<!-- title: 模型分级路由：同样需求省钱40倍的公式 -->
<!-- domain: cost-hacks -->

# 模型分级路由：同样需求省钱40倍的公式

> **信息差核心**：90%的中国开发者在所有场景都用同一个模型（通常是GPT-4o或Claude Sonnet），却不知道把任务按复杂度分流到不同价位的模型，月账单可以从$200降到$5。这不是偷工减料——这是海外独立开发者已经在用的「模型分级路由」策略。本文基于2026年6月六大厂商最新实时定价，给你一套可立即复制的省钱公式。

## 一、为什么你正在多花40倍的钱

先看一张让人心脏骤停的对比表。以下是一个真实场景：**每天处理10,000次API调用**，其中70%是简单任务（分类、提取、翻译），20%是中等任务（摘要、改写），10%是复杂任务（推理、代码生成）。

我们用"全部用贵模型" vs "分级路由" 两种方案计算月成本：

```mermaid
graph TB
    subgraph 路由策略["模型分级路由策略"]
        A[用户请求] --> B{复杂度判断}
        B -->|70% 简单任务| C[超低价模型<br/>DeepSeek v4-flash / Groq 8B<br/>$0.14/$0.28 per MTok]
        B -->|20% 中等任务| D[中端模型<br/>Claude Haiku / Gemini Flash<br/>$1/$5 per MTok]
        B -->|10% 复杂任务| E[高端模型<br/>Claude Sonnet / GPT-4o<br/>$3/$15 per MTok]
    end

    style C fill:#4CAF50,color:#fff
    style D fill:#FF9800,color:#fff
    style E fill:#F44336,color:#fff
    style B fill:#2196F3,color:#fff
```

### 真金白银的月账单对比

假设每次调用平均消耗 2,000 token（输入+输出），月请求量30万次：

| 方案 | 简单任务(21万次) | 中等任务(6万次) | 复杂任务(3万次) | **月总成本** |
|------|---------|---------|---------|---------|
| **全用 Claude Sonnet** | $105 | $30 | $15 | **$150/月** |
| **全用 GPT-4o** | $62.5 | $17.9 | $8.9 | **$89.3/月** |
| **分级路由（推荐）** | $3.78 | $6.0 | $15 | **$24.8/月** |
| **极致省钱路由** | $1.89 | $3.0 | $8.9 | **$13.8/月** |

**差距：$150 → $13.8，省钱超过10倍。** 如果你现在用Opus？那就是$750 → $13.8，**54倍差距**。

## 二、2026年6月实时价格全景图（数据来自官方页面）

以下定价均于2026年6月6日从各厂商官方页面实时抓取，单位：美元/百万Token。

### 超低价梯队（< $0.50/MTok）

| 模型 | 输入价 | 输出价 | 上下文 | 适合场景 | 平台 |
|------|--------|--------|--------|---------|------|
| **DeepSeek v4-flash** | $0.14 | $0.28 | 1M | 分类/提取/翻译 | 官方API |
| **Mistral Small 4** | $0.10 | $0.30 | 128k | 轻量对话/分类 | 官方API |
| **Groq Llama 3.1 8B** | $0.05 | $0.08 | 128k | 实时对话/分类 | Groq |
| **Together LFM2 24B** | $0.03 | $0.12 | -- | 最廉价推理 | Together |
| **Gemini 3.1 Flash-Lite** | $0.25 | $1.50 | 1M+ | 轻量分析/摘要 | Google |
| **OpenRouter 免费模型** | **$0** | **$0** | 131k-1M | 开发测试/零预算 | OpenRouter |

### 中端梯队（$0.50 - $5/MTok）

| 模型 | 输入价 | 输出价 | 上下文 | 适合场景 |
|------|--------|--------|--------|---------|
| **Claude Haiku 4.5** | $1.00 | $5.00 | 200k | 摘要/改写/中等推理 |
| **Gemini 3.5 Flash** | $1.50 | $9.00 | 1M+ | 多模态分析/长文档 |
| **Mistral Medium 3.5** | $1.50 | $7.50 | 128k | 平衡质量与成本 |
| **GPT-4o** | $2.50 | $10.00 | 128k | 通用高质量任务 |
| **Claude Sonnet 4.6** | $3.00 | $15.00 | 1M | 复杂推理/代码 |

### 高端梯队（> $10/MTok）

| 模型 | 输入价 | 输出价 | 上下文 | 适合场景 |
|------|--------|--------|--------|---------|
| **Gemini 3.1 Pro** | $2-4 | $12-18 | 1M+ | 最高质量分析 |
| **Claude Opus 4.8** | $15.00 | $75.00 | 1M | 极端复杂推理 |
| **OpenAI o1** | $15.00 | $60.00 | 200k | 数学/科学推理 |

### 关键发现：DeepSeek v4-flash的核弹级定价

DeepSeek在2026年推出的v4-flash模型，**缓存命中时输入价只要$0.0028/MTok**——比Claude Opus便宜**5357倍**。即使缓存未命中，$0.14的输入价也是全场最低。1M上下文窗口+384K最大输出，这让它在长文档处理场景中几乎没有对手。

## 三、六大省钱技巧（从最容易到最极致）

### 技巧1：Prompt Caching — 一行代码省90%

这是**最被低估的省钱手段**。Anthropic的Prompt Caching命中后，输入价打**1折（90% off）**。

**原理**：你的系统提示（system prompt）和常量上下文在5分钟内不变，第二次调用时直接读缓存，输入价从$3降到$0.30（Sonnet）。

```python
# 伪代码示意：启用Prompt Caching
response = client.messages.create(
    model="claude-sonnet-4-6",
    system=[
        {
            "type": "text",
            "text": "你是一个专业的客服助手...",  # 这个会被缓存
            "cache_control": {"type": "ephemeral"}  # 关键：标记缓存
        }
    ],
    messages=[{"role": "user", "content": user_query}]
)
```

**省钱计算**（每天10,000次调用，系统提示3000 token）：

| 场景 | 无缓存月成本 | 有缓存月成本 | 节省 |
|------|------------|------------|------|
| Claude Sonnet | $270 | $29.7 | **89%** |
| Claude Haiku | $90 | $9.9 | **89%** |

**回本点**：5分钟缓存，只需要**1次命中就回本**。1小时缓存，**2次命中就回本**。这意味着几乎所有应用都该开。

### 技巧2：Batch API — 不急的任务50% off

所有主流厂商都提供Batch API，接受24小时内返回，价格减半：

| 模型 | 标准输入 | Batch输入 | 标准输出 | Batch输出 |
|------|---------|----------|---------|----------|
| Claude Sonnet 4.6 | $3.00 | **$1.50** | $15.00 | **$7.50** |
| Claude Opus 4.8 | $15.00 | **$7.50** | $75.00 | **$37.50** |
| Claude Haiku 4.5 | $1.00 | **$0.50** | $5.00 | **$2.50** |
| Gemini 3.5 Flash | $1.50 | **$0.75** | $9.00 | **$4.50** |
| Gemini 3.1 Flash-Lite | $0.25 | **$0.125** | $1.50 | **$0.75** |

**适用场景**：夜间批量生成报告、数据分析、文档翻译、内容审核。一个真实案例——某SaaS公司的日终报告生成，从$50/天降到$25/天，月省$750。

### 技巧3：Gemini免费层 — 开发阶段零成本

Google Gemini的免费层是国内开发者最忽略的宝藏。截至2026年6月：

| 免费模型 | 免费输入 | 免费输出 | 限制 |
|---------|---------|---------|------|
| Gemini 3.5 Flash | ✅ 免费 | ✅ 免费 | RPM限制 |
| Gemini 3.1 Flash-Lite | ✅ 免费 | ✅ 免费 | RPM限制 |
| Gemini 3.1 Flash | ✅ 免费 | ✅ 免费 | RPM限制 |

**注意**：免费层的数据会被用于改进Google产品，**生产环境勿用**，但开发测试阶段完全可以零成本跑通整个Pipeline。

### 技巧4：OpenRouter免费模型 — 完全白嫖的生产力

OpenRouter上有一批完全免费的模型，大多数中国开发者根本不知道：

| 免费模型 | 上下文 | 能力 |
|---------|--------|------|
| **nvidia/nemotron-3-ultra-550b** | 1M | 550B参数，强大通用 |
| **qwen/qwen3-coder:free** | 1M | 代码生成专用 |
| **moonshotai/kimi-k2.6:free** | 262k | 中文友好 |
| **meta-llama/llama-3.3-70b:free** | 131k | 通用对话 |
| **z-ai/glm-4.5-air:free** | 131k | 国产之光 |
| **google/gemma-4-31b:free** | 262k | 轻量高效 |

**特别注意**：`openrouter/auto` 端点会自动选择最合适的模型（包括免费模型），你甚至不需要自己判断用哪个。

### 技巧5：Groq + Together — 超低延迟+超低价

需要实时交互场景（聊天机器人、实时翻译）？Groq的推理速度是业界的**10-100倍**，而且价格极低：

| 模型 | 速度(tokens/s) | 输入价 | 输出价 |
|------|---------------|--------|--------|
| Groq Llama 3.1 8B | **840** | $0.05 | $0.08 |
| Groq GPT OSS 20B | **1,000** | $0.075 | $0.30 |
| Groq Llama 4 Scout | **594** | $0.11 | $0.34 |
| Groq GPT OSS 120B | **500** | $0.15 | $0.60 |

作为对比，Claude Sonnet的推理速度大约是50-80 tokens/s。Groq快了**10-20倍**，价格还便宜**20-60倍**。

Together AI的LFM2 24B更是只要**$0.03输入/$0.12输出**，全场最低价。

### 技巧6：智能路由器 — 让代码自动选模型

把以上技巧组合起来，写一个简单的路由逻辑：

```python
import time

def route_request(task_type, prompt, urgency="normal"):
    """模型分级路由器"""
    
    # 第一层：开发测试环境 → 免费模型
    if os.getenv("ENV") == "development":
        return "openrouter/auto"  # 自动选免费模型
    
    # 第二层：非紧急批量任务 → Batch API
    if urgency == "batch":
        if task_type in ["report", "translation", "analysis"]:
            return "claude-sonnet-4-6-batch"
        return "gemini-3.5-flash-batch"
    
    # 第三层：简单任务 → 超低价模型
    if task_type in ["classify", "extract", "translate", "format"]:
        return "deepseek-v4-flash"  # $0.14/$0.28
    
    # 第四层：中等任务 → 中端模型
    if task_type in ["summarize", "rewrite", "qa"]:
        return "claude-haiku-4-5"   # $1/$5
    
    # 第五层：复杂任务 → 高端模型
    if task_type in ["code", "reasoning", "creative"]:
        return "claude-sonnet-4-6"  # $3/$15
    
    # 默认：中端模型
    return "gemini-3.5-flash"
```

## 四、不同预算的推荐方案

### 月预算 $0（学生/个人项目）

| 用途 | 推荐方案 | 月成本 |
|------|---------|--------|
| 代码辅助 | OpenRouter免费模型 + Gemini免费层 | $0 |
| 聊天机器人 | Groq Llama 3.1 8B（免费额度） | $0 |
| 文档处理 | Gemini免费层 | $0 |
| **总计** | | **$0** |

### 月预算 $5-20（独立开发者）

| 用途 | 推荐方案 | 月成本估算 |
|------|---------|-----------|
| 简单任务(70%) | DeepSeek v4-flash | ~$2 |
| 中等任务(20%) | Claude Haiku 4.5 + Prompt Caching | ~$3 |
| 复杂任务(10%) | Claude Sonnet 4.6 Batch | ~$5 |
| **总计** | | **~$10** |

### 月预算 $50-200（小团队）

| 用途 | 推荐方案 | 月成本估算 |
|------|---------|-----------|
| 简单任务(70%) | DeepSeek v4-flash + Groq | ~$8 |
| 中等任务(20%) | Claude Haiku + Prompt Caching | ~$15 |
| 复杂任务(10%) | Claude Sonnet + Prompt Caching | ~$25 |
| 批量处理 | Gemini Flash Batch | ~$10 |
| **总计** | | **~$58** |

## 五、信息差总结

| 维度 | 你可能知道的 | 你应该知道的 |
|------|------------|------------|
| **DeepSeek v4** | DeepSeek便宜 | v4-flash缓存命中$0.0028/MTok，比Opus便宜5357倍 |
| **Prompt Caching** | 听说过缓存 | 命中后省90%，1次命中就回本 |
| **Batch API** | 不知道有半价 | 全平台50% off，非实时任务都该用 |
| **免费模型** | 以为免费的不好用 | OpenRouter上有550B参数的免费模型 |
| **Groq** | 知道速度快 | 速度快10-20倍，价格还便宜20-60倍 |
| **模型路由** | 所有任务用一个模型 | 分级路由可以省10-40倍 |
| **Gemini免费层** | 不知道有免费 | Flash 3.5/3.1全系列免费，开发阶段零成本 |
| **Together AI** | 没听说过 | LFM2 24B只要$0.03/$0.12，全场最低 |

```mermaid
graph LR
    subgraph 省钱路线图["从$200/月到$15/月的路线图"]
        A["第1步<br/>开发环境切Gemini免费层<br/>省$30"] --> B["第2步<br/>简单任务切DeepSeek v4-flash<br/>省$80"]
        B --> C["第3步<br/>开启Prompt Caching<br/>省$40"]
        C --> D["第4步<br/>批量任务用Batch API<br/>省$25"]
        D --> E["第5步<br/>实时对话用Groq<br/>省$10"]
    end

    style A fill:#E8F5E9
    style B fill:#C8E6C9
    style C fill:#A5D6A7
    style D fill:#81C784
    style E fill:#66BB6A,color:#fff
```

## 六、行动指南

**今天就可以做的3件事**：

1. **检查你的API账单**：看看有多少比例的调用是简单任务在用贵模型。大多数人发现70%以上的调用不需要高端模型。

2. **注册OpenRouter**（https://openrouter.ai）：接入后可以直接使用所有免费模型，API格式兼容OpenAI SDK，迁移成本几乎为零。

3. **在代码里加一行`cache_control`**：如果你用Claude API，在system prompt里加上缓存标记，立刻省90%的输入成本。

**本周可以做的**：

4. **实现一个简单的模型路由器**：按task_type分流，简单任务走DeepSeek/Groq，复杂任务走Claude/GPT。

5. **把夜间批处理切到Batch API**：任何不需要实时返回的任务，立刻省50%。

**本月可以做的**：

6. **建立成本监控仪表板**：用Langfuse或Helicone追踪每次调用的模型、token数、成本。你无法优化你看不见的东西。

## 参考来源

- [DeepSeek API Pricing](https://api-docs.deepseek.com/quick_start/pricing) — v4-flash/v4-pro最新定价
- [Anthropic Claude Models & Pricing](https://docs.anthropic.com/en/docs/about-claude/models) — Batch API和Prompt Caching折扣详情
- [Google Gemini API Pricing](https://ai.google.dev/gemini-api/docs/pricing) — 免费层和Flex模式定价
- [Groq Pricing](https://groq.com/pricing/) — 超低延迟推理定价
- [Together AI Pricing](https://together.ai/pricing) — 全场最低推理价格
- [OpenRouter Models](https://openrouter.ai/models) — 免费模型列表和自动路由
- [Mistral Pricing](https://mistral.ai/pricing) — Small 4和Medium 3.5定价

---
> 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护。
> 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。

> [!tip] 51学通信知识星球
> **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。
> **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。
> **当前规模**：5200 篇主题 / 990 个回答，198 元/年。
> **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。
> **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。

![51学通信知识星球海报-扫码加入](https://wiki.500nian.com/images/zhixingqiu_qrcode.png)