当缓存降价75%遇上GPT-5.6 Sol半价：开发者的API账，到底该怎么算？

调用方式变了，账单跟着翻倍

从单轮问答改成多轮工具调用之后，调用量其实没涨多少，月底账单却翻了快两倍。回头一查才发现——Agent反复读取之前的上下文，光是“重复读”就占了四成预算。模型没涨价，是调用方式变“重”了。

缓存价格腰斩，Agent场景直接受益

9月1日，Anthropic发布了Claude Fable 5.1。最值得关注的不是跑分，而是一条定价调整：缓存读取价格从每百万Token 1美元直接砍到0.25美元，降幅75%。官方测算，典型任务能省25%，重度Agent任务最高能省45%。缓存读取价在长上下文中占调用成本大头，这刀砍下去，对长链路Agent的影响比标价调整大得多。

72小时三连降，Token跌破1美元关口

但这只是过去72小时价格战的一个缩影。Anthropic砍缓存，Google推出Gemini 3.8 Flash（年底前$0.75/$3.75推广价），OpenRouter和Vercel对GPT-5.6 Sol限时半价，持续到9月18日。

硅基流动的Token支出指数在9月1日首次跌破1美元/百万，报0.97美元，不到5月高点的一半。

两条轨道正在分裂

可降价不是全部故事。行业正在分裂成两条轨道：一边是“走量”的大众层，单价压向成本线；另一边是“走质”的受限层，按议价而非标价收费。普通开发者属于前者。

国产模型：一边涨、一边降

国内同样是两幅面孔。DeepSeek启用峰谷计费，工作日9-12点、14-18点为高峰，高峰输出27元、低谷13.5元——把批量任务挪到夜间或周末，成本直接砍半。

而阿里Qwen3.8-Flash走的是另一条路，把价格压到输入1元、输出3元/百万，约等于DeepSeek的三分之一。智谱GLM-5.3-Flash也选择开源+低价的路线，在OpenRouter上的挂价只有Claude Opus 4.8的四十分之一。

省钱工具链终于成熟了

对开发者来说，真正的机会不是盯着一个模型等它降价，而是“省钱工具链”终于成熟了。模型分层、缓存批量、聚合平台——现在可以按任务类型配模型，而不是一把模型打天下。

接下来可以做四件事

第一，做用量审计。拉出过去一个月的调用，按任务类型、模型、上下文长度分类，找出“杀鸡用牛刀”的调用，通常这种调用能占到三到四成。

第二，上路由。简单任务走便宜模型，复杂推理才上旗舰。中文客服、内容摘要、分类这些任务，国产模型足够用，价格只有旗舰的几十分之一。

第三，把缓存当资产。Agent场景的重复上下文，用缓存能把成本压到极低。Fable 5.1的75%降价就是冲着这个场景来的，不开缓存等于白扔钱。

第四，留一条国产备份。DeepSeek、Qwen、GLM的中英文能力已经覆盖大量场景，价格是海外模型的几分之一，不是备胎，是主选项。在中美API链路不确定的背景下，多一条路就多一分安全。

管好这些调用

怎么管好这些调用——EasyAPI就是一个Key接入所有主流模型，统一记录调用和成本，按任务分配模型，切换只改配置不碰业务代码。模型越来越多、价格越来越碎，统一管理的工具比追着每一款新模型跑更实在。

结语：真正的账本在任务，不在单价

价格战打到现在，比“每百万Token多少钱”已经没有意义了。真正要算的账是：跑完一个真实任务，花多少钱、错多少步、重试几次。