算一下你的 AI 客服每月到底花了多少，换小模型能省多少。纯本地计算，数据不上传。
800 字大约是 500 个 token（中文约 1.6 字 / token）
同样的问题重复问，命中缓存的部分便宜 90% 以上
价格按 2026 年 10 月公开价目表（美元 / 百万 token，按 7.1 折算人民币），仅作量级参考，实际以你账单为准。
输出的成本只含 token 费用，不含服务器、人工、接入调试。
按 2026 年 10 月公开价目表测算，每月 5 万次对话、每次约 800 字、缓存命中 60% 的情况下，token 成本分别是：小模型档约 ¥123/月，中档约 ¥1,051/月，旗舰档约 ¥3,071/月。同样的业务量，档位选错，一年差 3.5 万元；而这三档在「查知识库、复述答案」这类任务上的结果差异，通常远小于这个价差。
折算到每次对话：小模型档约 ¥0.0025，中档约 ¥0.021，旗舰档约 ¥0.061。
| 模型档位 | 输入价（$/百万 token） | 输出价（$/百万 token） | 月成本 | 每次对话 | 典型适用 |
|---|---|---|---|---|---|
| 小模型档（Luna / Haiku 级） | 0.2 | 1.2 | ¥123 | ¥0.0025 | 知识库答疑、标准问答、转人工前分流 |
| 中档（Terra / Sonnet 级） | 2 | 10 | ¥1,051 | ¥0.021 | 多轮追问、话术生成、简单判断 |
| 旗舰档（Sol / Opus 级） | 5 | 30 | ¥3,071 | ¥0.061 | 跨文档比对、复杂工单归因、长文档理解 |
| 月对话量 | 小模型档 | 中档 | 旗舰档 |
|---|---|---|---|
| 1 万次 | ¥25 | ¥210 | ¥614 |
| 5 万次 | ¥123 | ¥1,051 | ¥3,071 |
| 20 万次 | ¥491 | ¥4,203 | ¥12,283 |
成本与对话量成正比，档位单价差不随规模摊薄，只会被放大：20 万次/月用旗舰档，一年 token 成本约 14.7 万元，换成小模型档约 5,900 元。
一次对话大约是 500 输入 token 加 250 输出 token，输出条数只有输入的一半；但三档模型的输出单价都是输入单价的 6 倍（0.2→1.2、2→10、5→30）。再叠加 60% 缓存把有效输入价压到 0.46 倍，结果就是 输出吃掉 84%–87% 的成本（实测拆分：小模型档 87%、中档 84%、旗舰档 87%）。
所以压成本的正确顺序是：先压回答长度（例如限定「三句话内、先给结论」），再考虑模型档位，最后才是输入侧的缓存优化。反过来做，投入产出比最差。
取决于模型档位。按每次 800 字、缓存命中 60% 测算：小模型档约 ¥123/月，中档约 ¥1,051/月，旗舰档约 ¥3,071/月，最高与最低相差 25 倍，折合每次对话 ¥0.0025 至 ¥0.061。这个数字只含 token 费用，不含服务器、人工与接入调试。
因为输出单价是输入单价的 6 倍，而输出量只比输入少一半。以中档为例：每次输入成本约 ¥0.0028、输出约 ¥0.0178，输出占 84%。压缩成本的杠杆在「回答多长」，不在「输入怎么喂」。
分任务看。从知识库检索到答案后组织成句子，三档差异很小；多步推理、跨文档比对、工单归因差异明显。判据是错答代价：两档每次只差 ¥0.0585，但 5 万次/月就是 ¥2,948。先拿 100 条真实问题做对照测试，用错答率数据决定，不要按「模型越大越准」直接选。
只涨 16%–18%：小模型档 ¥123 → ¥142，中档 ¥1,051 → ¥1,243。因为缓存只作用在输入侧，而输入只占总成本的 13%–16%，所以缓存该做，但指望它救账单不现实。
线性上涨。5 万次到 20 万次：小模型档 ¥123 → ¥491，中档 ¥1,051 → ¥4,203，旗舰档 ¥3,071 → ¥12,283。量越大，选错档位的绝对损失越大。
算进：输入 token（含缓存命中）、输出 token、三档模型单价、汇率折算。没算：服务器与带宽、人工运营、接入与调试、语音识别与合成、向量库检索与嵌入。做预算时应把这些单项单独列出，不要用 token 成本当总成本。