报价表速览与三大梯队
T0 旗舰 / T1 主力 / T2 走量怎么分工；光知道哪个贵不够，要盯住价格跳变的边界线
本页解决的问题
先给结论「报价表速览与三大梯队」要解决的关键问题是什么？
T0 旗舰 / T1 主力 / T2 走量怎么分工；光知道哪个贵不够，要盯住价格跳变的边界线
把成本看成形状，不是一个数字。 把一次请求拆成输入、输出、重试、工具和等待时间。使用量的形状，通常能告诉你是哪项设计选择最贵、哪里值得先改。
优化想象中的平均值之前，先测一次真实请求。
调用便宜了，却悄悄增加了重试、延迟或人工复核。
下面是作者团队当时主要使用的模型定价（已折算折扣后，单位：元 / 百万 Token）。三列分别是非缓存输入、缓存输入、输出——注意缓存价普遍只有标准价的两成甚至更低，这个巨大的差价就是第 11 节 KV Cache 的伏笔。
| 模型 | 档位 | 输入（非缓存） | 输入（缓存） | 输出 |
|---|---|---|---|---|
| GLM-4.6 (355B A32) | Input ≤32k · Output ≤200 | 1 | 0.2 | 4 |
| Input ≤32k · Output >200 | 1.5 | 0.3 | 7 | |
| Input 32k–200k | 2 | 0.4 | 8 | |
| Qwen3-Max | Input 0–32k | 1.6 | 0.32 | 6.4 |
| Input 32k–128k | 3.2 | 0.64 | 12.8 | |
| Input 128k–252k | 4.8 | 0.96 | 19.2 | |
| Qwen-Plus (235B A30) | 0–128k · 非思考 | 0.4 | 0.08 | 1 |
| 0–128k · 思考模式 | 0.4 | 0.08 | 4 | |
| Qwen-Flash | Input 0–128k | 0.075 | 0.015 | 0.75 |
| Input 128k–256k | 0.3 | 0.06 | 3 | |
| GLM-4.5V / 4.5-Air | Input 0–32k | 1 | 0 | 3 |
| Input 32k–64k | 2 | 0 | 6 |
红色数字是「跳档后」的价格。同一个模型内部，价格能差 2–3 倍——这些边界线是第 4、5、6 节的主角。
Qwen3-Max、GLM-4.6（长输出档）
输出昂贵，能力天花板。留给复杂推理、代码生成、多模型仲裁这类「答错了损失更大」的任务。
Qwen-Plus、GLM-4.5-Air
性价比均衡。日常对话、RAG 问答、摘要归纳的主力，大部分请求应该落在这一层。
Qwen-Flash
近乎免费（缓存输入 0.015 元/M）。数据清洗、意图分类、高频监控随便跑，也是给大模型「打下手」的最佳人选。
五个真实业务场景，选一个你认为最合适的梯队。原则：能用便宜的绝不用贵的，但答错代价大的别省。
先分梯队再选型：T0 管难题、T1 管日常、T2 管走量。大部分成本事故是「用 T0 干 T2 的活」。
缓存价是标准价的 1/5 甚至更低。能不能吃到这个折扣，取决于你的架构设计（见第 11 节）。
同一模型内部价格能差 2–3 倍。跳档边界线（输出 200、输入 32k）比模型选型本身更值得盯。
内容来源：整理自作者团队内部分享《AI Token 降本增效策略分享》。表中为作者当时的折后协议价，各家牌价与折扣随时在变，选型前请核对 DeepSeek 定价、阿里云百炼与智谱开放平台的实时报价。
「报价表全景」的完整成本怎么算
「下面是作者团队当时主要使用的模型定价（ 已折算折扣后 ，单位：元 / 百万 Token）。三列分别是非缓存输入、缓存输入、输出——注意缓存价普遍只有标准价的两成甚至更低，这个巨大的差价就是第 11 节 KV Cache 的伏笔」提醒我们，AI 成本不是单价乘一次调用这么简单。输入、输出、重试、工具调用、等待时间和人工收尾，会共同决定一次任务到底贵不贵。
先找出账单里不断重复的部分
「红色数字是「跳档后」的价格。同一个模型内部，价格能差 2–3 倍——这些边界线是第 4、5、6 节的主角」对应的关键变量通常是上下文是否每轮重复发送、输出是否过长、失败是否触发重试，以及每次调用是否真的带来有用结果。减少无效 Token 往往同时降低费用、延迟和并发压力。
便宜的单次调用可能换来更贵的全流程
以「同一模型内部价格能差 2–3 倍。」为起点做一张小表：输入、输出、重试、工具和人工复核分别花了什么，再比较优化前后的质量，避免只看某一项价格。
从「报价表全景」走到「三大梯队」
「报价表全景」先把问题落在「下面是作者团队当时主要使用的模型定价（ 已折算折扣后 ，单位：元 / 百万 Token）。三列分别是非缓存输入、缓存输入、输出——注意缓存价普遍只有标准价的两成甚至更低，这个巨大的差价就是第 11 节 KV Cache 的伏笔」上；到了「三大梯队」，讨论继续推进到「输出昂贵，能力天花板。 留给复杂推理、代码生成、多模型仲裁这类「答错了损失更大」的任务」。两段连起来，重点就不只是记住一个结论，而是看清它成立所依赖的条件。
把这条判断带到下一个场景
分析成本时，先画出完整交互，再找每轮重复的输入、无效输出和失败重试；单次调用便宜，并不代表整个任务便宜。
- 「报价表全景」：下面是作者团队当时主要使用的模型定价（ 已折算折扣后 ，单位：元 / 百万 Token）。三列分别是非缓存输入、缓存输入、输出——注意缓存价普遍只有标准价的两成甚至更低，这个巨大的差价就是第 11 节 KV Cache 的伏笔
- 「三大梯队」：输出昂贵，能力天花板。 留给复杂推理、代码生成、多模型仲裁这类「答错了损失更大」的任务
- 「最后的要点」：缓存价是标准价的 1/5 甚至更低。 能不能吃到这个折扣，取决于你的架构设计（见第 11 节）
最后的「最后的要点」把讨论落到「缓存价是标准价的 1/5 甚至更低。 能不能吃到这个折扣，取决于你的架构设计（见第 11 节）」。回看这条线索时，最值得保留的是：当输入、规模或风险改变，哪些判断需要重新做一遍。
我把这篇文章里的一个判断改写成了今天可以验证的小实验。比记住结论更有用的是，知道下一步要观察什么。
读完以后我先回头找它成立的条件，而不是直接把方法搬进项目。这个顺序让后面的取舍清楚很多。
如果把这个判断放到真实工作里，最先需要补的约束是什么？我想知道从阅读到第一次实践之间，哪一步最值得先做。
还没有这篇文章的讨论。