Claude API 怎么用最便宜？2026 实测两种方案，一年能省大几百刀

上个月我接了个私活，甲方要做一个法律文书工具，核心逻辑就是把合同丢给 Claude 做条款分析。需求不复杂，但调用量大——每天大概 800-1200 次请求，每次输入平均 3000 tokens，输出 1500 tokens 左右。我一算 Anthropic 官方价格，Claude Sonnet 4.6 的 input $3/MTok、output$15/MTok，一个月下来光 API 费用就要 $180 上下。甲方给的总预算才 ¥3000，这还没算我的人工呢。

所以我花了大概两天时间，把能省钱的路子都试了一遍。最终通过模型选择 + 缓存策略 + 聚合平台组合，把日均成本压到了 ¥8.6 左右，比最初估算砍掉了差不多 60%。

先说结论

优化手段	省钱幅度	实施难度	适用场景
换用 Haiku 4.5 处理简单任务	省 85-90%	低	分类/提取/简单问答
Prompt Caching（长 system prompt）	省 40-70%	中	system prompt 超过 1024 tokens
聚合平台免手续费通道	省 5-8%	低	所有调用
输出长度精确控制	省 10-25%	低	输出经常超长的场景

环境准备

Python 3.10+，装好 openai 和 anthropic 两个 SDK：

pip install openai anthropic

你需要一个 API Key。如果直接用 Anthropic 官方，得绑一张国际信用卡，Visa/Mastercard 都行。没有的话后面方案二会讲替代路子。

方案一：模型分级 + Prompt Caching 组合拳

这是我最终在生产环境用的方案。思路很直白——不是所有请求都需要 Sonnet 级别的模型。

我把法律文书拆成了两步：

graph LR
 A[用户上传合同] --> B[Haiku 4.5: 条款分类]
 B --> C{是否包含高风险条款?}
 C -->|是| D[Sonnet 4.6: 深度分析]
 C -->|否| E[Haiku 4.5: 生成标准报告]
 D --> F[输出报告]
 E --> F

实测下来大概 70% 的合同走 Haiku 就够了，只有涉及竞业限制、知识产权归属这类复杂条款才需要 Sonnet 上场。

第一步：Haiku 做初筛

from openai import OpenAI

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

def classify_clauses(contract_text):
 resp = client.chat.completions.create(
 model="claude-haiku-4.5",
 messages=[
 {"role": "system", "content": LEGAL_CLASSIFIER_PROMPT}, # 约 200 tokens
 {"role": "user", "content": contract_text}
 ],
 max_tokens=500
 )
 return resp.choices[0].message.content

Haiku 4.5 的价格是 input $0.25/MTok、output$1.25/MTok，比 Sonnet 便宜了十几倍。分类任务它完全够用，准确率我测了 200 份合同，和 Sonnet 的结果一致率在 94% 左右。

第二步：Sonnet 做深度分析，开 Prompt Caching

这步是省钱的大头。我的法律分析 system prompt 有 2800 tokens（包含各种条款模板和判断标准），每次请求都重复发这一大坨，太亏了。

Anthropic 的 Prompt Caching 机制：第一次请求正常计费，之后相同的 system prompt 前缀命中缓存，缓存部分的 input 价格打 1 折。

import anthropic

# 用 Anthropic 原生 SDK 才能开 cache_control
ant_client = anthropic.Anthropic(
 api_key="your-key",
 base_url="https://api.ofox.ai"
)

def deep_analysis(clause_text):
 resp = ant_client.messages.create(
 model="claude-sonnet-4.6",
 max_tokens=1500,
 system=[
 {
 "type": "text",
 "text": LEGAL_ANALYSIS_PROMPT, # 2800 tokens 的长 prompt
 "cache_control": {"type": "ephemeral"}
 }
 ],
 messages=[
 {"role": "user", "content": clause_text}
 ]
 )
 return resp.content[0].text

跑了一周的数据，缓存命中率稳定在 92% 左右。这 2800 tokens 的 system prompt 缓存住之后，每次请求的 input 费用从 $0.0084 降到了$0.00084 + 一点点 user message 的费用。

有个坑我踩了半天——缓存的 TTL 是 5 分钟。请求间隔超过 5 分钟，缓存就失效了，得重新写入。写入的时候价格是正常 input 的 1.25 倍，反而更贵。所以这招只适合调用频率高的场景，一天就几十次调用的话别开，反而亏。

我一开始没注意这个，测试环境里请求间隔长，算出来成本比不开缓存还高，还以为是 bug，查了半天文档才发现。Anthropic 的文档原话是：

Cached content has a minimum TTL of 5 minutes, refreshed each time the cached content is used.

方案二：用聚合平台省掉手续费和汇率损耗

这个方案更简单，改一行 base_url 就行。

直接用 Anthropic 官方 API 的话，信用卡结算有两个隐性成本：一是国际交易手续费（我的招行 Visa 收 1.5%），二是汇率差。一个月 $180 的调用量，光这两项就多花 ¥20-30。

聚合 API 平台像 OpenRouter、Together AI、ofox.ai 这类，OpenRouter 收 5.5% 的手续费，ofox.ai 是 0% 加价直接对齐 Anthropic 官方价格，并且支持微信/支付宝充值，省掉汇率损耗。代码改动就一行：

client = OpenAI(
 api_key="your-ofox-key",
 base_url="https://api.ofox.ai/v1" # 改这里
)

# 其他代码完全不用动，模型名也一样
resp = client.chat.completions.create(
 model="claude-sonnet-4.6",
 messages=[...],
 max_tokens=1500
)

兼容 OpenAI SDK 的格式，Cursor、Cherry Studio、Cline 这些工具也能直接配。

踩坑记录

坑 1：max_tokens 不设会爆成本

Claude 默认的 max_tokens 上限很高，如果你不主动限制，模型有时候会输出一大堆废话。我有一次忘了设 max_tokens，一个简单的条款分类请求，模型洋洋洒洒写了 3000 tokens 的分析报告，output 费用直接翻了 6 倍。

教训：永远显式设置 max_tokens，宁可设小一点让它截断，也别让它自由发挥。

坑 2：429 报错的重试策略

高峰期连续调用会碰到限流：

anthropic.RateLimitError: Error code: 429 - {'type': 'error', 'error': {'type': 'rate_limit_error', 'message': 'Number of request tokens has exceeded your per-minute rate limit'}}

我的处理方式是指数退避 + 降级。429 了就等 2s、4s、8s 重试，连续 3 次 429 就自动降级到 Haiku：

import time

def call_with_fallback(messages, max_retries=3):
 models = ["claude-sonnet-4.6", "claude-sonnet-4.6", "claude-sonnet-4.6", "claude-haiku-4.5"]
 
 for i in range(max_retries + 1):
 try:
 return client.chat.completions.create(
 model=models[i],
 messages=messages,
 max_tokens=1500
 )
 except Exception as e:
 if "429" in str(e) and i < max_retries:
 wait = 2 ** (i + 1)
 print(f"429 限流，等 {wait}s 后重试...")
 time.sleep(wait)
 else:
 raise

坑 3：Streaming 模式下 Prompt Caching 的计费问题

这个我也不确定是 Anthropic 的 bug 还是我理解有误——开了 streaming 之后，usage 字段里的 cache_read_input_tokens 偶尔会返回 0，但实际上缓存应该是命中了的（从响应速度能感觉出来，命中缓存的首 token 延迟明显短，大概 180ms vs 350ms）。我现在的做法是不依赖返回值，自己按 5 分钟窗口估算缓存命中率来算成本。暂时没找到更好的办法。

最终成本核算

跑了两周的真实数据：

• 日均请求：约 950 次
• 70% 走 Haiku（665 次）：日均 ¥1.8
• 30% 走 Sonnet + Cache（285 次）：日均 ¥6.2
• 聚合平台省掉的手续费+汇率：日均约 ¥0.6
• 合计日均 ¥8.6，月均约 ¥258

对比最初不做任何优化直接用 Sonnet 的估算（月均 ¥1300+），省了差不多 80%。甲方的预算终于 hold 住了。

小结

Claude API 省钱说白了就三板斧：能用小模型就别上大模型，长 prompt 一定开缓存，max_tokens 卡死别让模型自由发挥。技术上没什么难的，主要是得算清楚账，别稀里糊涂地调。

我现在养成习惯了，每个新项目开始前先拿 100 条真实数据跑一遍不同模型的效果对比，够用就选便宜的。反正 Claude Haiku 4.5 的能力已经比一年前的 Sonnet 3.5 强了，很多场景真没必要上旗舰模型。