价格数据核对时间：2026年7月初。文中人民币按7.2汇率粗算，具体以官方文档为准。
最近看各家大模型API的token价格，会有一个很明显的感觉：
有的平台很贵，贵到像“高级顾问”；
有的平台很便宜，便宜到可以当“日常水电”。
到底差多少？同样生成一百万个token（大约50万汉字）：
- 用DeepSeek V4 Flash，输出费用0.28美元，约合2块人民币；
- 用GPT-5.4 Pro，输出费用180美元，约合1300块人民币。
640倍的价差。 不是打折与原价的区别，是自行车和特斯拉的区别。
更关键的问题是：日常做公众号、写文章、整理资料、做自动化，到底该用贵模型，还是便宜模型？
我的判断很明确：
贵模型不是智商税，但不能滥用；便宜模型不是低端货，而是AI普及的真正基础设施。
这篇把账算清楚。
一、先看价格全景：四个梯队
以下均为官方API标准价（非batch、非缓存），单位是美元/百万tokens，格式为“输入/输出”。
旗舰档：买的是天花板
| 模型 | 输入/输出 | 折合人民币（输出） |
|---|---|---|
| GPT-5.5 | $5 / $30 | ≈¥216/百万 |
| Claude Opus 4.8 | $5 / $25 | ≈¥180/百万 |
| GPT-5.4 Pro | $30 / $180 | ≈¥1296/百万 |
主力档：生产环境的默认选择
| 模型 | 输入/输出 | 备注 |
|---|---|---|
| Claude Sonnet 5 | $2 / $10（首发价） | 6月30日刚发布，8月31日后恢复$3/$15，标配1M上下文 |
| GPT-5.4 | $2.5 / $15 | OpenAI当前主力 |
| Gemini 3.1 Pro | $2 / $12 | 2M上下文，超20万token的请求涨到$4/$18 |
性价比档：国产模型的主场
| 模型 | 输入/输出 | 备注 |
|---|---|---|
| GLM-5.2 | $1.4 / $4.4 | 智谱6月刚调的价 |
| MiniMax M3 | $0.6 / $2.4 | SWE-bench 80.5%，80分以上最便宜 |
| DeepSeek R1 | $0.55 / $2.19 | 推理成本约为o3的1/27 |
底价档：跑量专用
| 模型 | 输入/输出 | 备注 |
|---|---|---|
| DeepSeek V4 Flash | $0.14 / $0.28 | 全场最低 |
| Gemini 3.1 Flash-Lite | $0.10 / $0.40 | 闭源里最便宜之一 |
看到这些表格，模型选择就不该问“哪个最强”，而要问：这个任务值不值得用最贵的模型？
二、贵的三个理由
贵在“上限”：最后8个百分点是断层，不是斜坡
一个很有意思的数据：在SWE-bench Verified（用真实GitHub issue测代码能力的基准）上，有5个模型挤在80.2%~80.6%之间——只差0.4个百分点——但价格横跨5倍。而GPT-5.5和Opus 4.8在88%以上。
普通问答、简单改写、摘要提取，你感觉不到这8个点的差别。但任务一复杂，差距就出来了：
- 读完多份文档，找出里面的矛盾；
- 分析一段复杂代码，给出可运行的修改方案；
- 连续调用工具，完成一套自动化流程；
- 在长上下文里保持前后逻辑一致；
- 在模糊问题里判断你的真正意图。
这些任务不是“会说话”就行。贵模型不是每个token都神奇，而是在复杂任务里失败率更低。
算一笔账：一个多文件重构任务，旗舰模型一次通过，便宜模型平均重试2.5次外加你半小时人工review。token差价几毛钱，你半小时值多少钱？
所以正确的度量单位是**“每完成任务的成本”，而不是“每token的成本”**。
贵在“稳定性”：token成本只是总成本的一部分
个人用户看到模型写错一句话，手动改一下就行。但对严肃工作流来说，输出不稳定就是真金白银的成本。
便宜的API还有个隐藏条款：不保证你要用的时候它在。DeepSeek的价格一直很诱人，但公开API的速率限制和可用性波动是老问题。如果你的流水线每天早上7点必须出结果（比如盘前分析），“最便宜”和“最可用”往往不是同一家。宕机时的最便宜，等于无穷贵。
企业买贵模型，买的还包括并发保障、工具调用可靠性、版本管理、日志审计、数据合规、技术支持。真正贵的从来不是token，是系统出错、流程中断和数据泄露。
贵在“生态”：单点不贵，整套系统贵
三大平台各有一套完整生态：OpenAI的工具链最系统化（文件、函数调用、图像、语音、Agent工作流都单独成体系）；Claude强在长文、代码和Agent场景，新发的Sonnet 5主打的就是agentic能力，且1M上下文不加价——整个代码库塞进上下文不用额外掏钱；Gemini靠Google生态和2M超长上下文，适合搜索、文档理解的组合场景。
如果你只让它写一段公众号开头，确实浪费。但接入知识库、读文件、调工具、跑流程时，这套系统的价值就出来了。
三、便宜的三个杠杆
反过来，便宜模型的价值也不在“省几块钱”，而在于它解锁的三种打法。
杠杆一：让AI从“偶尔请专家”变成“每天用工具”
贵模型适合关键节点，便宜模型适合全流程铺开。以公众号运营为例，批量找选题、批量生成标题、批量写摘要、批量提取关键词、批量生成小红书版本、批量整理参考资料——这些任务不需要最强模型，DeepSeek、通义千问、豆包、Gemini Flash-Lite就足够。
这才是生产力变化的关键：不是AI更聪明了，是AI便宜到可以嵌进每一个环节了。
杠杆二：允许你反复试错
用贵模型时会下意识减少尝试次数，因为每次长输出都在花钱。但内容创作恰恰需要反复试错——标题从来不是一次生成就能用的。
更合理的流程是：
- 便宜模型生成20个标题；
- 便宜模型筛掉平庸的；
- 便宜模型按你的风格重写；
- 中档模型优化结构；
- 贵模型做最终质检。
便宜模型让你敢试、敢改、敢批量生成；贵模型负责最后判断和拔高。 AI创作不是单次命中，而是流程设计。
杠杆三：分级路由——省钱效果最猛的架构
大部分产品的请求分布是金字塔形：约70%是简单请求（分类、提取、格式转换），20%中等，只有10%真正需要旗舰级智力。
| |
有个公开案例：月请求量100万的服务，全量用旗舰月成本约$10,500；改成分级路由后降到$1,500——降幅86%，质量几乎无损，因为难题依然由旗舰处理。
分类器可以很土：按请求长度、有没有代码、关键词先分一轮，不确定的丢给一个Nano级模型判断，分类成本相对节省可以忽略。
附赠两个官方折扣，不用白不用
- Batch五折：OpenAI的Batch API和Anthropic的Message Batches对异步任务直接打5折。条件只有一个：接受24小时内返回。定时任务、批量生成、离线分析不用batch，等于主动多付一倍钱。
- 缓存一折：提示词缓存命中折扣已扩大到90%以上，Anthropic的缓存读取只按输入价的10%计费。系统提示词长、每次变化小的agent工作流（比如每次都带5000 token指令+20个工具定义），缓存后这部分几乎白嫖。
四、但便宜模型也有代价
便宜模型最大的问题是复杂任务上限。常见表现：
- 长文容易写散，结构容易重复；
- 代码修改容易顾此失彼；
- 多轮对话中容易遗忘前文；
- 工具调用格式不够稳定；
- 容易给出“看起来合理但其实不准”的答案。
所以便宜模型适合做“量”的工作，不适合做“最终判断”。让它写公众号初稿没问题，让它独立完成一篇严肃行业分析，最好不要完全信任。
一句话原则：便宜模型负责铺材料，贵模型负责做判断。
五、一个专坑新手的计费陷阱：隐藏的思考token
推理模型（o系列、R1、开启thinking的模型）在给你答案之前会先“想”，这些思考token你看不见，但按输出价全额计费。
一次调用可能烧掉5万个思考token，最后只吐一段话。标价看着便宜，实际成本可能是标价的3~10倍。
两条对策：
- 永远设置
max_output_tokens上限； - 先用非推理模型跑你的任务——很多任务根本不需要思考过程，效果一样，价格差几倍。
六、普通创作者的分工方案
如果你做公众号、博客、小红书，建议这样配：
选题、标题、摘要、关键词 → 便宜模型。 这是高频试错任务，你要的是“多给几个方向”，不是一次给终极答案。DeepSeek Flash、Qwen Flash、豆包、Gemini Flash-Lite都行。
文章初稿 → 中档模型。 Qwen Plus、Kimi、Sonnet、Gemini Flash/Pro。中文内容生产上国产模型性价比很高。
长文档阅读 → 长上下文模型。 Kimi、Gemini Pro、Sonnet。但注意：上下文不是越长越好，越长越贵，模型也容易在中间信息里迷路。更好的方式是先切分、分段总结、最后统一归纳。
最终润色和判断 → 贵模型。 查逻辑漏洞、判断观点是否站得住、改掉机械味、检查事实风险。这一步调用不多，但最关键。
贵模型应该用在最后20%，而不是从头到尾。
七、本地部署什么时候比API划算
以一台Mac Studio M4 Max 64GB做本地推理服务器，跑Qwen3.6-27B做日常内容生成。
粗算电费账：推理时整机功耗按150W算，27B模型出token约25~30 tok/s，生成一百万token大约10小时，耗电约1.5度，电费不到1块钱。同样一百万token走Sonnet标准价输出要一百块出头。
但除了直接成本，本地方案的真实成本还有：
- 硬件折旧：机器两万多，按三年折旧每天摊约20块。只有当每天推理量真能替代20块以上的API开销，硬件才回本；
- 质量上限：27B量化模型大致对标便宜档API，替代不了旗舰；
- 你的时间：搭环境、调参、维护都是成本。
实际配置以三层混合为最佳：跑量任务走本地（边际成本≈0），常规生产走国产便宜档API，只有错误代价高的关键决策走旗舰。
（对本地部署感兴趣的，可以翻我之前那篇12个本地模型横评。）
八、结论：别迷信贵，也别迷信便宜
贵模型强在复杂任务的确定性、稳定性、生态和最终判断力；便宜模型让AI可以高频用、批量用、自动化用，让个人和小团队把AI变成日常生产工具。
所以别问“哪个模型最好”，要问“这个任务该用哪个档位”。个人建议是：
80%的日常任务，用便宜模型完成；
15%的复杂任务，用中档模型处理；
5%的关键判断，用最贵模型收尾。
一句话总结：贵模型买的是“错误代价高的那10%任务的确定性”，便宜模型赚的是“其余90%流量的规模经济”。
贵模型决定上限，便宜模型决定普及。而真正会用AI的人，懂得把这两种价值组合起来。
最后说一句
本文涉及到价格表的保质期大概一个季度。Sonnet 5的首发价8月31日就到期；OpenAI已放风夏季新旗舰会重置价格档；DeepSeek下一代也会重新锚定低价区。过去一年全行业价格降了约80%，这个趋势还没停。
我会在价格发生大变动时更新这个系列。关注我，下次调价第一时间看到新账本。