API别付原价：官方Batch五折通道

导语：如果你在用 Claude、GPT 或 Gemini 的 API 做批量任务——评测、分类、数据清洗、内容生成——你很可能一直在付双倍价格。海外三大厂商都内置了一条“官方五折通道”：Batch API。任务不要求秒级响应？提交批量任务，价格直接打五折，还有独立的高并发额度。这篇文章把三家通道的规则、实操步骤、省钱账本一次讲透，最后再对比国产 DeepSeek，帮你算清楚到底该走哪条路。这是官方明文标注的折扣，不是灰色优惠码，90% 的 API 用户却从没打开过这个页面。

一、Batch 通道的本质：用时间换钱，折扣是官方定价

三家厂商的逻辑完全一致：你的任务不需要实时返回 → 厂商把你的请求塞进算力空闲时段异步处理 → 作为交换，所有 token 按标准 API 价格的 50% 计费。

这不是促销活动，而是写进官方文档的长期定价。我逐一抓取了三家的官方文档确认（截至 2026-08-28）：

最容易被忽略的是限速池那一行：OpenAI 官方明确写着 Batch API 使用独立限速池，不消耗你标准的 per-model 额度。对被 TPM/RPM 卡脖子的重度用户来说，这本身就是值钱的功能，更别说还半价。

flowchart TD
    A["有一批 AI 任务要跑"] --> B{"用户需要秒级响应吗？"}
    B -- "是" --> C["走实时 API<br/>用 Prompt Caching 压输入成本"]
    B -- "否" --> D{"单批数据量多大？"}
    D -- "小于20MB" --> E["Gemini inline 提交<br/>或 OpenAI JSONL 文件"]
    D -- "大文件" --> F["Gemini File API 最大2GB<br/>Anthropic 单批10万条/256MB"]
    E --> G["创建 Batch 任务<br/>每条请求带唯一 custom_id"]
    F --> G
    G --> H{"24小时内完成？"}
    H -- "是" --> I["下载 JSONL 结果<br/>按 custom_id 回对每条请求"]
    H -- "否/部分过期" --> J["未执行的请求不计费<br/>拆成小批次重新提交"]
    I --> K["账单 = 标准价 × 50%<br/>Anthropic 还可与缓存折扣叠加"]
    C --> L["输出成本无折扣<br/>控制 max_tokens"]

二、Anthropic 实操：五折之上还能再叠缓存

Anthropic 的 Message Batches API 是三家里细节最丰富的。官方文档确认的关键规则：

• 计费：所有用量按标准价 50% 收取。以 Claude Sonnet 4 为例，标准价输入 $3/MTok、输出 $15/MTok，Batch 价直接降到 $1.50 / $7.50 每百万 token（官方定价表原文）。
• 速度：官方原话是 "most batches completing within 1 hour"——多数批次一小时内完成，不是想象中等一整天。
• 四种结果状态：succeeded（计费）、errored、canceled、expired（后三种都不计费）。任务失败不扣钱，这是很多人不敢用的心理障碍，官方明确免单。
• 万金油：凡 Messages API 能做的，批量里都能做——视觉、tool use、多轮对话、system 消息，一个批次里还能混着来。

隐藏杀招：与 Prompt Caching 叠加。 官方文档明确写了 "The pricing discounts from prompt caching and Message Batches can stack"。缓存读取本身就是标准输入价的 10%（Sonnet 4 为 $0.30/MTok），叠加 Batch 五折后，命中缓存的输入 token 理论上低至标准价的 5%。官方给出的实际命中率区间是 30%–98%（取决于流量模式），技巧是把相同的 system 提示 + few-shot 示例打上 cache_control，并在每个批次请求里保持完全一致。

三步上手：

1. 把请求写成列表，每条带唯一 custom_id 和标准 params，整体 POST 给 batches 端点；
2. 轮询批次的 processing_status，从 in_progress 等到 ended；
3. 从 results_url 下载 JSONL 结果，按 custom_id 对号入座（结果顺序不保证与提交一致，官方最佳实践第一条就是别依赖顺序）。

注意两个坑：批次结果只保留 29 天（从创建时间算）；超过 24h 未处理完的请求标记 expired，不收费但需要重提。

三、OpenAI 实操：embedding 也半价，RAG 选手狂喜

OpenAI 的 Batch API 支持 5 个端点：/v1/responses、/v1/chat/completions、/v1/embeddings、/v1/completions、/v1/moderations。

重点说 /v1/embeddings—— embedding 半价这件事对 RAG 工程师是真金白银：知识库向量化往往是一次性处理几十万条文档，这个场景天然不需要实时响应，半价等于白捡。

操作流程（官方文档原文步骤）：

1. 写一个 .jsonl 文件，每行一个请求，带 custom_id 和 body（一个文件只能放一个模型的请求）；
2. 用 Files API 上传，purpose="batch"；
3. 调 batches.create，completion_window 目前只支持 "24h"；
4. 轮询状态（validating → in_progress → finalizing → completed），完成后用 output_file_id 下载结果；
5. 失败的请求会写进 error_file_id 对应的错误文件，方便补跑。

额度也是宽裕级别：单批 5 万条、单文件 200MB、每小时可创建 2000 个批次，且输出 token 当前不限速。多模态批处理时官方建议用 image_url 引用远程图片而不是塞 base64，避免撞 200MB 上限。

四、Gemini 实操：2GB 巨型批次 + 独特的缓存规则

Gemini Batch Mode 的折扣同样是标准价 50%，目标 24h 完成，但有两个差异点：

• 体量天花板最高：小批量可以直接 inline 提交（20MB 以内），大批量走 File API 上传 JSONL，单文件最大 2GB——三家里最大，适合整库文档处理。
• 过期规则不同：任务 running 或 pending 超过 48 小时会进入 JOB_STATE_EXPIRED，此时整个任务没有结果可取，只能拆小重提。所以 Gemini 用户更要主动把大批次拆小。
• 缓存规则特殊：批量请求里如果命中 Context Caching，缓存 token 按非批量的缓存价计（即缓存折扣与批量折扣在 Gemini 上不重复叠加），这点和 Anthropic 的“可叠加”不同，做成本模型时别搞混。

结构化输出（response_schema）、system 指令、Google Search 工具都可以在每个批量请求里单独配置，灵活度不小。

五、省钱账本：一个真实规模的计算

假设你要给 10 万条客服评论做分类（情感 + 类目标签），平均每条 1000 输入 token、200 输出 token。总量：1 亿输入 token + 2000 万输出 token。

用 Claude Sonnet 4：

直接省 $300/月，一年 $3600。如果共享的系统提示 + 标签示例能占到输入的 40% 且稳定命中缓存（按官方说的 30%–98% 命中区间的中位估算），输入成本还能再砍一大截——叠加后总成本逼近原价的 2–3 折。

换 Gemini 2.5 Flash 或 DeepSeek 会更便宜吗？ 单纯比单价，看下一节。

六、DeepSeek 视角：国产底价 VS 海外折扣，怎么选？

我抓取了 DeepSeek 当前官方定价页（2026-08 版，V4 系列已上线）：

两个值得注意的点：

1. 定价逻辑变了：此前官方主推的 UTC 时段“错峰半价”活动，在当前定价页已经不再展示（以官方页面为准），取而代之的是极低的缓存命中价——flash 模型缓存命中输入低至 ¥0.02/百万 token，相当于未命中价的 2%。
2. 上下文 1M、flash 并发 2500，且官方提供 Anthropic 格式 base URL（https://api.deepseek.com/anthropic），Claude Code 等工具可以直接切后端，改个环境变量就能用。

理性结论：纯论批量任务的单位成本，DeepSeek flash（¥1/¥2 每百万 token，约 $0.14/$0.28）仍然比“五折后的 Sonnet 4”（$1.50/$7.50）便宜约 10 倍。但 Batch 通道的价值不只在单价——当任务本身需要 Claude/GPT 级别的能力和指令遵循时（复杂评测、高风险内容审核、Agent 轨迹回放），五折通道让你用半价买到原本舍不得用的旗舰模型。工具选型先看能力下限，再用折扣通道压成本，顺序别反。

七、什么场景不该用 Batch

• 交互式产品：聊天、补全、搜索问答，用户等不了 24 小时。
• 需要链式决策的 Agent 运行时：下一步依赖上一步的输出，天然串行实时。
• 超小任务：几百条请求、几美元的量，为了五折写提交/轮询/对账代码不划算，直接实时跑。
• 强时效数据：舆情监控、实时风控，结果到手时已经贬值。

信息差总结

行动指南

1. 今天就做：翻一下你最近的 API 账单，找出所有“不需要实时”的调用（离线评测、数据标注、日志摘要、向量化）。
2. 本周内：挑一个最小场景（比如 1000 条文本分类）用 Batch API 跑通一次，验证结果质量与实时 API 无差异（官方确认缓存不影响输出内容）。
3. 本周内：Anthropic 用户给批处理加上 cache_control 共享前缀；OpenAI 用户把历史知识库用半价 embedding 重新向量化一遍。
4. 本月内：在成本看板里拆分“实时/Batch”两条曲线，把实时占比作为下一阶段的优化指标。
5. 持续：每季度核对一次三家定价页，折扣规则和模型支持列表一直在变（DeepSeek 刚完成 V4 换代就是例子）。

参考来源

1. Anthropic 官方文档 · Batch processing：https://docs.anthropic.com/en/docs/build-with-claude/batch-processing
2. OpenAI 官方文档 · Batch API：https://platform.openai.com/docs/guides/batch
3. Google AI 官方文档 · Gemini API Batch Mode：https://ai.google.dev/gemini-api/docs/batch-mode
4. Anthropic 官方文档 · Prompt caching（缓存定价与叠加规则）：https://docs.anthropic.com/en/docs/build-with-claude/prompt-caching
5. DeepSeek 官方定价页（V4 系列，2026-08 版）：https://api-docs.deepseek.com/zh-cn/quick_start/pricing

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。