#成本优化
共 86 篇相关文章
Opus 5.5规划、Haiku 5.5执行：100K Token处40倍价差崩塌
Claude Haiku 5.5在Terminal-Bench 4.0从0.0%跃升至39.2%，让“Opus规划、Haiku执行”的分层架构首次可行。但Haiku 5.5按提示长度计费，超过10万token后费率翻五倍并适用于整个请求，宣传的40倍价差实际缩至8倍。
实测Claude Code /compact成本：暖缓存0.06美元，冷缓存贵9倍
实测Claude Code /compact真实成本：136k token暖缓存下仅$0.06，缓存过期后贵9倍达$0.54，/clear零API请求。拆解缓存断点位置如何让压缩成本暴涨7倍，附可复现脚本。
AI账单为何不降反升？Token成本暴跌280倍背后的杰文斯悖论
Stanford HAI数据显示AI推理成本两年下降280倍，但企业AI支出不降反升。本文用杰文斯悖论解释这一现象，分析Agent工作流如何消耗5-1000倍Token，以及为何95%的企业在降价后反而花更多钱。
同一个插件，86.1%还是8.5%省Token？测准是前提
同一个 dsh-phocinae 插件在 400 个用例上，τ=0.4 时省 86.1% 计费 Token，τ=0.6 时只有 8.5%。本文拆解 Token 节省的三个计数器、每案例 3055.5 tokens 的账单结构，以及如何在自己的流量上复现测量。
144.3M本地决策模型 vs 托管API：审批门选型指南
以 Phocinae-Largha-150M 为例，用三个问题判断审批门该选本地决策模型还是托管 API，附真实准确率、延迟数据和置信度升级门设计。
OpenAI Decisions API实测解读：输入计费零输出费，省在哪
OpenAI Decisions API 进入公开测试，输出 token 计费为 0，输入每百万 token 仅 $0.10，分类路由成本约为标准调用的五分之一。本文拆解其返回值类型、适用场景、10 倍速度说法的可信度，以及与 Structured Outputs 和函数调用的边界。
18B激活仅0.045美元：GLM-5.3-Flash如何靠混合注意力击败Claude
Z.ai GLM-5.3-Flash以320B总参数、18B激活、每任务0.045美元的成本在AutomationBench上以48.8分击败Claude Opus 4.8。本文解析其稀疏加线性混合注意力架构、3倍注意力计算节省与4.4倍KV缓存缩减，以及它在视觉、开源权重和基准可靠性上的真实短板。
替换金融文档处理中昂贵的LLM调用：SIE实战指南
金融文档处理中LLM调用成本高昂，本文详解如何通过任务盘点、影子运行与置信度路由，将页面分类、实体标注等高频任务迁移至SIE专用模型，把前沿模型价格留给真正需要的工作。
LLM调用的真实成本：Token、精度与诚实的数字
LLM调用的真实成本远不止每百万Token的标价。本文从Token消耗、数值精度、延迟与可用性四个维度，提供一份可执行的成本测量清单，帮助团队给出站得住脚的成本数字。
读懂API计费：Token计费为何让人困惑及破解之道
Token 计费是 AI API 的行业标准，却让无数开发者困惑：为何 10 美元的预算变成 47 美元账单？本文拆解输入/输出差价、上下文累积乘数效应，并给出成本估算公式与订阅制对比，帮你避开意外账单。
63%的Agent上下文来自一个工具：真实数据揭示的成本陷阱
一位开发者实测Agent的4000多次工具调用，发现bash占63%上下文却单次最便宜，而缓存重复读取才是真正的成本杀手。本文拆解Agent上下文成本的两个维度与优化方法。
Prompt缓存实战：稳定内容放前面，别为重复Token付两次钱
Prompt缓存能让重复的Token成本降低到0.1倍。本文详解缓存原理、正确的提示词排序方式、OpenAI与Anthropic的计费差异，以及避免缓存失效的常见陷阱和验证方法。
本地索引优化：如何减少AI工具调用与Token消耗
本地索引（Local Indexing）如何帮助AI应用减少工具调用次数与Token消耗？本文解析其核心原理、本地化优势、适用场景及工程取舍，为AI代理与编程助手开发者提供成本优化思路。
LLM价格指数单月涨24%，却没有一个模型涨价？
ModelPriceWatch 的 LLM 价格指数 9 月单月上涨 24.2%，但没有一个模型自身涨价。本文拆解平均价格指标的陷阱，解析席位换人、缓存降价与地板价脆弱性等关键信号。
流式中断不是免费重试：用游标断点续写省下重复token成本
LLM流式请求被中断后重发整个prompt等于重复付费。本文介绍一种轻量运维习惯：用token游标断点续写，中断后只续写剩余部分，并区分输入与输出成本、幂等副作用及适用边界，有效避免重复token开销。
Claude Code 模型路由器实测：成本降 82%，代价是 2 个测试
开源项目 Rebel Router 为 Claude Code 实现按请求智能选择模型，实测成本下降 82%、延迟降低近四成，但代价是丢掉 2 个 Opus 能通过的测试任务。本文详解其工作原理、安装配置、基准数据与局限。
LLM定价再调整：五家AI服务商价格变动追踪
Decart、Inceptron、OpenInference、Relace 和 Wafer 五家LLM服务商近期同步调整定价。本文梳理价格变动背景，并给出开发者应对模型API成本波动的实用策略。
Claude Code省Token实测：同样修复，少用63%token
基于真实实测数据，详解如何在Claude Code中节省token：从缓存预热、精简工具加载、模型选择到子代理委派，同一修复任务减少63%token消耗，并附实时token计量器搭建方法。
