缓存价砍了 75%，大模型“降价“开始做结构

昨晚十一点半，我看到 Anthropic 发布新旗舰 Claude Fable 5.1 的公告：智能指数 66 分直接登顶，自家八项基准测试全榜第一。公告里还强调，新旗舰比上一代便宜 25%，智能体类任务最多能省 45%。性能白嫖一档，这种好事谁忍得住？我顺手就把手头一个长文档 Agent 的主力模型切了过去。
跑完一轮真实任务，打开用量明细，人有点傻：同样的活，花的钱比 Fable 5 还多了两成。
不是公告骗人，是"降价"这两个字的算法变了。

一、标价没动，动的是缓存价

先看数字。Fable 5.1 的输入输出标价和上一代完全一样：10 美元 / 50 美元每百万 Token。所谓便宜 25%，几乎全来自一个不起眼的条目——缓存读取价格从每百万 1 美元砍到 0.25 美元，降幅 75%。
这等于把话挑明了：厂商的降价，押注在你的缓存命中率上。系统提示词、工具定义、反复引用的长文档，能被缓存住的部分越多，你越便宜；每次都现算现卖，那 25% 跟你没关系。
但更值得琢磨的是另一个数。Artificial Analysis 的实测结论是，Fable 5.1 的单任务实际成本反而比 Fable 5 高约 20%，根源在于新模型"更能想"，平均每个任务多烧了 1.7 倍的输出 Token——而输出价格是输入的 5 倍，输出一膨胀，缓存省下的钱全被吃回去了。

能力强了，话也多了，账单随之起舞。官方口径的"省 25%"和实测的"贵 20%"其实并不矛盾：同样的用量结构，它确实更便宜；只是真实任务下，模型把用量结构悄悄改了。

二、全行业都在把降价做成"精细活"

把视角拉远，这一轮降价潮的画风已经变了。央视财经援引咨询机构"企业DNA"的报告说，美国前沿模型的降价速度快得不寻常——半年多前还在搞高端溢价，如今更像是普通大宗商品的基建竞赛。
各家出的牌也各不相同。OpenAI 一边把某款模型的输出价下调 20% 以上、压到 20 美元，一边让旗舰 GPT-5.6 Sol 守着 8/30 美元的高位不动；Google 的 Gemini 3.8 Flash 在 9 月 2 日以 0.75/3.75 美元的低价档上线，延续上个月 Gemini 3.7 Flash 把 Flash 系列定价砍半的打法，还明说 2027 年 1 月 1 日起价格翻倍——把"便宜"做成了限时预期管理；Anthropic 自己 8 月还取消了原定的涨价计划。国产这边同样没闲着，Kimi K3 带着 2.8T 参数、3/15 美元的定价登场，智能指数已经摸到 60 分这条前沿线，GLM-5.3-Flash 的首发半价则要撑到 9 月 9 日。

发现没有？没有一家还在做统一定价这种粗活。峰谷价、缓存价、首发价、档位价，模型厂商开始像电网一样精算你的用量结构。单价这张表越来越没参考价值——同一个任务，缓存命不命中、跑在哪个时段、开哪个推理档位，成本能差出好几倍。Anthropic 内部工程师分享过一个例子：低推理档位的 Fable 5.1，性能约等于 Fable 5 高配，成本却只要三分之一。

三、省钱的新功课：把每次调用的"结构"看清楚

对开发者来说，这意味着成本管理从"选哪个模型"变成了"怎么调这个模型"：缓存命中率能不能做上去，输出放大能不能按住，简单任务是不是该开低档位、复杂任务才舍得用旗舰。这些变量肉眼看不见，账单上也不会写。
我的做法是接一个能摊开明细的聚合层。我现在用EasyAPI这类的网关，后台能看到每次调用的模型、缓存命中情况和实际扣费，模型切换、调度、降级都统一在一层处理。换上去之后我做的第一件事，是拉一张按"模型 × 缓存命中 × 时段"分组的成本表——哪些钱花得值、哪些在重复烧，一目了然。这种能力自己搭不现实，但只盯官方标价更不现实。

模型厂商把降价做成了精细活，开发者想接住这份"便宜"，也只能做精细活。标价时代的省钱逻辑是货比三家；结构时代的省钱逻辑，是看清每一次调用的真实结构——我身边不少人把 EasyAPI 这类网关当账单仪表盘用，盯的就是这个。价格战还会继续，但先把结构看清的人，才接得住下一轮降价。