1.1 为什么模型价格对比成为AI选型与成本控制的首要议题
我第一次真正意识到模型价格对比的重要性，是在去年帮一家中型电商公司做AI客服系统选型的时候。当时团队里有人提议直接用最贵的那个模型，理由是“效果肯定最好”。我让他先算一笔账：每天大约有八万次对话请求，按平均每次消耗两千个Token来估算，如果选每百万Token收费几十块的模型，一个月下来光API费用就够养活两个初级工程师。这个数字一出来，会议室里安静了好几秒。
后来我们做了更细致的测算，发现不同模型之间的价格差距可以达到几十倍甚至上百倍。有些国产模型每百万Token只要几毛钱，而一些国际顶尖模型的价格要高出两个数量级。这个差距在实验阶段感受不明显，一旦进入生产环境、请求量上来了，成本曲线会陡峭得让人心惊。我见过不少团队在POC阶段随便选了个模型，等到上线三个月后收到账单才开始慌。
说到底，AI应用的成本结构和传统软件完全不同。传统软件的主要成本在研发和运维，边际成本很低。大模型API的边际成本几乎和调用量成正比，每一次用户提问都在烧钱。这种模式下，模型价格对比就不再是一个“技术选型时的参考项”，而是直接决定产品能不能跑通商业模型的核心变量。我现在做任何AI项目，第一步就是拉一张价格对比表，把候选模型按成本排个序，再往下聊别的。
1.2 大模型API价格对比的基础口径：输入输出Token、缓存、批量与上下文长度
刚开始接触大模型计费的时候，我以为价格就是“每百万Token多少钱”这么简单。真正去读各家厂商的定价文档才发现，这里面的口径差异大得离谱。最基础的一点，输入Token和输出Token的价格通常不一样，输出往往更贵。我见过一些模型输出价格是输入的3倍甚至4倍。这意味着同样是一百万Token，你让模型写文章和让模型读文章，账单差距会非常大。
缓存机制是另一个容易被忽略的口径。有些厂商对重复的输入内容提供缓存折扣，命中缓存的部分可能只要原价的十分之一。这个在设计系统提示词的时候特别关键。如果你的应用每次请求都带着一大段固定的系统指令，缓存命中率高的方案能省下相当可观的费用。批量推理也是类似逻辑，把多个请求打包提交，单价通常会降下来，代价是延迟变高。适合那些对实时性要求不高的场景，比如离线数据处理。
上下文长度这个维度更微妙。同一个模型，处理短文本和处理超长文本的价格可能不一样。有的厂商对超过一定长度的输入加收费用，有的则是对长上下文单独定价。我之前对比过两个模型，短文本场景下A比B便宜，但到了十万Token以上的长文档处理，B反而更划算。所以我现在的习惯是，做价格对比表的时候一定要把使用场景的典型输入输出长度标出来，不能只看一个笼统的单价。
1.3 主流AI模型调用价格对比的常见误区：只看单价、忽略质量与延迟
我踩过最大的坑，就是曾经单纯按价格排序选了一个最便宜的模型，结果上线后发现它的指令遵循能力很差，同一个提示词需要反复调整才能得到可用输出。表面上看每百万Token省了几块钱，实际上因为要重试、要后处理、要人工兜底，综合成本反而更高。这个经历让我明白，价格对比绝对不能脱离质量单独看。
延迟是另一个隐形成本。有些便宜模型响应速度慢，单次请求要等五六秒甚至更久。对于面向C端用户的产品来说，这个等待时间足以让用户流失。我做过一个小测试，把响应时间从两秒增加到五秒，用户满意度评分直接掉了将近三成。这种损失很难用Token单价来弥补。所以我现在做选型的时候，会把延迟指标和价格放在同等重要的位置来权衡。
还有一个误区是忽略不同模型的能力边界。有些模型在通用对话上表现不错，但一碰到代码生成或者结构化输出就频繁出错。你为了让它输出正确的JSON格式，可能要在提示词里加大量示例，这些示例本身也在消耗Token。算总账的时候，一个单价稍贵但一次就能输出正确格式的模型，往往比便宜但需要反复纠正的模型更省钱。价格对比的本质，比的是“完成一个任务的总花费”，而不是“每百万Token的标价”。
1.4 模型价格对比的目标读者与决策场景：开发者、企业采购、产品经理
我在不同场合跟这三类人聊过模型价格对比这件事，发现他们关注的点差别很大。开发者最在意的是计费透明度和可预测性。他们需要清楚地知道每一次API调用会产生多少费用，能不能在代码层面做成本控制。我认识的一个后端工程师跟我说，他最怕的就是那种计费规则复杂到没法在开发阶段估算的模型，上线之后完全不知道账单会跑到什么水平。
企业采购的视角又不一样。他们关心的是合同条款、阶梯折扣、付款周期这些商务层面的东西。价格对比表在他们手里会变成谈判工具。我曾经参与过一次企业采购的评估，采购负责人把三家厂商的报价单铺在桌上，逐项对比免费额度、超额单价、技术支持费用，最后谈下来的价格比公开报价低了将近四成。这种量级的成本优化，只有把价格对比做透了才有可能实现。
产品经理关注的是价格如何影响产品设计和商业模式。比如免费用户给多少额度、付费用户的定价策略怎么定、哪些功能可以开放给所有用户、哪些功能需要消耗额外积分。这些决策都建立在对自己模型调用成本的清晰认知之上。我见过一个产品团队因为没算清楚成本，做了个“无限次免费使用”的功能，结果两个月后被迫紧急调整策略，用户体验和品牌口碑都受了影响。模型价格对比这件事，说到底是在帮这三类人用同一套数据语言做决策，让技术可行性、商务合理性和产品可持续性对齐到同一个坐标系里。
2.1 国际主流模型价格对比：OpenAI、Anthropic、Google Gemini、Mistral等
我去年帮一个做跨境SaaS的团队做成本审计，他们把GPT-4o和Claude Sonnet混着用，一个月烧掉快两万美金。我拉了一下调用日志，发现大部分请求其实用不上那么强的模型，换成GPT-4o mini或者Claude Haiku能省掉七成以上的费用。这件事让我意识到，国际厂商的模型梯队分得特别细，同一个品牌下面从旗舰到轻量级能有五六档价格，选型的时候很容易惯性选贵的。
OpenAI那边现在的定价结构挺有意思。GPT-4o的输入是每百万Token两块五美金，输出十块。GPT-4o mini直接降到输入一毛五、输出六毛，差距差不多二十倍。o1系列又不一样，推理模型因为要生成思考链，输出Token消耗量大，价格也水涨船高。我碰到过一些开发者，看到o1效果好就无脑上，结果发现账单里输出Token占了大头，比预期高出好几倍。Anthropic的Claude系列则是Sonnet和Haiku两条线，Opus偏贵，一般项目不太敢大规模用。Sonnet的输入是三美金、输出十五美金，定价比OpenAI的旗舰略高一点，但很多团队反馈它在长文档处理上更稳，折算下来综合成本反而可控。
Google Gemini的定价策略是我觉得最激进的。Gemini 1.5 Flash的输入价格低到每百万Token七分五美金，输出三毛。这个价位在长上下文场景里非常有杀伤力，因为它支持百万级Token的上下文窗口，还按统一价格算。Mistral走的是另一条路，主打欧洲市场和开源友好，Mistral Large的定价介于中档，但他们经常有促销和免费额度，小团队起步阶段用起来压力不大。我自己的感受是，国际厂商的价格梯度设计得很精巧，便宜有便宜的道理，贵也有贵的场景，关键是得搞清楚自己每次请求到底需要多强的能力。
2.2 国内主流模型价格对比：DeepSeek、通义千问、豆包、文心一言、智谱、Kimi等
国内这一波价格战打下来，价格表已经卷得不成样子了。DeepSeek是让我印象最深的，他们的V3模型输入每百万Token只要五毛钱，输出两块。R1推理模型贵一些，但相比国际同级别推理模型还是便宜了一个数量级。我有次跟一个创业团队聊天，他们说整个MVP阶段用DeepSeek跑下来，API费用总共才花了两百多块人民币，这个数字放在两年前根本不敢想。
通义千问的产品线拉得很长，从qwen-turbo到qwen-max，价格跨度也大。qwen-turbo的输入是每百万Token三毛，输出六毛，qwen-max就要贵不少。豆包那边背靠字节，定价也很有竞争力，doubao-lite的输入只要三毛，输出六毛，doubao-pro稍高一些。文心一言的定价相对偏中高端，但他们在企业客户那边有一些打包方案，实际成交价跟公开报价能差不少。智谱的GLM系列分了Air、Flash、Pro几个档，Flash版本的价格压得很低，适合高并发轻量场景。Kimi比较特殊，他们主推长上下文，定价上对超长文本有优势，但短请求的单价不算最低那一档。
我观察到一个现象，国内厂商的定价页面更新特别频繁，有时候一个月能调两次。这跟国际厂商相对稳定的定价风格很不一样。好处是竞争让价格一直往下走，坏处是做成本预算的时候得留足余量，不能按当前价格锁死一年的模型。我现在给客户做测算，一般会建议按公开报价上浮百分之二十来估，防止中途调价把预算打穿。
2.3 开源模型与闭源模型API调用价格对比：自部署成本与云API成本
总有人问我，开源模型是不是一定比闭源API便宜。我的回答永远是：看量。量小的时候闭源API便宜得离谱，量大到一定程度自部署才开始划算。这个临界点在哪里，取决于好几个变量。我拿Llama 3 70B做过一次测算，如果租用云上的A100实例，按小时计费，再算上模型加载、推理优化、运维人力，每百万Token的综合成本大概在一块五到三块之间。这个价格跟DeepSeek、豆包这些国内API比，完全没有优势。
但自部署有它不可替代的场景。数据不能出内网、需要深度定制微调、要控制版本迭代节奏，这些情况下开源模型是唯一选择。我接触过一家做医疗影像的公司，他们的数据合规要求极高，只能走私有化部署。他们算过账，虽然单Token成本比公有云API贵，但省掉了合规审计和法律风险的成本，整体算下来还是值的。云API的优势在于弹性，请求量突然涨十倍也不用提前扩容，按量付费，用多少算多少。自部署就得提前规划算力，闲时浪费、忙时不够，这个平衡很难拿捏。
还有一点容易被忽略，开源模型的“免费”只是权重免费，推理成本一分都少不了。有些人看到HuggingFace上模型随便下载，就以为零成本，真跑起来才发现GPU账单比API还贵。我现在给建议的时候会说得很直白：月调用量低于五亿Token的，优先看云API；高于这个量级，再认真评估自部署方案。
2.4 多模态、嵌入、微调与推理模型的价格对比补充维度
文本模型的价格对比相对直观，多模态就复杂多了。图片、音频、视频的计费单位五花八门，有的按张算，有的按秒算，有的按Token折算。OpenAI的GPT-4o处理图片是按Token计费的，一张图根据分辨率折算成几百到一千多个Token不等。Anthropic的Claude也是类似逻辑。Google Gemini对视频的处理按帧折算，一段一分钟的视频可能产生几万个Token。我做多模态项目的时候，第一步永远是拿真实素材跑一遍，看看实际Token消耗量，光看定价文档根本估不准。
嵌入模型的价格通常比生成模型低不少，但量大。做RAG应用的时候，文档切块、向量化，一个知识库动辄几十万上百万个块。OpenAI的text-embedding-3-small每百万Token只要两分美金，看起来很便宜，但乘以百万级的调用量也不容小觑。国内的通义千问和智谱都有嵌入模型，价格有的比OpenAI还低。微调是另一个维度，OpenAI的微调训练按Token收费，推理时微调模型的价格也比基础模型高。有些团队一上来就微调，其实很多场景用提示词工程加少样本示例就能解决，没必要花那个钱。
推理模型是最近的新变量。o1、DeepSeek R1、QwQ这些模型因为要生成思考过程，输出Token往往是普通模型的几倍甚至十几倍。你看到单价可能觉得还行，一算实际消耗就发现贵得吓人。我一般建议客户把推理模型留给真正需要的场景，比如复杂数学、多步逻辑推理，日常问答和内容生成用普通模型就够了。
2.5 价格对比表设计：单位统一、免费额度、限速与阶梯计价
做了这么多轮价格对比，我总结出来一条：表格设计不好，比不对比还糟糕。最常见的坑是单位不统一。有的厂商按每千Token报价，有的按每百万Token，有的输入输出分开列，有的混在一起。我见过一份对比表把每千Token和每百万Token混着写，看的人直接晕掉。现在我自己的模板强制统一成每百万Token，输入输出分两列，旁边标注货币单位，人民币和美金绝不混在一张表里。
免费额度这块水很深。有些厂商给的是注册即送多少Token，有效期三十天。有些是每月刷新固定额度。有些只给新用户，老用户没有。还有些免费额度只能用于特定模型，不能用在旗舰款上。我一般会在表格里单独开一列写清楚免费额度的类型、有效期和适用范围。限速也是同理，免费层和付费层的RPM、TPM限制不一样，做容量规划的时候必须把这些限制考虑进去，不然架构设计得再好，被限速卡住一样跑不动。
阶梯计价是我觉得最需要留意的。很多厂商的公开报价是“起步价”，调用量上去之后有折扣，但折扣规则不公开，得跟销售谈。企业采购的时候，这个阶梯价差能到百分之三四十。我在表格里会留一列备注，写清楚是否有阶梯、大概的谈判空间在哪里。做价格对比不是为了做一个漂亮的表格，是为了让决策者一眼看清哪个模型在什么量级下最划算，哪些条件可以谈，哪些是硬成本。表格做得越贴近真实使用场景，后面的选型决策就越不容易翻车。
3.1 Token计费细节：输入、输出、思考链、缓存命中与未命中
我刚开始做模型成本测算的时候，以为把输入输出单价乘一下调用量就完事了。后来被现实狠狠教育了一顿。有次帮一个做法律文书自动生成的团队看账，他们用的模型输出单价是输入的四倍，结果合同文本又长，输出占比特别高，最后账单比他们按输入主导估的模型贵了将近三倍。输入和输出的计费逻辑完全不一样，输入是你喂给模型的内容，输出是模型生成的内容，很多厂商的输出单价是输入的三到五倍，这个倍率关系直接决定了你的应用形态该偏向哪一边。
思考链这个事更隐蔽。o1和DeepSeek R1这类推理模型，表面上你问一个问题，它回一段答案，但你付的钱里包含了一大段你看不见的思考过程。这些思考Token按输出计费，量还不小。我测过一个中等难度的数学题，最终答案两百个Token，思考链烧了三千多个Token。单价看起来能接受，实际消耗量直接把成本拉高了一个数量级。有些厂商在API返回里会告诉你思考Token的用量，有些则混在输出总量里，做预算的时候得留个心眼。
缓存命中是我觉得最值得花时间研究的省钱杠杆。Anthropic的提示缓存能把重复使用的长上下文缓存起来，命中后输入价格直接打一折。OpenAI也有类似的缓存机制，命中部分的输入费用大幅降低。我帮一个做客服知识库的客户做过优化，他们把系统提示词和产品文档放在缓存前缀里，命中率做到百分之七十以上，输入成本从每月四千多美金降到不到一千。缓存未命中就按正常价格走，所以设计API调用结构的时候，把稳定不变的内容前置、变化的内容后置，这个顺序直接影响到你的缓存命中率。
3.2 上下文窗口、并发、批量推理与长文本对实际价格的影响
上下文窗口的大小跟价格的关系不是线性的。很多模型对长上下文有阶梯定价，超过某个阈值之后，每Token的价格会上浮。Gemini 1.5 Pro在超过十二万八千Token之后，输入价格直接翻倍。我见过一些团队把整本手册塞进上下文做问答，觉得窗口大就随便用，实际上后半段内容的单价已经翻倍了，账单出来才傻眼。长文本场景得算清楚，到底是塞进上下文划算，还是先做摘要压缩再送进去划算，这个账不算清楚容易花冤枉钱。
并发和批量推理是两个容易被忽视的维度。有些厂商对批量推理给折扣，OpenAI的Batch API能打到五折，代价是响应时间放宽到二十四小时以内。我做内容批量生成的项目会优先走批量通道，成本降一半，时效性要求没那么高的场景完全能接受。并发限制则影响的是架构设计，免费层和低付费层的RPM限制很紧，请求一多就得排队。有些团队为了绕开限速，开多个账号轮询，这种做法的合规风险先不说，管理成本也上去了。正经做法是评估自己的峰值并发需求，选对应档位的付费方案。
长文本还有一个隐性成本是重试。上下文越长，模型推理时间越久，超时的概率也越高。超时之后重试，之前的Token费用照付，新的请求又要重新计费。我见过一个做长文档摘要的服务，因为没设好超时阈值，重试率高达百分之十五，等于白白多付了百分之十五的钱。把超时时间调宽一点、把长文档拆成多段处理，这些工程手段能实打实地降低无效消耗。
3.3 隐藏成本：网络延迟、重试、存储、日志、合规与数据安全
API账单只是冰山露出水面的那一角。我做过一个粗略的统计，一个中等规模的AI应用，API调用费用大概占总成本的百分之五十到七十，剩下的都是隐藏成本。网络延迟导致的用户体验下降、重试带来的额外Token消耗、日志存储的费用、数据合规的审计成本，这些不会出现在厂商的定价页上，但会出现在你的云账单和人力成本里。
重试成本我前面提了一嘴，这里展开说。一次失败的请求，你可能付了输入Token的钱，但没拿到有效输出。重试一次就是双倍输入成本。如果失败发生在输出中途，那已经生成的输出Token也白付了。我一般建议在客户端做幂等设计，把失败请求的输入缓存起来，重试的时候尽量复用，减少重复计费。日志和监控也有成本，调用量大了之后，日志存储和传输的费用一个月也能到几百上千美金。采样记录、定期清理、冷热分离，这些手段能把这部分压下来。
合规和数据安全是另一个量级的成本。金融、医疗、政务这些行业，数据不能随便出境，得走私有化部署或者国内合规的云服务。私有化部署的硬件投入、运维人力、安全审计，这些加起来可能比API费用高出一个数量级。我接触过一家做跨境支付的公司，他们为了满足两地合规要求，同时维护了两套模型服务，成本直接翻倍。这种钱省不了，但可以在架构设计阶段就考虑清楚，避免后期推倒重来造成更大的浪费。
3.4 场景化成本测算：客服机器人、知识库问答、代码生成、内容创作、Agent工作流
客服机器人是我做过最多的场景。一个中等规模的电商客服，每天大概五千到一万次对话，每次对话平均三轮交互，每轮输入包含系统提示、历史对话和用户问题，大概一千五百个Token，输出两百个Token。用DeepSeek V3来算，输入五毛每百万Token，输出两块每百万Token，一天的成本大概在十到二十块人民币。换成GPT-4o mini，成本大概翻三到四倍。换成GPT-4o，直接上到几百块一天。这个测算做完，选型方向就很清楚了，客服场景对模型能力要求没那么高，便宜模型完全够用。
知识库问答的成本结构跟客服不一样。输入侧大部分是检索回来的文档片段，输出很短，通常就一两句话。这个场景的优化重点在检索精度和缓存策略。检索得准，送进模型的上下文就短，成本就低。我帮一个做企业内部知识库的团队调过，他们把检索的Top K从十降到三，配合重排序，准确率没降，输入Token消耗降了六成。代码生成场景则是输出主导，生成的代码往往几百上千个Token，输入相对固定。这个场景适合用输出单价低的模型，或者走批量生成通道。
内容创作和Agent工作流是成本波动最大的两个场景。内容创作的单次请求输出量大，一篇文章两三千字，折算成Token可能四五千个。如果做批量内容生产，比如每天生成几百篇文章，成本很快就上去了。Agent工作流更复杂，一个任务可能拆成十几步，每步都要调模型，中间还有工具调用的往返。我见过一个做自动化数据分析的Agent，单次任务平均调用模型二十三次，Token消耗量是单次问答的几十倍。这种场景做成本测算，不能按单次调用估，得按任务粒度来算，还要预留失败重试的空间。
3.5 大模型API价格对比中的性能价格比与总拥有成本TCO
光看单价做选型，跟只看百公里油耗买车是一个道理。便宜的车可能老出毛病，维修保养贵，最后总花费比贵的车还高。模型也一样，单价低的模型可能需要更多轮对话才能解决问题，或者回答质量不稳定导致人工介入。我做过一个对比测试，同一个客服场景，用便宜模型解决了百分之七十的问题，剩下百分之三十转人工。换成贵一倍的模型，解决率提到百分之八十五。人工成本一算，贵模型反而更划算。性能价格比不是单价除以质量那么简单，得把整个业务流程的成本都算进去。
总拥有成本TCO的框架我一般分四块来算。模型调用费用是显性的第一块。工程和运维成本是第二块，包括API集成的开发人力、监控告警、故障处理。第三块是业务侧的成本，比如人工审核、转人工率、用户满意度下降带来的流失。第四块是风险和合规成本，数据安全、供应商锁定、价格波动风险。把这四块都摆出来，很多选型决策会跟只看API价格时完全不一样。
我现在给客户做TCO测算，会建议他们至少跑一个两周的对比实验，用真实流量同时打两个模型，记录解决率、延迟、用户反馈和实际账单。实验数据比任何估算都可靠。有些团队嫌麻烦，想直接按公开报价选，我一般会劝他们再想想。模型价格对比的终点不是找到最便宜的选项，是找到在你的业务场景下总成本最低、风险最可控的那个组合。这个组合往往不是单一模型，而是几个模型按任务分流的策略。下一章我会详细讲怎么设计这种混合路由和选型评分卡。
4.1 如何利用主流AI模型调用价格对比制定选型评分卡
我刚开始帮团队选模型的时候，习惯把价格表拉出来，挑最便宜的那个。后来发现这种做法跟拿菜市场最低价买菜一样，买回来的菜可能烂了一半。选型评分卡这个东西，是我在踩了多次坑之后慢慢磨出来的。它不只是比价格，是把模型调用价格对比放进一个更完整的决策框架里。价格维度我会拆成输入单价、输出单价、缓存折扣、批量折扣、免费额度、阶梯计价门槛。每个维度给一个分值，再按场景加权。客服机器人跟代码生成，权重完全不一样。
做评分卡的时候，我会先问几个问题。这个场景每天调用量大概多少？输入输出比例是多少？对延迟的容忍度有多高？数据能不能出境？回答完这些，权重自然就出来了。拿客服机器人举例，价格权重我可能给到百分之二十五，质量百分之三十，延迟百分之二十，合规百分之十五，生态和工具链百分之十。换成代码生成，输出价格权重要拉高，由于生成代码的Token量远大于输入。评分卡不是固定模板，它是跟着业务目标走的。
评分卡还需要用真实测试数据校准。公开的模型价格对比只能给你一个起点，实际跑起来，缓存命中率、重试率、失败率都会改变最终成本。我一般会建议团队做两周的并行测试，用同一批真实请求打两到三个候选模型，记录实际账单、响应时间、人工介入率。把这些数据填回评分卡，之前纸面上领先的模型可能就掉下来了。评分卡的生命力在于迭代，每季度更新一次不算频繁。
4.2 混合路由与多模型策略：按任务、质量、延迟和价格动态调度
把全部流量压在一个模型上，风险太集中了。我见过一家公司由于主力模型突然涨价，整个产品毛利率掉了一大截。混合路由的核心思路很简单，简单任务走便宜模型，复杂任务走贵模型。落地的时候，我会在业务层和模型API之间加一个路由层。路由层可以做意图分类，也可以做置信度判断。用户问“今天天气怎么样”，路由到便宜的小模型。用户问“帮我分析这份合同的风险条款”，路由到推理能力强的模型。价格对比在这里变成动态调度的依据，而不是一张静态表格。
路由层还要有兜底和降级逻辑。便宜模型回答置信度低于阈值，自动升级到贵模型重试。贵模型超时或者限流，降级到备用模型，同时记录事件。我帮一个做知识库问答的团队设计过三级路由，最前面一级用缓存直接返回，中间一级用便宜模型，后面一级用贵模型加检索增强。上线后整体成本降了四成，用户满意度没掉。这里的关键是置信度评估要做准，误判会导致该升级的没升级，或者不该升级的浪费钱。
多模型策略的运维复杂度会上升。每个模型的API协议、计费口径、限速规则都不一样。我一般会建议用一个统一的API网关来收口，把模型调用价格对比、用量统计、错误重试都放在网关层。网关还要能动态调整路由权重，比如某个模型降价了，自动把更多流量切过去。这种动态调度能力，在模型价格战打得火热的阶段特别值钱。你不用改业务代码，改路由配置就行。
4.3 采购与谈判：预留实例、阶梯折扣、企业协议与免费额度利用
模型API的采购跟买云服务器有相似之处。用量大到一定规模，公开报价就不是最终价格了。我陪客户跟厂商谈过几轮，预留实例和承诺消费是最常见的折扣方式。你承诺一年消耗多少Token，厂商给你一个阶梯价。谈之前，我会先拉出过去三个月的真实用量，算出基线消耗和峰值消耗。基线部分可以走预留，峰值部分走按量。这样既拿到折扣，又不会由于承诺过高而浪费。
免费额度值得花时间研究。主流厂商都有新用户额度、初创企业计划、学术研究额度。有些额度给得很大方，足够跑完概念验证阶段。我见过一些团队用免费额度做完了原型，正式上线才付费，前期现金流压力小很多。用免费额度要注意合规，不要开一堆账号轮询。厂商的风控不是吃素的，账号被封之后迁移成本更高。正规做法是用企业身份申请，把用途说清楚。
企业协议里除了价格，还要看SLA、支持响应时间、数据使用条款、价格保护期。价格保护期特别重要，模型价格战期间，厂商可能今天降价明天涨价。协议里锁定一个价格调整窗口，比如半年内不涨价，能帮你稳住预算。谈判筹码方面，多供应商比价是最有效的。你手里有A家的报价，去跟B家谈，通常能拿到更好的条件。长期合同可以签，期限别太长，一年一签比较灵活。
4.4 模型价格战趋势：开源冲击、推理成本下降与API定价演变
模型价格战这两年打得越来越凶。开源模型是最大的推手。DeepSeek、Qwen、Llama这些开源模型的能力追上来之后，闭源厂商的定价压力肉眼可见。我印象很深，某款主流模型在半年内降价了三次。开源模型的自部署成本也在降，量化、蒸馏、推理框架优化，让单位Token的硬件成本每年往下走。这种趋势对采购方是好事，你手里的选择越来越多。
API定价的形态也在变。按Token计费还是主流，但缓存折扣、批量折扣、阶梯计价已经成了标配。有些厂商开始尝试按任务计费，比如按一次文档解析、一次代码生成来收费。这种定价方式对用户更友好，成本可预测性更强。我猜测未来会出现更多按结果付费的模式，模型调用价格对比的口径也会跟着变。做选型的时候，别只盯着每百万Token的单价，要看计费方式跟你的业务形态匹不匹配。
价格战对选型策略的影响很直接。别签太长的锁定合同，保持架构的可迁移性。我一般会建议客户把模型调用层抽象成接口，换模型就像换数据库驱动一样，改配置就行。还要关注单位智能成本，也就是每美元能买到多少有效能力。有些模型单价低，但需要多轮对话才能解决问题，实际单位智能成本反而更高。价格战期间，持续监控和快速切换的能力比谈判技巧更重要。
4.5 建立持续价格监控、成本预警与优化迭代机制
模型价格变化太快，靠人工每月看一次官网肯定跟不上。我现在的做法是建一个价格监控表，把主流厂商的定价页、状态页、更新日志都纳入抓取范围。价格变动、新模型发布、限速调整，这些事件自动推到团队群里。监控表还要记录历史价格，方便看趋势。有些厂商的降价是静悄悄的，不主动通知，监控表能帮你第一时间发现。
成本预警是另一个必备机制。按项目、按团队、按API Key设置预算阈值。日消耗超过预算的百分之八十，触发预警。小时级消耗突然飙升，触发异常检测。我帮一个做内容生成的团队设置过预警，有次他们的一个批量任务配置错了，输出Token量暴增，预警在半小时内发出来，及时止损。预警渠道可以是邮件、Slack、企业微信。关键是要有人响应，不然预警就是噪音。
优化迭代要形成固定节奏。我一般会每月做一次成本复盘，看缓存命中率、路由分流比例、模型版本升级带来的成本变化。每季度做一次选型评分卡更新，把新的模型价格对比数据填进去。每半年做一次架构层面的审视，看看有没有新的计费模式或者新的模型类型可以替代现有方案。选型不是一次性的决定，它是一个持续校准的过程。模型价格对比的价值，在于帮你在这个过程里保持清醒，不被单一维度的便宜迷惑，也不被复杂的价格表吓退。
