输入与输出差 8 倍：钱到底花在哪一段

主流模型的计费结构都是输入便宜、输出贵，比例大致在 1:6 到 1:10。这个设计反映的是推理成本：输出需要逐 token 生成，输入只需一次前向计算。

对自己场景的判断很简单：统计平均输入长度与输出长度，乘以各自单价，看哪一侧占比更高。长文档总结类场景输入可能是输出的二十倍，此时输入价才是主要成本；客服问答类场景输出往往短，输入里带着历史对话，同样以输入为主。

真正被输出拖高成本的是创作类与代码生成类场景。这两类场景里，减少无效输出比压缩输入更有效：给出明确的长度约束、要求结构化返回、避免“请详细说明”这类开放式指令，都能直接砍掉三成以上的输出量。

还有一层是推理模型的隐藏输出。带思维链的模型会把推理过程计入输出 token，账单上可能比正文长好几倍。如果业务只需要结果，应当选择非推理版本，或者把推理预算显式限制在较小值。

比价时不要只看一个数字。把模型单价、平均输入、平均输出、缓存命中率四项放在一张表里，算出每个业务场景的单次成本，再横向比较。这样得出的结论通常与“谁家便宜”的直觉不一致，但更接近真实账单。

还有一处容易忽略：重复输入的计费。多轮对话每轮都会重发历史，输入量随轮次线性增长。把历史压缩成摘要、或使用服务端的会话缓存能力，能显著降低这部分开销。做用量分析时，把“重复输入”单独列成一行，往往能看到两位数的占比。

把这两件事同时做完，多数团队的单次成本能下降三到四成，且不需要更换供应商。真正的优化顺序应当是：先把输出长度与重复输入量化，再决定是把任务切到小模型、还是调整提示结构、还是更换线路。顺序颠倒，往往会先花时间比价，最后发现瓶颈在自己的请求构造上。