱，供应商必须对这四行都给出可比的降幅，尤其不能对缓存写入按全价转嫁。

徽章比账单大的四种套路

这些都不是谎言，只是对错误数字的真实陈述。

折扣只适用于输入和输出。 缓存读取按供应商标价计费，或只有很小的折扣。徽章说 50%，缓存那一行只给你 0–20%。

缓存写入根本不被提及。 Anthropic 对五分钟缓存写入按输入价格的 1.25 倍计费；OpenAI 从 GPT-5.6 起也一样。网关若按标价转嫁这部分，你四分之一的会话就被按全价收费。

“最高 X% 折扣”是拿最便宜的一行算的。 可能是某个模型的输出价格，或某个促销档位。目录里其余部分远低于这个徽章数字。

缓存定价不在定价页上。 你只能在发票上发现它。如果一个供应商的价格表只有两列，问问另外两列去哪了。

“最高 X% off”的营销逻辑

“最高”类折扣通常是取整个价格目录里最便宜的那一格算出的数字——比如某个冷门模型在限时促销中的输出价，或某个仅对新用户开放的首充档位。这意味着徽章上的百分比是一个上界，而非用户实际场景中的期望值。对常用模型（如 Claude Sonnet、GPT-5 级别）和典型 agentic 用量，真实节省常常不到标称数字的一半。判断方法很简单：把徽章数字当成“最好情况下能省这么多”，再按自己的用量构成逐项乘加，两者之间的差距就是营销话术的水分。

三个供应商的对比实验

同一会话，三个假设的供应商：

供应商	输入/输出	缓存读取	缓存写入	会话成本	真实折扣
官方 API	—	—	—	$16.88	—
“50% off”，缓存读取 8 折，缓存写入全价	50%	20%	0%	$12.13	28%
“50% off”，两行缓存均 8 折	50%	20%	20%	$11.25	33%
四项价格统一 65 折	35%	35%	35%	$10.97	35%

统一 65 折击败了这次会话上的“50%”徽章——不是因为 35 比 50 大，而是因为它作用于徽章所忽略的那 56% 的账单。

公平地说，如果供应商对两行缓存都打 23% 以上的折扣，它的“50%”就能与统一 65 折打平。这正是关键所在：缓存那两行决定结果，而徽章不告诉你它们是什么。

三分钟验证任何供应商

1. 收集你在用的那个模型的四个单价：缓存读取、输入、输出、缓存写入。如果定价页缺了一个，问客服；如果客服不知道，那就是答案。
2. 写下你的用量构成。Claude Code 会在 /usage 下打印（输入、输出、缓存读取、缓存写入），其他工具也会记录。如果什么都没有，用上面的表格。
3. 乘加计算。四个乘法、一次求和，逐家算。比总额，不比徽章。

充值之前，值得问四个问题：

• 缓存读取和输出享受同样的折扣吗？
• 缓存写入怎么收费？
• “最高”数字是最好的情况还是典型情况？
• 我能看到官方价格和你的价格并列吗？

透明度才是真正的竞争力

这个话题的微妙之处在于，折扣本身没有错，错的是用不完整的口径制造错觉。当供应商把官方价格和自家价格并列展示，并且对所有四项价格（包括缓存）应用统一倍率时，比价才有意义。对用户来说，与其追逐徽章上的百分比，不如学会看那四行单价——这个三分钟的方法，比任何“最高 80% off”都更接近你真正能省下的钱。

如何读一张定价页

一张信息完整的 LLM 网关定价页，至少应并列展示四类 token 的官方价与网关价：输入、输出、缓存读取、缓存写入，并注明是否对四项统一应用倍率。如果定价页只有两列（输入、输出），基本可以判断缓存两行要么按官方价转嫁，要么藏在“以发票为准”的小字里。更可靠的做法是让供应商提供一张并排对照表，或提供可导出账单明细的 API，让用户能逐项核对自己那一周的实际支出，而不是靠徽章数字做决策。