# 别只省prompt了：输出token贵输入五倍
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。
---
## 一、被刻意忽略的价格表：输入和输出根本不是一回事
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。
---
## 二、为什么你的账单 80% 是输出？算笔账就懂
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**：
- **输入**：把现有文件喂进去 = 10,000 token
- **输出**：模型把整个文件重写一遍还给你 = 8,000 token
用 Claude Sonnet 4.x 算：
- 输入成本：10,000 × $3/1M = **$0.030**
- 输出成本：8,000 × $15/1M = **$0.120**
- 合计 $0.15，**其中输出占了 80%**。
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。
```mermaid
flowchart LR
A["一次 API 调用
输入 10K token"]:::input --> B["模型生成
输出 8K token"]:::output
B --> C{"账单拆解
Sonnet 4.x"}
C --> D["输入 $0.030
≈ 20%"]:::cheap
C --> E["输出 $0.120
≈ 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。
---
## 三、五招直击输出端，立刻能算出省了多少
下面每招都是"输入几乎不变，输出腰斩甚至更多"。
### 招式 1：Prefill 预填充——你自己写下开头，模型只补后半段
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 2：要 diff / patch，不要全文重写
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**。
- 重写输出：8,000 × $15/M = **$0.120**
- diff 输出：1,500 × $15/M = **$0.0225**
**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。
### 招式 3：答案前置 + stop sequence，提前掐断
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：
1. **指令里要求"先给最终答案，再可选解释"**——这样你只要答案时可以早停；
2. 配 `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%**。
### 招式 4：生产链路里关掉"请一步步思考"
`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：
- "请一步步思考后分类" → 输出 600 token
- "只输出类别名" → 输出 8 token
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。
### 招式 5：按"输出长度"路由，而不是按"任务难度"
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**：
- **长输出任务**（写文章、生成营销文案、批量改写）→ 路由到**输出价绝对值低**的模型。GLM-4.6、DeepSeek-V3 的输出价是 Sonnet 的 **1/10 以下**，且输出/输入倍数也更平（~3.7× vs 5×）。一篇 2000 字文案，差距能到几十倍。
- **短输出任务**（分类、抽取、判定）→ 即使留在旗舰，输出也没多少，贵不到哪去；或直接下沉到 Haiku 4.5（$4/M 输出）。
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。
```text
flowchart TD
Q["新请求进来"] --> R{"预期输出长度?"}
R -->|"长输出
写文/改写/生成" --> A["GLM-4.6 / DeepSeek-V3
输出价 ≈ Sonnet 的 1/10"]
R -->|"中输出
结构化抽取/摘要" --> B["Haiku 4.5 / GPT-4.1-mini
输出价低且够用"]
R -->|"短输出
判定/分类/路由" --> C["任一廉价模型
输出本就没几token"]
R -->|"真·硬推理
低频关键决策" --> D["旗舰/推理模型
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
```
---
## 四、一个端到端省钱案例：API 调用降 72%
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：
- 每次输入 4,000 token（合同片段），输出 2,500 token（结构化 + 解释）
- 月输出 token = 500,000 × 2,500 = 12.5 亿 → $0.015 × ... = **$18,750/月 仅输出**
- 月输入 ≈ $6,000
- **合计约 $24,750**
套用本篇五招：
1. **Prefill** `{` 开头，砍掉开头废话（省 ~30 token/次）
2. **只输出 JSON 字段值**，删除"解释"字段（输出 2,500 → 800）
3. **stop sequence** 截断尾部
4. **关掉 CoT**（本来抽取就不该思考）
5. **路由**到 GLM-4.6（输出价约为 Sonnet 1/10），关键页仍走 Sonnet 兜底
优化后每次输出降到 ~600 token，且走便宜模型：
- 输出成本：500,000 × 600 × ~$0.2/M ≈ **$60/月**（GLM 段）+ 少量 Sonnet 兜底
- 输入略升（缓存未命中），但绝对值小
- **合计降到约 $7,000/月，省 72%**，而抽取准确率因结构化约束反而更稳。
省下的 1.7 万刀/月，就是这个"输出端"认知差折现。
---
## 五、信息差总结：你以为的省钱 vs 别人知道的省钱
| 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。
---
## 六、行动指南：今天就能做的五件事
1. **打开你的 token 用量后台**，看 input/output 占比。如果输出占比 >60% 而你从没优化过输出——恭喜，找到了金矿。
2. **把所有"让模型重写"的调用改成 diff / patch 模式**，Aider、Cline 都支持，后端 API 自己加 prompt 约束即可。
3. **给所有 JSON 返回加 prefill + stop_sequences**，先把开头废话和结尾发挥全省了。
4. **审计链路里的 Chain-of-Thought**，生产高频路径一律改成"只输出结果"。
5. **改造你的路由器**：加一个"预期输出长度"字段，长输出任务直接走 GLM-4.6 / DeepSeek 这类输出价地板的模型，旗舰只留作短输出的硬推理兜底。
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。
---
## 参考来源
- Anthropic 官方定价与 Prompt Caching / Prefill 文档： 、
- OpenAI 各模型输入/输出价目（含推理模型 thinking 计费）：
- DeepSeek-V3 缓存命中价（输出 1/10 量级的地板价代表）：
- 智谱 GLM-4.6 开放平台价目：
- OpenAI 推理模型 reasoning token 计费说明（thinking 算 output）：
---
> 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。
