2026 年下半年 AI API 成本分级参考：定价、缓存经济学与回退路由策略

2026 年下半年，用不到 1 美元就能跑完一百万 token 的推理。 DeepSeek V4.1 Flash 非高峰输入价低至 $0.15/1M。SiliconFlow 提供多个零成本模型。前沿端，GPT-6 Astra 和 Claude Fable 5.1 都标价 $10/$50 每百万 token，但缓存经济学可以把实际成本砍掉 75-90%。下面这张表把每个主流模型对应到它所属的成本层级，方便你按预算搭建回退链。

跨供应商比较 API 价格时，统一到美元每百万 token口径，并区分输入与输出。多数供应商的输出 token 价是输入的 2–5 倍，所以"补全长度大" 的负载与"检索为主"的负载在同样的标称单价下成本会差很多。

• 统一货币（USD）——发表日按汇率折算并标注。
• 区分输入/输出——永远不要给单一"混合价"。
• 每行引到供应商自己的价格页 + 抓取日期。
• 注明长上下文阶梯价——长上下文常常单独跳一档。

四个成本层级

2026 年 9 月在售的每一个 API 模型都可以落入四个定价区间之一。搞清楚一个模型落在哪个区间，是搭建成本敏感路由的第一步。

第一层——前沿（每百万输出 token $10-50）

这些模型代表当前最强能力。你为顶级推理、编码和多模态付出溢价。

复杂推理链、前沿级别代码生成，以及输出质量直接影响收入的任务都落在这个层级。这里最值得关注的是缓存。如果你的请求共享较长的 system prompt，Claude Fable 5.1 的 $0.25/1M 缓存读取价格会让实际成本远低于标牌价。

Source OpenAI API Pricing (retrieved 2026-09-15), Anthropic Pricing (retrieved 2026-09-15)

第二层——中端（每百万输出 token $2-8）

通用能力强、能承担大部分生产负载的模型，价格只有前沿层的几分之一。

生产流量的默认层级。Qwen3.8-Max 以 $2/$6 的价格在中文和多语言任务上交出接近前沿的质量。DeepSeek V4 Pro 在中端价位提供推理能力。

Source DashScope 模型定价 (retrieved 2026-09-15), DeepSeek API Pricing (retrieved 2026-09-15)

第三层——闪速（每百万输出 token $0.15-3.75）

为速度和成本优化。闪速模型处理高吞吐、低延迟的场景，在质量够用的前提下把单价压到最低。

自动补全、分类、摘要、数据提取，以及每天处理数百万 token 的场景。DeepSeek V4.1 Flash 非高峰价（$0.15/$0.60）是本层最便宜的有能力模型。Qwen3.8-Flash 以 $0.05/$0.40 的价格在简单任务上更划算。

Source DeepSeek V4.1 Flash Pricing (retrieved 2026-09-15), Google Gemini Pricing (retrieved 2026-09-15), DashScope Pricing (retrieved 2026-09-15)

第四层——免费/近免费

多个服务商在限速范围内提供零成本模型。适合原型开发、低流量生产和预算受限的场景。

开发、测试、演示和低流量内部工具。不要在免费层上构建生产系统，限速会在规模化时卡住你。

Source SiliconFlow Pricing (retrieved 2026-09-15)

缓存经济学：被忽视的成本杠杆

裸 token 单价只讲了一半故事。在生产环境中，提示词缓存决定了你的实际成本。如果你的应用每次请求都带同一段 system prompt（绝大多数应用都是这样），缓存经济学比标牌价更重要。

各服务商的缓存机制

OpenAI 对超过 1,024 token 的提示词自动缓存。缓存 token 的价格视模型不同降低 50-90%。GPT-6 Astra 缓存输入 $1.00/1M，相对标准 $10.00 打了 9 折。无需改动 API 调用。

Anthropic 提供显式缓存，需要在请求中设置 cache_control 断点。Claude Fable 5.1 缓存读取 $0.25/1M（75% 折扣）。缓存写入 $12.50/1M（一次性写入溢价）。默认 TTL 5 分钟，近期更新后可延长至 1 小时。只要你反复使用同一段前缀，写入成本很快被摊薄。

DashScope 的隐式缓存在 Qwen3.8-Max 和 Qwen3.8-Flash 上全自动运行。不需要改 API，不需要显式控制。平台自动检测共享前缀并按缓存价格计费。也提供显式缓存以支持更精细的控制。

DeepSeek 的自动缓存与 OpenAI 类似。V4.1 Flash 非高峰缓存命中低至 $0.003/1M，在所有服务商中最便宜。

不同缓存命中率下的实际成本

假设每天发送 1,000 万输入 token，system prompt 长度 8K。

在 95% 缓存命中率下（system prompt 稳定的应用很常见），Claude Fable 5.1 实际每天每 1,000 万输入 token 的成本是 $5.88，远低于标牌价给人的印象。但 DeepSeek V4.1 Flash 以 $0.11/天的成本仍然便宜了 50 倍。

批处理与异步定价：量大从优

如果你的场景能容忍延迟（最长 24 小时），批处理可以在大多数服务商处再砍掉 50% 的成本。

批处理适合评测跑分、数据标注、内容生成流水线，以及任何不需要实时流式返回的场景。

选择决策树

从你的任务出发。

1. 任务是否安全关键或直接影响收入？ 用第一层（GPT-6 Astra 或 Claude Fable 5.1）。前沿模型和闪速模型之间的差价，放在生产环境中一次错误输出的代价面前微不足道。

2. 是否为常规生产负载？ 从第二层开始。Qwen3.8-Max 以 $2/$6 的价格能应对大多数任务。如果需要西方服务商的可靠性保障，Claude Sonnet 5 以 $3/$15 是一个合理的默认选择。

3. 是否为大批量、低复杂度的场景？ 用第三层。DeepSeek V4.1 Flash 非高峰（$0.15/$0.60）省到极致。Gemini 3.8 Flash（$0.75/$3.75）适合偏好 Google 基础设施可靠性的团队。

4. 是否处于开发或原型阶段？ 用第四层。SiliconFlow 免费模型或 Gemini 免费额度。

5. 延迟不重要？ 在任何层级上叠加批处理，再省 50%。

TheRouter 路由配置：跨层级回退链

TheRouter 将 OpenAI 兼容请求路由到已配置的服务商，支持服务商/模型级别的路由与回退。下面是一个从低价向高价逐级升级的实用配置。

from openai import OpenAI

client = OpenAI(
    base_url="https://api.therouter.ai/v1",
    api_key="your-therouter-key"
)

# 先走闪速层，回退到中端层，再到前沿层
response = client.chat.completions.create(
    model="deepseek/deepseek-v4.1-flash",  # 第三层：$0.15/$0.60
    messages=[{"role": "user", "content": "总结这份文档..."}],
    extra_body={
        "fallback_models": [
            "dashscope/qwen3.8-max",          # 第二层：$2/$6
            "anthropic/claude-fable-5.1"       # 第一层：$10/$50
        ]
    }
)

这条配置优先尝试最便宜的模型。如果 DeepSeek V4.1 Flash 不可用或触发限速，自动回退到 Qwen3.8-Max，再到 Claude Fable 5.1。你在每次请求上都拿到最便宜的可用模型，不需要改动应用代码。

按任务类型分流的进阶配置。

# 大批量分类——只走闪速层
classify_response = client.chat.completions.create(
    model="dashscope/qwen3.8-flash",  # $0.05/$0.40
    messages=[{"role": "user", "content": "分类：..."}],
    extra_body={
        "fallback_models": ["deepseek/deepseek-v4.1-flash"]
    }
)

# 复杂推理——中端为主，前沿回退
reason_response = client.chat.completions.create(
    model="dashscope/qwen3.8-max",  # $2/$6
    messages=[{"role": "user", "content": "分析：..."}],
    extra_body={
        "fallback_models": ["anthropic/claude-fable-5.1"]
    }
)

完整配置选项参见模型回退指南和快速开始。

月度成本估算

把层级差异换算成具体数字。下表是每天 1M、10M、100M 输入 token 在各层级的月度成本（仅输入 token，不含缓存，标准价）。

每天处理 1 亿 token 时，第一层和第三层之间差 $29,550/月。这就是一个路由层能帮你省下的钱。

OpenAI 兼容指供应商提供一个 chat-completions 接口，其请求与响应结构与 OpenAI API 契约足够接近——只需替换三个值（API key、base URL、模型名），原来的 OpenAI SDK 调用即可直接工作。最小实践面是POST /v1/chat/completions 带 messages、model， 并返回 OpenAI 形式的流式响应。

常见问题

哪个服务商的缓存经济学最好？

DeepSeek 的绝对缓存读取价格最低（V4.1 Flash 非高峰 $0.003/1M）。Claude Fable 5.1 的百分比折扣最大（75%）。对大多数场景来说，答案取决于你选的基础模型。缓存折扣只有在未缓存模型满足质量要求时才有意义。

不在中国的团队应该用中国服务商吗？

DashScope（阿里云百炼）提供国际端点，支持美元计费。DeepSeek 的 API 全球可访问。两者都兼容 OpenAI 协议，切换只需要改 base URL 和 API key。主要权衡是延迟，从北美或欧洲请求中国基础设施会增加 100-200ms 往返时间。具体接入方式参见我们的 DashScope 指南和 DeepSeek 指南。

怎么处理 DeepSeek 的高峰/非高峰定价？

DeepSeek 在工作日高峰时段（北京时间）价格翻倍。如果你的场景时间灵活，把批量任务安排在非高峰窗口。TheRouter 的回退路由也能在 DeepSeek 高峰时段自动把流量切换到其他服务商，维持成本目标。更多模式参见我们的成本优化策略指南。

SiliconFlow 免费层能用于生产吗？

SiliconFlow 免费模型受 RPM 和 TPM 限制，按账户等级设定上限。适合原型开发、内部工具和低流量应用。对需要稳定吞吐的生产场景，建议升级到 SiliconFlow 付费计划或使用 DeepSeek V4.1 Flash 作为预算替代。限速细节参见我们的 SiliconFlow 指南。

TheRouter 怎么帮助优化成本？

TheRouter 将 OpenAI 兼容请求路由到已配置的服务商，支持服务商/模型级别的路由与回退。你定义一条回退链，优先尝试低价模型。如果某个服务商宕机或触发限速，流量自动切换到下一个服务商。结果是你始终拿到最便宜的可用模型，不需要人工干预。入门配置参见快速开始。

为什么输出 token 总是比输入贵？

所有服务商的输出 token 价格都是输入的 2-5 倍，因为生成计算量远大于提示词处理。这让输出密集型场景（长文生成、代码编写）在前沿模型上的花费不成比例地高。对这类场景，优先考虑闪速层模型，只有在质量确实不够时再升级到前沿。

---

定价数据检索于 2026 年 9 月 15 日。价格经常变化，做购买决定前请核对官方定价页面。所有价格以美元每百万 token 计，除非另有说明。DashScope/DeepSeek 人民币价格按近似市场汇率折算。