Source: https://aiprimetech.io/zh/docs/guides/cost-control/

[首页](/zh/) / [文档](/zh/docs/) / 费用控制 

# 费用控制 

智能体工作负载中的 token 究竟用在了哪里，以及影响账单的四个关键因素。 

 复制页面 [ 以 Markdown 查看](/zh/docs/guides/cost-control.md) [ 向 ChatGPT 提问](https://chatgpt.com/?q=Read%20https%3A//aiprimetech.io/docs/guides/cost-control.md%20and%20answer%20questions%20about%20it.%20Start%20with%20a%20short%20summary.) [ 在 Claude 中提问](https://claude.ai/new?q=Read%20https%3A//aiprimetech.io/docs/guides/cost-control.md%20and%20answer%20questions%20about%20it.%20Start%20with%20a%20short%20summary.)   

如果你让编程智能体运行过一整个工作日，就一定见识过账单。智能体循环消耗 token 的程度远超普通聊天：每次读取的文件、每个工具结果和每份差异都会进入上下文，并在下一轮重新发送。 

## 输出 token 才是昂贵的部分 

对于所有前沿模型，输出成本都是输入的 4–5 倍。在最终回答中展开思考过程的模型，比回答简洁的模型更快消耗资金。有意识地限制 max_tokens ，并在日常工作中优先选择回答简洁的模型。 

 | 模型 | 输入美元/百万 token | 输出美元/百万 token | 比率

 | claude-opus-4-8 | $3 | $15 | 5×

 | claude-sonnet-4-6 | $0.90 | $4.50 | 5×

 | claude-haiku-4-5 | $0.40 | $2 | 5×

 | gemini-3-flash | $0.20 | $1.20 | 6× 

## 四项调节手段 
- 按任务路由。 分类、提取和路由不需要 Opus——Haiku 能以约七分之一的价格完成这些任务。将旗舰模型留给需要大量推理的工作。
- 提示词缓存。 稳定的系统提示词和工具定义可从缓存中重新读取，成本仅为输入价格的一小部分。对于智能体，这是影响最大的一项手段——参见 [提示词缓存](/zh/docs/guides/prompt-caching/).
- 每轮精简上下文。 不要重新发送整段对话记录；保留最近几轮对话和持续更新的摘要即可。上下文无限增长，正是让一次 $2 的会话变成 $20 的原因。
- 限制循环。 为自主运行设置严格的步数上限，避免卡住的智能体无限循环。 

## 运行前估算 

```
CopyIN_RATE  = {class="s">"claude-opus-4-8": 3.0,  class="s">"claude-sonnet-4-6": 0.9, class="s">"claude-haiku-4-5": 0.4}
OUT_RATE = {class="s">"claude-opus-4-8": 15.0, class="s">"claude-sonnet-4-6": 4.5, class="s">"claude-haiku-4-5": 2.0}

def cost(model, tok_in, tok_out):
    return tok_in / 1e6 * IN_RATE[model] + tok_out / 1e6 * OUT_RATE[model]

print(cost(class="s">"claude-opus-4-8",   20_000, 2_000))   class=class="s">"c"># 0.09
print(cost(class="s">"claude-sonnet-4-6", 20_000, 2_000))   class=class="s">"c"># 0.027
print(cost(class="s">"claude-haiku-4-5",  20_000, 2_000))   class=class="s">"c"># 0.012
```

同样一个输入 20K、输出 2K 的任务，使用 Opus 的成本是 Haiku 的 7.5 倍。如果任务是分类，这些额外支出不会带来任何收益。 

## 运行后测量 

每个响应都包含一个 usage 对象。将其与请求 ID 和任务类型一起记录——缺少这些信息，成本优化就只能靠猜测。网关仪表板会显示各模型的用量，但只有你自己的日志才知道发出请求的*原因*。 

最常见的高成本错误并非模型选择，而是在漫长的智能体会话中，每一轮都重新发送不断增长的对话记录。先解决上下文增长问题，再调整模型。 

[提示词缓存影响最大的一项手段](/zh/docs/guides/prompt-caching/)[上下文管理控制历史记录长度](/zh/docs/guides/context-management/)[模型各模型费率](/zh/docs/getting-started/models/) 

[上一页各工具的 API 密钥配置](/zh/docs/guides/api-key-configuration/)[下一页提示词缓存](/zh/docs/guides/prompt-caching/)