每个做 AI 应用的人都在干同一件事：疯狂压缩输入 prompt。删 system prompt、裁 few-shot 示例、上语义缓存、套提示压缩。这些当然有用——但如果你只盯着输入，你大概率砍错了地方。
今天这条信息差只讲一件事：在 Claude、GPT 这类旗舰模型上，输出 token 的单价是输入的 4 到 5 倍，而你账单里 60%–80% 的钱，恰恰烧在输出那一段。 全网 90% 的"省钱教程"都在教你省输入，没人告诉你真正吞金的是结尾那几段模型自己吐出来的字。
读完这篇你会拿到一套"反向省钱"打法：从 prefill 预填充、要 diff 不要重写、答案前置 + stop sequence，到按输出长度路由模型——全是直击输出端的、立刻能算出省了多少刀的操作。
先看一组 2026 年主流 API 的官方 list price（每百万 token，美元），重点不是绝对数字，而是输出/输入的倍数：
| 模型 | 输入 $/M | 输出 $/M | 输出是输入的几倍 | 缓存读取价 |
|---|---|---|---|---|
| Claude Opus 4.x | 15 | 75 | 5.0× | 1.5 |
| Claude Sonnet 4.x | 3 | 15 | 5.0× | 0.3 |
| Claude Haiku 4.5 | 0.8 | 4 | 5.0× | 0.08 |
| GPT-4.1 | 2 | 8 | 4.0× | 0.5 |
| GPT-4o | 2.5 | 10 | 4.0× | 1.25 |
| o3 / o4-mini（推理） | 1–3 | 4–12 | 4×（且含隐藏 thinking） | — |
| DeepSeek-V3 | 0.27（缓存命中 0.07） | 1.10 | ~4×，但绝对值极低 | 0.07 |
| GLM-4.6 | ≈0.6 | ≈2.2 | ~3.7× | 极低 |
这张表藏着一个所有厂商都不愿放在 C 位的秘密：他们把输入价压得很漂亮用来获客（"输入只要 $3！"），但把利润全押在你必须消费的输出上。你买的是模型"听你说话"的便宜，付的是模型"开口说话"的贵。
更阴的是推理模型（o3、DeepSeek-R1、Claude 的 extended thinking）：你以为它"想了一下给你个简短答案"，实际上它生成的那几千个思考 token——全部按输出价计费，而且你在 API 返回里经常看不到全文。一个看起来 200 字的最终答案，背后可能是 5000 个 output token 的暗账。
很多人对"输出贵"没有体感，因为直觉上"输入那么长一份文档才几个钱，输出就几句话应该更便宜吧"。正好相反。 来看一个真实到不能再真实的场景——让模型重构一个代码文件：
用 Claude Sonnet 4.x 算：
你那套精心优化的"删 system prompt 省 200 token"的操作，省下的是输入侧 $0.0006——为零头里的零头。而真正能动的，是那 8000 个输出 token。
flowchart LR
A["一次 API 调用<br/>输入 10K token"]:::input --> B["模型生成<br/>输出 8K token"]:::output
B --> C{"账单拆解<br/>Sonnet 4.x"}
C --> D["输入 $0.030<br/>≈ 20%"]:::cheap
C --> E["输出 $0.120<br/>≈ 80%"]:::expensive
D --> F["全行业只在优化这一段"]:::warn
E --> G["真正的吞金兽"]:::warn
classDef input fill:#e8f5e9,stroke:#2e7d32
classDef output fill:#ffebee,stroke:#c62828
classDef cheap fill:#e3f2fd,stroke:#1565c0
classDef expensive fill:#fff3e0,stroke:#ef6c00
classDef warn fill:#fce4ec,stroke:#ad1457
把这个比例放到 Agent 多轮循环里更可怕：每一轮，输入（历史 + 工具结果）在涨，但每一轮的输出都按 5 倍价累计。一个跑 20 轮的 Agent，光"模型自己说话和调工具"的输出 token，可能占总成本 70% 以上。这也是为什么上一轮情报讲"Agent 隐性倍增器"——而今天我们把它落到输出这个根上。
下面每招都是"输入几乎不变，输出腰斩甚至更多"。
这是 Anthropic API 一个被严重低估的能力：你可以预先填写 assistant 这一轮的开头，模型从你给的地方接着写。
比如你要 JSON，不要在 prompt 里苦口婆心"请返回严格 JSON"然后赌它不啰嗦，直接：
messages = [
{"role": "user", "content": "提取以下合同的关键条款"},
{"role": "assistant", "content": "{"} # ← 你替它开了头
]
模型被迫以 { 接着写，省掉它每次开头那句 好的，以下是提取结果：\n```json\n{——这种废话每次 20–40 token，按 5 倍价就是纯浪费。高频调用一天省下来的，够你续一杯咖啡。
招式一里那个 8000 token 的重写，90% 的代码根本没改。改成让模型只输出统一 diff（unified diff）或 search-and-replace 块：
"只输出修改部分，用 unified diff 格式，未改动行不要重复。"
同样一个文件，diff 通常只有 1,000–1,500 token。
单次省 81%。这也是 Aider、Cursor 等编码工具"_edit diff"模式能省钱的核心——它们不只是工程上优雅，是真在按 5 倍价省输出。
模型有个写坏习惯：先解释一通，最后才给答案。解释部分全是按 5 倍价计费的输出。 两步破：
stop_sequences，答案出来立刻截断，不让它继续发挥。一个"给个分类标签 + 理由"的任务，没优化时模型输出 200 token（标签 5 个 + 理由 195 个）。如果业务只要标签，加 stop 序列在标签后，输出只剩 5–10 token。省 95%。
Chain-of-Thought 在原型阶段是神器，在生产链路里是输出账单放大器。每一步推理都是模型生成的 output token。
正确做法：用专门的推理模型（o3 / DeepSeek-R1）在离线、低频、关键判断时思考；高频常规调用用普通模型 + 结构化指令，禁止"详细解释你的推理过程"。 同一个分类任务：
差 75 倍的输出量，价差你自己算。注意：推理模型那条线，思考 token 也是 output 计费，所以"用 o3 做高频小事"是把双刃剑——它又贵、thinking 又算输出。
这一招是终极套利。常规路由逻辑是"难题给旗舰"，但从账单角度，应该按"这次会吐多少字"路由：
关键认知：不是"简单任务用小模型"，而是"啰嗦任务用便宜的输出"。 一个写 3000 字的"简单"任务，比一个输出 3 个字的"困难"任务，贵得多。你的路由器该看预期输出长度，不是看任务智商。
flowchart TD
Q["新请求进来"] --> R{"预期输出长度?"}
R -->|"长输出<br/>写文/改写/生成" --> A["GLM-4.6 / DeepSeek-V3<br/>输出价 ≈ Sonnet 的 1/10"]
R -->|"中输出<br/>结构化抽取/摘要" --> B["Haiku 4.5 / GPT-4.1-mini<br/>输出价低且够用"]
R -->|"短输出<br/>判定/分类/路由" --> C["任一廉价模型<br/>输出本就没几token"]
R -->|"真·硬推理<br/>低频关键决策" --> D["旗舰/推理模型<br/>但严控调用次数"]
A --> S["省 80%+"]
B --> S
C --> S
D --> S
classDef cheap fill:#e8f5e9,stroke:#2e7d32
classDef warn fill:#ffebee,stroke:#c62828
classDef save fill:#fff3e0,stroke:#ef6c00
class A,B,C cheap
class D warn
class S save
某独立开发者做"合同条款抽取" SaaS，月调用量 50 万次，原本用 Claude Sonnet 全量重写：
套用本篇五招：
{ 开头，砍掉开头废话（省 ~30 token/次）优化后每次输出降到 ~600 token，且走便宜模型：
省下的 1.7 万刀/月，就是这个"输出端"认知差折现。
| 维度 | 90% 的人在做的 | 懂输出价差的人在做的 |
|---|---|---|
| 优化焦点 | 死磕输入 prompt 长度 | 死磕输出 token 数量 |
| 心智模型 | "输入长=贵" | "输出长=贵 5 倍" |
| 改写代码 | 让模型重写整文件 | 要 unified diff |
| 结构化 | 反复强调"返回 JSON" | prefill { + stop seq |
| 推理 | 链路里随处 CoT | 关键处才推理，且知 thinking 算输出 |
| 模型路由 | 按任务难度选 | 按预期输出长度选 |
| 推理模型 | "智能就用 o3" | 知道 thinking token 按 output 计费 |
核心一句话：输入是成本，输出是利润（对厂商）/ 账单（对你）。 同样省 1000 token，省在输出侧的收益是输入侧的 4–5 倍。
做完这五步，回到后台再看一次 input/output 占比和总账单——你会看到 output 那一栏断崖式下降。
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。