90%的人用 AI 都没搞清楚的 Token 账单，这篇讲清楚

向AI弃权最近持续在跟一条线：
很多人已经不再停留在“AI 好不好玩”“提示词怎么写更神”这个阶段了，而是开始进入真正的工作流阶段。

一旦进入工作流阶段，问题就会立刻变得很现实：

• 为什么同样是用 AI，有的人花得很稳，有的人一聊就肉疼？
• 为什么同样是一个模型，换个平台，价格感受差这么多？
• 为什么有人开始研究缓存命中、usage、provider、local model，而不是只盯着模型排行榜？

这篇文章想系统讲清楚 6 件事：

1. token（词元） 到底是什么
2. 为什么你上传文件、长提示词、历史对话都会一起计费
3. 缓存命中 为什么会直接影响账单
4. 官方文档里的 1.25x / 2x / 0.1x 到底是什么意思
5. 中转站到底是不是真的便宜
6. 为什么到了 2026 年，认真使用 AI 的人开始重新看本地部署

---

一、Token（词元）到底是什么：你到底在为什么付钱？

很多人不是不知道 AI 按量计费。
大家真正糊涂的地方是：

• 知道“每百万 token 多少钱”
• 但不知道中文 token 大概怎么换算
• 更不知道自己上传文件、截图 OCR、长提示词、历史对话、系统上下文，这些东西都有可能一起算进去

token 的官方中文常见译法叫 词元。
先别急着背术语，先记一个更有用的白话：

token 就是模型内部拿来计费的最小颗粒。

它不是“一个字”，也不是“一个词”，而是模型把你输入和输出切碎以后，用来计数的那种小块。

如果只是想建立一个够用的成本直觉，可以先这么估：

• 中文里，先粗暴按 1 个汉字≈1 个 token
• 英文里，短词常常就是 1 个 token，长词会被拆开；很多时候大概 4 到 5 个英文字符≈1 个 token

所以：

• 1M token 对中文来说，大概是 70 万到 100 万汉字
• 对英文来说，大概是 50 万到 75 万单词

这不是 tokenizer 级别的精确换算，但对估账已经很够用了。
因为普通人最缺的，不是更精确的切分器，而是先知道“这东西到底有多大”。

很多人为什么会算成糊涂账？

因为你以为自己只问了一句话，模型实际上看到的是一整包上下文。

比如你表面上只发了一句：

帮我从这份合同里挑 3 个最危险的点。

但模型真正收到的，可能包括：

• 20 页合同全文
• 上一轮让它做的分类标准
• 这一轮的新问题
• 平台默认挂上的系统指令

最后计费的，不是这十几个字，而是这一整包东西。

这也是为什么很多人账单贵，不是因为“问得太多”，而是因为：

• 每次都让模型重读同一批资料
• 长提示词写得越来越长
• 历史对话带得越来越多
• 输出也越来越长

还要再补一个常识：

很多模型“说话”比“听话”贵得多。

也就是说，让模型读懂一批材料，和让模型生成一大段长回答，很多时候不是同一个价格级别。

如果你只记一句话，我希望是这句：

AI 不是只按“结果”收费，它是在按“你喂进去多少、它吐出来多少、有没有重复读同样的东西”收费。

二、缓存命中是什么：为什么第二轮通常应该更便宜？

缓存命中，是 2026 年普通人最该补的一点 AI 账单常识。

你可以把它想成这样：

• 第一次，你把一份很长的资料扔给 AI，它要老老实实读一遍
• 第二次，你还是围绕这份资料继续追问，理论上它就不该再从头重读一遍

如果平台或 API 支持缓存，模型就会把前面那批上下文“记一小会儿”。
后面你继续追问时，它不是重新通读，而是直接利用前面已经处理过的内容。

这就叫 缓存命中。

说白了就是：

• 第一次像“通读整本书”
• 后面应该更像“翻书签”

如果第二轮第三轮还跟第一轮一样贵，那你就该警惕了。

几家主流模型的缓存价格差，一眼看懂

美元统一按 1 美元≈7 元人民币 粗算，只追求价格感，不追求财务审计精度。

模型	母公司	普通输入价	缓存命中价	粗算人民币感受
Claude Sonnet 4.6（克劳德 Sonnet 4.6）	Anthropic	$3.00 / 百万 token	$0.30 / 百万 token	约 ¥21 变 ¥2.1
GPT-5.4（GPT-5.4）	OpenAI	$2.50 / 百万 token	$0.25 / 百万 token	约 ¥17.5 变 ¥1.75
Gemini 2.5 Pro（Gemini 2.5 Pro）	Google	$1.25 / 百万 token	$0.125 / 百万 token	约 ¥8.75 变 ¥0.88
DeepSeek-V3.2（深度求索 V3.2）	DeepSeek	$0.28 / 百万 token	$0.028 / 百万 token	约 ¥1.96 变 ¥0.20
Kimi K2.5（Kimi K2.5）	Moonshot AI	¥4.00 / 百万 token	¥0.70 / 百万 token	¥4 变 ¥0.7

这张表最重要的不是背数字，而是形成一个直觉：

同样是输入 token，命中缓存以后，价格往往只剩原来的一小部分。

一般在哪里看缓存命中？

最有用的不是“背价格页”，而是知道去哪里看返回字段。

常见平台大概是这样：

• Anthropic / Claude API
  看 usage 里的
  cache_creation_input_tokens、cache_read_input_tokens

• OpenAI API
  看 usage.prompt_tokens_details.cached_tokens

• Google Gemini API
  看 usage_metadata

• DeepSeek API
  看 prompt_cache_hit_tokens 和 prompt_cache_miss_tokens

如果你现在用的是前台产品、客户端或中转站，看不到这些字段，也至少要建立一个最朴素的判断：

同一批资料、同一类追问，如果第二轮第三轮还跟第一轮一样贵，那大概率要么没命中，要么平台根本没把账单逻辑摊开给你看。

---

三、倍率到底是什么意思：1.25x、2x、0.1x 别再死背了

很多人第一次看到这些词就会头大：

• 1.25x
• 2x
• 0.1x
• 积分倍率
• 模型倍率

其实你先把它拆成两种就够了。

1. 官方倍率

这类倍率，多半是在讲缓存。

比如官方会写：

• 5 分钟缓存写入：基础输入价格的 1.25x
• 1 小时缓存写入：基础输入价格的 2x
• 缓存读取：基础输入价格的 0.1x

翻译成人话就是：

• 第一次让模型把这批资料记住，会比普通输入贵一点
• 如果希望它记得更久，第一次写进去会更贵一点
• 但后面只要命中缓存，再围绕同一批资料继续问，就会便宜很多

如果还是抽象，我们拿一笔假设账来算。

假设某模型基础输入价是 10 元 / 百万 token：

• 1.25x = 第一次写缓存，按 12.5 元
• 2x = 想让它记久一点，按 20 元
• 0.1x = 后面命中缓存，只按 1 元

所以缓存不是“白送记忆”，而是：

第一次多花一点，后面省一大截。

2. 平台倍率

另一种倍率，经常出现在第三方平台和中转站里。

比如：

• 10 元换多少积分
• 某模型倍率 3x
• 某会员解锁高阶模型

这类倍率很多时候不是模型本身的属性，而是平台把：

• 官方成本
• 路由费
• 并发成本
• 自己的利润

一起揉成了一个你不容易算清的数字。

所以它最大的坑不是“贵一点”，而是：

你根本不知道自己到底贵在模型，还是贵在平台包装。

---

四、中转站真的更便宜吗？

这个问题不能一刀切。
更真实的答案是：

有些中转站看起来便宜，但不一定真的便宜；有些官方单价看起来高，但总成本未必更高。

别只看充值页，要一起看这些：

• 上下文有没有被阉割
• 模型版本是不是偷偷降了
• usage 能不能看见
• 高峰期稳不稳
• 会不会频繁重试和重开

很多时候，真正贵的不是那几分钱，而是：

• 反复重跑
• 路由不稳定
• 版本偷偷变了
• 你根本不知道自己是贵在模型本身，还是贵在缓存没命中

像 OpenRouter 这种统一入口，更适合理解成：

• 多模型路由层
• 统一接口层
• 对比 / 切换工具

而不是简单理解成“哪个更便宜的替身”。

---

五、普通人怎么省钱：Jeremy 那条发帖真正值得学什么？

前几天，Jeremy Nguyen 在 X 上有一条关于 Claude Code 缓存命中和 token 用量的发帖，在科技圈里传播很广。 它真正值得普通人学的，不是某个命令本身，而是后面的判断方式：

很多时候，账单突然变贵，不是模型突然变贵了，而是缓存没命中，或者你的上下文组织方式把缓存打乱了。

比起照着某条命令原样抄，更值得学的是这几件事：

1. 把长期不变的资料固定下来

每次和 AI 说话时，前面尽量放长期固定不变的内容：

• 公司介绍
• 产品资料
• 写作风格
• 项目背景

后面再放这次新增的问题和变化。
这样前面那大块更容易被反复利用。

2. 知识库别每次重传

公司 FAQ、产品背景、长期规则、项目说明，尽量沉淀成一个长期维护的知识库或总文档。
每次新提问，只追加这次真的变化的部分，不要整包重发。

3. 先整理，再追问

面对几十页材料时，不要一上来就反复问细节。
更省钱的顺序通常是：

1. 先让 AI 整理出摘要 / 提纲 / 编号笔记
2. 后面大多数追问，都基于这份更短的整理版继续

4. 同一批资料，别动不动开新线程

如果你聊的是同一个项目、同一批采访记录、同一份合同，动不动新建对话，很容易把“翻书签”重新变回“读整本书”。

5. 觉得突然变贵时，先去看 usage 或 cost 页面

不要只盯余额。
先看缓存字段是不是掉成了 0，再判断是不是平台、线程习惯或上传方式出了问题。

一句话说透：

省钱不是少用，而是别让模型反复白读同样的东西。

---

六、为什么现在该认真看本地部署？

很多人以前对本地部署根本没兴趣。
一提到它，脑子里浮现的就是：

• 黑框命令行
• 装环境
• 折腾显卡
• 看起来像另一个专业世界

但 2026 年不一样的地方在于：

越来越多人已经跑通了自己的 AI 工作流，每个月都在稳定地消耗：

• 模型
• 上下文
• 缓存
• 账单

到了这个阶段，我们不得不承认：

本地部署已经不只是极客爱好，而是开始变成解决算力账单的一种现实选项。

特别是像 Unsloth Studio 这样的工具出现以后，本地模型开始被图形化、产品化。

你不需要懂很多复杂代码，点几下鼠标就能：

• 下载模型
• 运行模型
• 对比模型
• 做轻量训练或实验

这意味着，开源模型不再只是程序员的玩具，普通人也终于能碰得到了。

---

七、2026 本地模型怎么选？

这张表不是性能排行榜，而是普通人视角的“我这台机器大概先该试谁”。

模型	大概门槛	更适合什么	社区口碑
Qwen3-8B（通义千问 Qwen3-8B）	16GB 内存 / 8GB 显存	日常问答、中文写作、轻量代码辅助	中文强、均衡、很适合闭眼先试
Gemma 3 12B（Gemma 3 12B）	24GB+ 总可用内存更稳	多模态问答、本地助手	功能完整，但 12B 比想象中更吃资源
DeepSeek-R1-Distill-Qwen-14B（深度求索 R1 蒸馏版 Qwen 14B）	8GB 显存可试，24GB 更舒服	推理、数学、代码分析	性价比高，很有“会先想一想”的感觉
Qwen3-30B-A3B（通义千问 Qwen3-30B-A3B）	24GB 显存更理想	长文档分析、复杂代码诊断	很多玩家眼里的中大型“甜点位”
Llama 4 Scout（Llama 4 Scout）	64GB+ 统一内存 / 高端本地机	超长上下文、本地重型任务	生态强，但不是普通人的闭眼第一选择

如果你只是普通用户，最稳的顺序通常不是“先上最大模型”，而是：

1. 先用 Qwen3-8B
2. 再看自己是不是真的需要推理更强的 14B
3. 再决定要不要上 30B 或更重的模型

---

结尾：到了 2026 年，会看账单也是基本功

我们以前总说，AI 时代最重要的是学会提问。
这句话当然没错。

但到了今天，只会写 Prompt，已经不够了。

你还得慢慢补上几项真正决定长期体验的能力：

• 会看 token（词元）账单
• 会看缓存命中
• 会分辨官方倍率和平台倍率
• 会判断中转站到底便宜在哪、坑在哪
• 也知道什么时候该继续用云端，什么时候该认真看本地部署

这不是技术宅的兴趣题，而是普通人用 AI 的生活常识。

这里是向AI弃权。
我们接下来会持续写这条线：不再只讨论哪个模型又变聪明了，而是把 真实工作流、真实成本、真实替代路线 讲明白。

因为对普通人来说，真正值钱的不是会背模型名字，而是知道：

• 什么时候该用平台
• 什么时候该盯 usage
• 什么时候该认真考虑把一部分能力收回到自己手里

---

可核实来源

• Moonshot Kimi 官方文档与价格页
• Anthropic Prompt Caching / Pricing 官方文档
• OpenAI API Pricing 官方页
• Google Gemini Pricing / Caching 官方文档
• DeepSeek API Pricing 官方文档
• Jeremy Nguyen 在 X 上关于 Claude Code 缓存和 token 的公开发帖
• OpenRouter Pricing / FAQ 官方页
• Unsloth Studio 官方说明页
• Qwen / Gemma / DeepSeek / Llama 官方页面与社区口碑样本