大模型API价格对比：2026 年哪家更省钱？七家厂商实算

大模型API价格究竟哪家低？在本文设定的三种工作负载中，Groq 托管的 OpenAI GPT OSS 20B 在不使用缓存时费用最低：每百万输入 token $0.075，每百万输出 token $0.30。不过，答案变长、重复使用大段提示词，或一次调用未能完成任务时，最便宜的选择也会改变：Mistral 的 Ministral 3 3B 可能凭借更低的输出价格胜出；对于已有集成，OpenAI GPT-6 Luna 和 Anthropic Claude Haiku 5.5 则是成本较低的起点。

大模型API价格对比：报价核验于 2026 年 10 月 20 日

先把输入和输出两列放在一起看。 token 是模型处理文本的基本小单位；输入包括指令、文档和对话历史，输出包括计费的回答，以及适用时的推理内容。百万输入 token 和百万输出 token 分开计费。

下表价格均为每百万 token 的美元费用，已于 2026 年 10 月 20 日逐一核对厂商官网的在线报价。这里列的是七家指定厂商当前的低价付费档位，并未穷尽所有托管平台，也不代表模型质量排名。Groq 为 OpenAI 的开放权重模型提供托管，费率以 Groq 为准；其余各行均采用模型厂商的直连 API 报价。

**注：**Groq 模型卡标出的缓存输入价格为 $0.037；其缓存文档 说明折扣为 50%，按输入费率计算应为 $0.0375。表格保留模型卡的显示精度，后文算例不依赖这个经过舍入的缓存价格。†Groq 和 Mistral 的 Batch 价格按各自文档所述的 50% 折扣计算。Groq Batch、Mistral Batch。

计费条件会改变最终账单。OpenAI 表中费率适用于不超过 272K 输入 token 的请求；提示词更长时，整个请求按更高费率计费。Haiku 表中费率适用于不超过 100,000 提示词 token 的请求，其中包括缓存 token；超过门槛后，输入和输出费率均变为原来的五倍。Grok Build 从 200K 提示词 token 起进入更高价档。后文的任务算例都低于这三项门槛。OpenAI 模型定价、Claude 长上下文定价、xAI 定价。

DeepSeek 的高峰时段为周一至周五的 UTC 01:00-04:00 和 06:00-10:00，中国法定节假日除外。其余时间均为非高峰。按时段提供的低价并不是 Batch API 折扣。DeepSeek 定价。

缓存输入价只适用于符合条件的重复读取，并不覆盖所有输入 token。OpenAI Luna 的缓存写入费用为每百万 token $0.125；短提示词档 Haiku 的五分钟缓存写入价为 $0.125，一小时为 $0.20。Google 的存储费为每百万缓存 token 每小时 $1。核算时，这些费用要与成功命中的读取费用分开计算。OpenAI 定价、Claude 缓存定价、Gemini 定价。

LLM API价格怎么算？用一个公式算三类任务

**先算完整请求的费用，再乘以任务量。**输入价格最低的模型，生成长回答时未必便宜。应用中的工具定义和历史消息，也要计入输入 token。

对于不使用缓存的普通输入，公式为：

单次请求费用 =（输入 token 数 × 输入费率 + 计费输出 token 数 × 输出费率）÷ 1,000,000。

以下是为本次比较设定的工作负载，用于计算费用，并非模型实测生成量：

• **工单分类：**500 输入 token、20 计费输出 token。返回简短的部门标签或路由对象。
• **文档摘要：**10,000 输入 token、500 计费输出 token。对已提取内容的文档生成长度受限的摘要。
• **编程智能体的一个步骤：**20,000 输入 token、2,000 计费输出 token。读取指令、相关代码和工具结果，再给出下一条回复或修改建议。

输出预算包含所有需要付费的推理 token。推理模型在实际任务中的用量可能超过这些假设，因此应换成模型报告的真实用量。同一文档经过不同分词器处理，token 数也会不同。统一 token 数能让费率可比，却不代表质量、文档长度或推理投入相同。

每完成 1,000 个单次调用任务，需要多少钱？

下表假设每次调用都成功完成任务，不包含缓存读写、存储、工具、地区加价、税费、重试和人工复核。一个智能体步骤只代表一次模型调用，并非完成整个编程任务。

所有合计均根据上文标明日期的厂商费率自行计算。若每月有 10,000 个任务，将表内金额乘以十即可。按这个任务量和前述编程单步假设，Groq 的费用为 $21，Luna 为 $30。在失败调用和工具费用之外，每月差额只有 $9。为一个已经正常运行的功能花上一周做迁移前，值得先看清这个量级。

工单分类：答案越精简，越容易控制成本

**对于这种边界明确的任务，可以先按价格评估 Groq。**单次调用费用为 (500 × $0.075 + 20 × $0.30) ÷ 1,000,000 = $0.0000435。每月处理 10,000 张工单，Standard 推理费为 $0.435；如果队列允许等待，按其公开的 Batch 折扣计算，费用为 $0.2175。

创业者为收到的客服请求打标签时，应先确定允许使用的标签，再挑模型。“账单”“技术”“账户”这类标签可以用程序校验；额外生成一段解释，只会增加输出，对路由没有帮助。含义不清的工单要单独检查并送去复核，不必强行给出一个看似确定的标签。

这里需要权衡的是响应延迟与任务排期。实时分流需要立即返回结果，重整历史客服工单则可以等待 Batch。Groq 文档给出的处理窗口从 24 小时到七天不等，因此若要承诺一夜处理完，就必须有相应的容量规划。Groq Batch 文档。

文档摘要：为有用的信息付费

**需要 PDF 和多模态输入支持时，Gemini 2.5 Flash-Lite 是值得优先评估的文档模型。**按文本 token 假设，一份摘要的费用为 (10,000 × $0.10 + 500 × $0.40) ÷ 1,000,000 = $0.00120。每月生成 10,000 份摘要，需要 $12；使用 Batch 则为 $6。Groq 对应的纯文本算例更便宜，但这里选用的模型并不支持同样广泛的输入类型。Gemini 模型能力、Groq 模型能力。

上述算法适用于已提取的文本。包含页面图像的扫描版 PDF，token 构成可能不同；文档提取、检索和存储也可能各自产生费用。验收摘要时，关键是决策、截止日期和例外条件是否保留完整，而不是文字是否流畅漂亮。

创业者整理客户访谈时，可以要求模型按固定项目提炼发现，并附上出处。如果摘要漏掉了足以改变产品决策的限定条件，即使那段文字很便宜，也没有完成任务。保留原文供核对，比再付费让模型大篇幅重写更有用。

编程智能体单步：预算要覆盖整个循环

**已有集成可以从 Luna 或 Haiku 开始，再评估 Groq 这个更便宜的候选。**按前述假设，Luna 单步费用为 (20,000 × $0.10 + 2,000 × $0.50) ÷ 1,000,000 = $0.003。短提示词档 Haiku 的费用相同。但这两个数字都不能证明模型能完成你手头的具体修改。

编程智能体会反复发送上下文、接收行动建议、运行工具，再把结果送回模型。一次测试失败，可能触发携带更长历史的下一次调用。每轮调用、计费推理以及外部执行环境都要纳入成本。只有观察实际运行过程，才能给整个循环估价，单靠 token 价目表做不到。

对于小型维护任务，应要求提供修改后的文件、相关测试结果和明确的停止条件，优先交付范围清晰的补丁。只要更短的回复仍能完成工作，把计费输出总量从 2,000 降到 500 token，按 Luna 费率每步可节省 $0.00075，10,000 步就是 $7.50。

缓存、Batch 和输出长度，都会改变谁最便宜

**重复输入适合缓存，能等待的任务适合 Batch，而精简输出能降低每次成功调用的费用。**三者作用不同，不能不加区分地叠乘折扣，否则会高估节省金额。

缓存读取和缓存写入，要分开算

假设编程单步复用符合缓存条件的 18,000 token 前缀，追加 2,000 个新输入 token，并生成 2,000 个计费输出 token。前缀是请求开头保持不变的内容，例如指令和稳定的参考资料。缓存成功命中时，Luna 或短提示词档 Haiku 的费用为：

(18,000 × $0.01 + 2,000 × $0.10 + 2,000 × $0.50) ÷ 1,000,000 = $0.00138.

首次请求按每百万 token $0.125 写入该前缀，若变化的后缀仍按普通输入计费，这次请求共需 $0.00345。连续十次调用中，写入一次，并在缓存过期前完整读取九次，总费用为 $0.01587；不使用缓存则为 $0.030，节省 47.1%。这是完整十次调用的对比，并不意味着输入费率降至十分之一，整张账单也会降至十分之一。

在同样成功命中的单步任务中，DeepSeek 非高峰费用为 $0.001554，高峰为 $0.003108。虽然缓存读取费率更低，但新输入和输出更贵，因此在这个例子里仍未低于 Luna。Mistral 对应的纯命中算例为 $0.00058。对边界明确的任务而言，这个价格值得关注，但不能据此认定其编程能力相当。

**只缓存预计会重复使用的内容。**在 Google 上，将 10,000 token 的显式缓存保留一小时，存储费为 $0.01。每次完整复用，按 Standard 费率可节省 $0.0009 输入费，因此需要读取十二次，节省金额才能超过存储费本身；首次处理还需另算。只做一次摘要时，即使缓存读取有折扣，也不足以说明建立缓存划算。Gemini 缓存价格。

Batch 折扣能否叠加，要看各家规则

**Batch 适合彼此独立的积压任务，不适合等待即时回复的对话下一步。**OpenAI、Anthropic、Google、Mistral 和 Groq 的文档均为本文所选模型提供输入、输出半价的处理方式。DeepSeek 价格页列的是分时段费率；Grok Build 0.1 则明确不支持 Batch。

Anthropic 表示 Batch 与缓存折扣可以叠加；Groq 明确表示不能，因为 Batch token 无论缓存是否命中，都已享受折扣。Google 在本文所选模型上的 Batch 缓存读取价仍为 $0.01，不会随普通输入费率一起减半。应按相关 token 类别逐项算账，不能给整张账单连续乘上两个折扣率。Claude 折扣规则、Groq 缓存规则、Google Batch 定价。

输出占比多大时，Mistral 会比 Groq 便宜？

在 Standard 模式下，若不使用缓存、两者 token 用量相同且任务均成功，每输入八个 token，输出超过一个 token 时，Ministral 3 3B 就会比 Groq GPT OSS 20B 更便宜。Mistral 的输入更贵、输出更便宜，将两者费用设为相等，可得到输出与输入 token 数的临界比值为 0.125。

输入为 20,000 token、输出为 4,000 token 时，Mistral 单次费用为 $0.0024，Groq 为 $0.0027。前述三种基准任务的输出都更短，所以 Groq 在表内胜出。生成长描述、改写文本或撰写报告的功能，可能让这个排序反过来。

不要只为落入更便宜的一列而压缩输出。先明确最小可用交付物：标签、提取结果、补丁，或长度受限的摘要；再检查更便宜的模型能否稳定交付。

低价 AI API 怎么选？七家厂商逐一看

**把下面七项作为评估顺序，而不是性能排行榜。**各家的使用限制不同。这里给出当前 Standard 输入、输出的起始费率，完整价格阶梯仍以各自定价页为准。

1. Groq：短答案可校验，优先比较价格

Groq 是推理服务商，托管的 OpenAI GPT OSS 20B 为文本模型，支持工具使用、推理和结构化输出。它在三种无缓存算例中费用最低，因为较低的输入价格适合“大段提示词、简短回答”的任务。如果你愿意用现有方案的验收标准做对比，客服标签或纯文本文档队列可以从这里开始。关键限制在结果本身：无效标签或额外一轮推理，就可能抵消节省，不能只看宣传的生成速度。模型详情。

**适合：**需要校验的短答案，以及相互独立的文本任务队列
**亮点：**在本文三组 token 预算下，无缓存费用最低
**价格：**每百万 token 输入 $0.075 起，输出 $0.30 起
**免费试用：**本次比较未计入促销额度

Groq 定价指南 讨论了更完整的选购问题。本文候选应采用公开标价的 GPT OSS 档位。Groq 当前目录中的 Llama 3.1 8B 需要联系销售询价，旧的公开报价不能直接拿来做预算。当前生产模型目录。

第一次对比，按这几步做

1. 1

   选一个边界明确的任务

   先选工单分类，而不是整个客服助手。写清允许的标签，以及哪些情况必须复核。

2. 2

   用有代表性的请求做对比

   先用 100 个有代表性、经过适当脱敏的样本初筛，其中应包含含义模糊、格式错误和异常长的工单。现有方案与候选模型采用同一套验收标准。

3. 3

   记录完整结果

   记录输出是否通过验收、计费输入和输出、端到端延迟，以及重试或升级处理情况。缓存读取与普通输入分开记录。

4. 4

   只迁移通过验证的任务类型

   把已验证的分类任务交给更便宜的模型，为不合格结果保留兜底方案；完成初始样本测试后继续监测。

2. Mistral：输出较多时，低价优势更明显

Mistral 的 Ministral 3 3B 是紧凑型模型，支持结构化输出、函数调用和文档问答。输入、输出同价，使其适合从短提示词生成较长结果、且要求明确的转换任务。创业者若要生成标准化产品描述，可以先评估它，再决定是否为其他模型支付更高的输出费。它的限制在任务复杂度：小模型能保留所需细节并遵守约束，低价输出才有价值。Ministral 能力说明。

**适合：**范围明确、输出可由程序校验的改写、描述生成和信息提取
**亮点：**Standard 输入与输出价格相同
**价格：**每百万 token 输入 $0.10 起，输出 $0.10 起
**免费试用：**不计评估额度；所列价格为付费推理费率

复现这个候选方案时，使用 ministral-3b-2512。“Small”“Mini”和“3B”不是可以互换的产品名。如果评估后发现任务需要更大的 Mistral 模型，就要按该模型的费率重新计算，不能把小模型的价格套到另一种能力档位上。

3. Google：文档处理与原型验证的实用选择

Google Gemini 的 Gemini 2.5 Flash-Lite 是当前在列的稳定版轻量模型，支持文本、图像、视频、音频和 PDF。如果摘要功能不只处理已提取的文字，或希望利用公开免费档做原型，它值得优先评估。付费文本成本与最低价几项相差不大，输入格式支持可能成为接入时的决定因素。主要限制是：按统一文本量算出的预算，未必等于真实混合媒体请求的费用。Gemini 模型详情。

**适合：**轻量文档处理，以及使用脱敏数据的原型
**亮点：**支持多种输入格式，并提供公开的免费档
**价格：**付费 Standard 每百万 token 文本输入 $0.10 起，输出 $0.40 起
**免费试用：**提供免费档，受其单独的限额和条款约束

Google 定价页区分了免费档和付费档的内容使用方式。免费原型应使用适当脱敏的数据，处理客户资料前先检查付费条款。Gemini 定价指南 区分了更广泛的订阅和 API 选择；本文只比较 Developer API。

4. OpenAI：沿用现有集成，也能降低费用

OpenAI 的 GPT-6 Luna 面向任务明确、调用量大的场景，支持结构化输出和可调节的推理强度。如果应用已接入 OpenAI，可以在更换服务商前优先评估这个低价模型。现成的校验器和兜底逻辑本身就有价值，尤其当迁移按基准计算每月只能省下几美元时。需要控制的是推理用量和反复调用工具的循环：单价低，并不限制最终计费 token 总量。Luna 模型文档。

**适合：**现有 OpenAI 应用中边界明确的任务
**亮点：**降低模型成本，无需重建针对该服务商的运行流程
**价格：**短上下文档每百万 token 输入 $0.10 起，输出 $0.50 起
**免费试用：**所列费用未扣除促销赠金

对于工具工作流，模型页建议使用 Responses；Chat Completions 的函数调用要求将 reasoning_effort 设为 none。评估记录中要保留端点和设置。推理或工具配置不同，即使是“同一个模型”，也不是同一个运行实验。

短分类任务可以从能通过校验的最低推理强度开始。代码修改任务只有在增加推理能显著提高验收通过率、足以抵消新增 token 时，才值得提高强度。这些判断要由测试集给出，无法从价格页直接得出。

5. Anthropic：控制提示词长度，低价使用 Claude

Anthropic 将 Claude Haiku 5.5 定位于分类、路由、提取和子智能体任务。它的短提示词费率与 Luna 相同，已有 Claude 应用可将其列为优先评估对象。如果两者都能完成任务，而迁移没有运行层面的收益，保留现有集成即可。需要盯住 100,000 token 的提示词门槛：缓存读取和新提交的内容都计入其中。Haiku 概览、计价规则。

**适合：**现有 Claude 工作流中的分类与提取
**亮点：**短提示词价格与 Luna 一致，Batch 和缓存折扣可以叠加
**价格：**提示词不超过 100,000 token 时，每百万 token 输入 $0.10 起，输出 $0.50 起
**免费试用：**文档列有少量测试额度，但未给出固定金额

简短的分类器和持续累积历史的编程对话，可以从同一个模型开始，最后落入不同价格档。要逐次记录请求的提示词长度，不能只看月均值。较低的平均值可能掩盖少量昂贵的长上下文调用。

Claude API 定价指南 覆盖更完整的价格阶梯。这里的决策范围更窄：用 Haiku 评估边界明确的步骤，并在验收标准要求时保留更强模型作为兜底。模型支持的上下文窗口，不等于它最便宜的上下文价格区间。

6. DeepSeek：适合重复上下文与可错峰任务

DeepSeek 当前通过 deepseek-flash 提供 DeepSeek V4.1 Flash-1017，支持 JSON 输出、工具和大上下文窗口。对于能够安排在非高峰运行、又会反复使用上下文的任务，它值得评估，尤其是现有 DeepSeek 提示词已经通过验收时。它在上文无缓存任务中并未胜出，极低的缓存读取费率也无法弥补所有高输出量请求的成本。需要同时关注请求时段、缓存未命中和输出长度。当前模型及定价。

**适合：**重复使用上下文、排期灵活的任务队列
**亮点：**缓存命中输入费率低，并明确划分非高峰时段
**价格：**非高峰每百万 token 输入 $0.15 起，输出 $0.60 起
**免费试用：**比较中未假设存在常设免费额度

更完整的账户和使用选择，可参阅 DeepSeek 定价指南。做任务排期时，要记录请求实际计费时段与缓存命中 token 数。创业者可以把历史文档积压任务移到非高峰；在线客户对话则必须在客户到来时运行。

在成本记录中同时保留 deepseek-flash 及其实际提供的模型版本。官方页面说明，旧 Flash 别名现在会指向当前模型和费率。旧配置中没有改动的模型字符串，不等于价格被锁定。

7. xAI：先验证编程效果，再判断价差是否值得

xAI 当前公开价目表中，最低价文本模型为 Grok Build 0.1。它面向编程，支持函数调用、结构化输出和推理。如果这种工作流适配可能抵消较高的单次调用费，可以将其加入评估，但必须用自己的任务验证。就低价 API 选择而言，它的限制很直接：比本文其余候选更贵，而且模型页明确不支持 Batch。Grok Build 模型、xAI 当前价格。

**适合：**已验证它能提高验收通过率的编程工作流
**亮点：**面向编程，工具能力有文档说明
**价格：**提示词低于 200K token 时，每百万 token 输入 $1.00 起，输出 $2.00 起
**免费试用：**未计入订阅抵扣额度或试用额度

不要把记忆中旧款 Grok Fast 的价格套用到这一行。这里的建议依据是当前官方价目表。如果账户可使用其他模型，或有协商费率，替换前应明确按那些条件另算。

选择 xAI 的合理理由，是它能在你的工作负载中减少失败或重复的编程步骤。本文没有测试这一优势。如果没有这方面的证据，所列 token 成本并不足以支持把它设为工单分类或简单摘要的默认模型。

按任务选择：哪种方案更适合你？

**先选能通过验收的最低价方案，再持续统计真正完成的结果。**起步选择应服从任务本身的限制。

做工单分类，可以先从价格出发评估 Groq，也将 Mistral 列为输出受限任务的候选。要求模型返回允许的标签，并设置可靠的复核路径。如果 OpenAI 或 Claude 已经运行良好，就要把可能节省的少量费用，与切换需要的工程时间放在一起比较。

做文档摘要，如果 PDF 或混合媒体输入支持能省掉单独的预处理步骤，可以试 Gemini；文档已经是干净文本时，可以试 Groq。先检查事实覆盖和例外条件是否保留，再看文笔；截止时间允许时，将彼此独立的积压任务交给 Batch。

做编程智能体单步任务，先在当前维护的集成中试 Luna 或 Haiku。将 Groq 加入价格比较，将 DeepSeek 用于重复上下文或可排期任务；有理由验证编程适配度时，再评估 Grok Build。输入单价更低，并不能决定整个任务需要多少轮工具调用。

失败率多高时，低价方案反而更贵？

**如果便宜的首次调用因失败而抬高了完整流程成本，就该换方案。**以一个明确假设的编程工作流为例：低价调用费用为 $0.0021，升级处理另需 $0.003。若 40% 的任务需要升级，且每次兜底都成功，则每个完成任务的平均 token 成本为 $0.0021 + 0.40 × $0.003 = $0.0033。

在同样的 token 用量假设下，这已经超过直接使用 $0.003 方案的成本。升级比例达到 30% 时，两种方案成本持平。这只是路由成本计算，不是对 Groq、Luna 或任何其他模型失败率的实测；重试提示词更长，或需要人工修复时，临界值还可能降低。

统计成功之前，先定义成功。分类任务要返回正确且允许的标签；摘要任务要保留必要事实；编程任务要让预期修改通过约定检查。收到一条回复，并不代表任务已经完成。

如果通过网关比较不同方案，还要计算网关自身的商业条款。OpenRouter 定价指南 说明了这种购买方式。本文厂商表格未使用 OpenRouter 或其他转售商的费率。

这些模型是怎么选出来的？

**本文是标明日期的价格比较与原创成本分析，没有进行模型质量实测。**撰写原文时查阅了官方价格与能力页面，没有让模型实际执行这三类任务，任何建议都不代表准确率或延迟经过测试后优于其他模型。

候选覆盖本次比较的七家厂商，选择当前在列的通用低价文本模型；xAI 当前最低价文本档则是其面向编程的模型。已弃用的模型系列、仅接受询价的产品、专用安全分类器，以及图像生成、语音和嵌入模型均未纳入。它们的能力或计费单位不同，放进最低价文本 API 比较会误导判断。

评估围绕五项实际因素展开：普通输入与输出成本、缓存和 Batch 规则、所需输入格式、提示词长度门槛，以及获得合格结果所需的工作量。第二张表统一 token 数，便于复算；预测生产费用时，必须换成各模型的实际用量。

本文在范围更广的低价 AI API 对比 基础上，补充了厂商直连 API 价目表和三类任务预算。价格跟踪站、聚合平台及转售商的费率均不在比较范围内。公开报价只是起点；协商合同或特定账户的模型限制，需要单独比较。

这些选法容易算错账

**要避开的是与任务不匹配的方案，无需因此排除整个厂商。**下面这些做法，会让看起来便宜的单价变成错误预算。

• **继续按旧公开费率预算 Groq Llama 3.1 8B：**当前目录要求联系销售。先获取报价，或采用目前已公开定价的 GPT OSS 档位。
• **没有实测优势，就用 Grok Build 做简单分类器：**它在这里的基准费用最高。面向编程的定位，本身不会帮助一个只有三种标签的路由任务。
• **用 Haiku 短提示词价估算长对话：**缓存历史也计入提示词门槛，需逐次按请求所在档位计算。
• **假定 DeepSeek 永远按非高峰收费：**实时需求可能落在更贵的时段，应根据客户实际产生请求的时间做预算。
• **为只读一次的文档建立 Gemini 显式缓存：**存储和初始处理可能产生费用，而预期中的折扣读取根本不会发生。
• **未经验证，就把 Ministral 用作自主编程模型：**输出便宜是评估明确任务的理由，并不能证明每项代码修改都正确。
• **适合批处理的积压任务仍用 Standard：**时限允许时，先比较文档中的 Batch 方案，再考虑更换模型或服务商。

免费大模型API与价格比较常见问题

大模型API价格应该怎么比较？

针对具体模型，比较输入、计费输出、缓存读取、缓存创建或存储、Batch，以及提示词长度档位。Groq 在本文三种无缓存示例中最便宜；输出增加后，Mistral 可能胜出。应用最终花多少钱，还取决于实际验收结果、分词情况和重试次数。

开发者可以使用哪些免费大模型API？

Google 为 Gemini 2.5 Flash-Lite 提供免费档，其限额和内容使用条款与付费档不同。评估时应使用适当脱敏的数据，在依赖免费额度承接客户需求前，先估算付费方案的成本。

有没有免费且不限量的LLM API？

本文引用的价格资料，没有证明存在可用于生产环境的免费无限量服务。免费访问适合作为有条件的评估选项。相比没有依据的“不限量”说法，按付费 token 费率和实测请求量做生产预算更有用。

周一就能做的事：先测一个功能

**周一先量清一个功能的成本，再考虑更换整套技术栈。**抽取有代表性的请求样本，统计真实输入和计费输出，将当前方案与最便宜且有希望胜任的候选比较。使用同一套验收标准，并记录重试、缓存写入、命中和工具费用。

分类器要严格限定允许的标签；摘要要核对事实和例外条件；编程单步要交付补丁和相关测试结果。只迁移通过验证的任务类型，保留兜底方案，并把报价日期与计算过程一起存档。这样更新预算时，就不必重做整轮评估。

更换模型前，可以用 AI 业务工作流审查清单 梳理一个功能的输入、验收检查和兜底方案。