新模型刚上线，单价未必更贵，账单却常常先涨起来。原因很现实：团队会把它拿去跑更长上下文、更复杂推理、更多工具调用，试错量也会变大。OpenAI 的 GPT-5.6 Sol 公开价格是每百万输入 token 4 美元、输出 20 美元，超过 272K 输入 token 还会按更高档计费；Anthropic 的 Claude Fable 5.1 是 10/50 美元，Thinking 默认开启；Google 的 Gemini 3.8 Flash 目前还是 0.75/3 美元的阶段价，但它会为了更难的任务主动拆步、调用工具、反复校验。单看标价，很难看出真实成本。

真正把账单推高的，往往是几件小事叠在一起：上下文越塞越大，缓存命中率下降，重试次数上升，输出上限放得过宽，工具循环又把 token 继续吃掉。新版本模型一换，旧的缓存策略、prompt 模板、函数调用参数都可能失配。对企业来说，这些变化比“单价涨了多少”更伤。

企业怎么降成本

降本不是一味找便宜模型，而是把任务分层。轻任务交给 Flash、Flash Lite、DeepSeek、Qwen、Kimi 这类高吞吐模型；代码审查、Agent 编排、长链路推理，再切到 GPT-5.6、Claude Opus 5 或 Claude Fable 5.1。把“全量最强”改成“按场景路由”，账单通常会明显收敛。现在的 DeepSeek API 兼容 OpenAI 和 Anthropic 格式，1M 上下文、缓存默认开启；Kimi API 也兼容 OpenAI/Anthropic，Kimi K3 支持 1M token，上下文缓存页直接写明，固定长上下文场景最高可降本 90%；GLM-5.3 是 1M 上下文、128K 输出，且思考默认开启；MiniMax-M3 也是 1M 上下文，面向 Agent、代码和长文档任务。

海外模型和国内模型的差别，已经不只是语言风格。海外模型更适合英文写作、复杂推理和成熟开发生态；国内模型在中文语义、支付、地域部署、企业合规上更顺手。阿里云百炼的 Qwen 模型价格页 已经把全球、美国、欧盟、日本等地域拆成不同计费层，这类差异对跨境团队尤其现实。选型时别只看能力榜，也要看地域、账单口径和接口兼容性。

接口稳定性也别只看宣传页。Anthropic 的 rate limits 会把 Fable 5.x、Opus 5、Sonnet 5 分开；DeepSeek、Kimi、GLM、百炼也都把模型版本、地域、套餐拆得很细。生产环境要把限流、超时、数据保留、版本锁定、降级策略一起设计好。429 不能靠无限重试，长文档不要一把塞满，固定知识库优先缓存，真的需要检索的内容再走 RAG。该省的 token 省掉，该贵的请求留给高能力模型。

如果团队已经同时用 OpenAI API、Claude API、Gemini API、Qwen API、DeepSeek API、Kimi API、GLM API、MiniMax，最省事的办法是把统一鉴权、用量监控、模型切换和失败兜底收进一层。像 Code0 这样的 AI API 聚合平台，适合把多模型接入、账单控制和接口排查放到同一个入口里，研发不用为每家厂商重复适配。

新模型出来后，最该升级的不是“追新”的冲动，是企业自己的路由和预算体系。能切模型，能看账单，能降级，才算真正把大模型 API 用稳了。