📉 省钱细节篇 · 把账单再砍一大刀
羊毛（注册福利）+ 方法论（自部署/路由）之后，真正把账单再砍一大刀的，是这三项：选对模型、吃透缓存、用好闲时。它们不靠身份、不限次数、长期有效，而且彼此叠加。
🎯 不试错选模型
💾 缓存命中真省
🌙 夜间峰谷折扣
每项带官方链接
💡 为什么单聊这三点？因为它们不靠身份、不限次数、长期有效，而且彼此叠加。一个典型场景：用轻量模型（选对）+ 固定系统提示走缓存（命中）+ 排到夜间批量跑（闲时），三者叠满后成本可压到「旗舰模型实时调用」的 1/10 甚至 1/20。
一、怎么选对模型（不试错也能选）
一个个试既浪费 token 又浪费时间，而且旗舰模型价格是轻量模型的 10–100 倍。正确做法是「先分类、再映射、让工具替你分级」，而不是靠手感盲试。
1.1 任务分类框架（4 个维度）
| 维度 | 分类 | 说明 |
|---|---|---|
| ① 难度 | 简单 / 中等 / 复杂 / 推理 | 分类、抽取、润色→轻量；写作、总结→主力；多步推理、复杂代码→旗舰。难度决定模型档位。 |
| ② 延迟 | 实时 / 可异步 | 对话、补全要快→低延迟小模型；批量处理可排夜间→更便宜的批量/闲时通道。 |
| ③ 模态 | 文本 / 多模态 | 纯文本用通用 LLM；图像/视频/语音用专用模型，别用旗舰文本模型硬扛多模态。 |
| ④ 成本敏感度 | 高频 / 低频 | 每天百万次调用→必须用小模型/缓存/闲时；偶发重任务→偶尔用旗舰也不心疼。 |
1.2 模型能力梯队速查
| 梯队 | 代表模型 | 适合 | 相对价格 |
|---|---|---|---|
| 🏆 旗舰 | GPT-5 / Claude Opus / Gemini Ultra / Qwen-Max / GLM / DeepSeek-V3 | 最难推理、长程规划、复杂代码 | 最高（基准 1×） |
| 🥈 主力 | GPT-5 mini / Claude Sonnet / Qwen-Plus / DeepSeek 标准 | 写作、总结、Agent、客服 | 约 0.1–0.3× |
| ⚡ 轻量 | GPT-5 nano / Qwen-Turbo / Haiku / DeepSeek-V3-Lite | 分类、抽取、简单问答、批量预处理 | 约 0.01–0.05× |
| 🎯 专用 | Embedding / Whisper / 视觉 / TTS 模型 | 特定模态，别用通用大模型替代 | 按场景极低 |
1.3 不试错的选择法（核心）
1.4 常见任务 → 模型推荐（可直接抄的映射表）
| 任务类型 | 推荐档位 | 举例模型 | 为何不选旗舰 |
|---|---|---|---|
| 文本分类 / 标签抽取 | 轻量 | GPT-5 nano / Qwen-Turbo / Haiku | 逻辑简单，旗舰贵 20–100 倍且无质量增益 |
| 邮件/短文润色、翻译 | 轻量–主力 | Qwen-Turbo / GPT-5 mini | 润色对「聪明度」不敏感 |
| 文档总结、会议纪要 | 主力 | GPT-5 mini / Claude Sonnet / Qwen-Plus | 需一定理解力，但非顶级推理 |
| 客服对话、Agent 执行 | 主力 | Claude Sonnet / Qwen-Plus | 平衡成本与稳定，高频调用压成本 |
| 复杂代码、多步推理 | 旗舰 | GPT-5 / Claude Opus / Qwen-Max | 此处降级会明显掉质量，值得花 |
| 批量预处理后再精修 | 轻量+旗舰两段 | nano 预处理 → 旗舰终判 | 两段法比全旗舰省 70%+ |
📊 盘点：分层路由后整体 API 账单降 50%–90%；选错档位 = 直接多付 3–10 倍，是隐形的最大浪费源。选模型是「零成本优化」，靠分类框架 + 路由工具 + 映射表即可避免试错。
二、缓存命中（真的省，而且很可观）
缓存命中省的不止一点，是 50%–90%。原理是：模型把 prompt 前缀算过的「中间结果」存起来，下次同样的前缀直接复用，不再重新算。
2.1 三大家缓存折扣对比（2026-08 核实）
OpenAI · 自动 Prompt Caching
prompt ≥ 1024 token 自动缓存前缀，缓存输入 50%–90% off：GPT-5 家族达 90%（如 GPT-5 nano $0.05→$0.005）；gpt-4o 50%。无需改代码，5–10 分钟 TTL，扩展可达 24h。
Anthropic · 显式 cache_control
标记最多 4 个缓存断点，缓存读取 0.1× 即省 90%。5 分钟 TTL（写入 1.25×）或 1 小时（写入 2×）。2 次以上命中即回本。
Google · 显式 Context Caching
建命名缓存对象复用，缓存 75% off。最小 32768 token，默认 1 小时 TTL。适合超大文档/长上下文场景。
网关层 · 整请求 网关缓存
整请求精确匹配即 100% off（完全不调 provider），TTL 可到 30 天。与厂商缓存叠加，重复 workload 可压到标价 5%–15%。
2.2 怎么让缓存真的命中（实战技巧）
顺序：不变内容放最前。顺序：系统提示 → 参考文档 → 示例 → 历史 → 用户消息。缓存只认「前缀」，把可变内容（用户问题）放最后。
固定：系统提示别加时间戳。在系统提示里塞「当前时间/随机数」会让前缀每秒变，缓存瞬间失效。时间信息放用户消息里。
RAG：文档固定作前缀。检索文档放前缀，相似问题命中同一缓存，输入成本可降 90%。
TTL：按频率选。高频（>2 次/5 分钟）用 5 分钟；低频长文档用 1 小时（Anthropic）或 24h（OpenAI 扩展）。避免频繁重写。
⚠️ 三个常见坑：① 最小阈值——OpenAI 需 ≥1024 token、Gemini 需 ≥32768 token，短提示不触发；② 写入溢价——Anthropic 写入要 1.25–2×，低频（<2 次/5 分钟）不划算；③ 跨机失效——两次请求需落同一机器，可用 prompt_cache_key 把同前缀流量路由到一起。
2.3 不同场景的节省幅度
| 场景 | 缓存命中省 | 注意 |
|---|---|---|
| 聊天机器人（长系统提示） | 输入降 60%–80% | 系统提示需 >1024 token |
| 文档问答（同文档多问） | 输入降 80%–90% | 文档作前缀、固定不变 |
| RAG（共享检索上下文） | 输入降 75%–90% | 相似查询命中同一缓存 |
| Agent（固定工具 schema） | 输入降 40%–60% | 工具定义作缓存断点 |
| 分类/单次短时任务 | 几乎不省 | 低频+短 prompt，缓存无意义 |
📊 盘点：缓存是「改一行代码、长期白捡」的优化。对高频+长上下文场景，输入成本砍 75%–90%；叠网关层可再降。唯一代价是注意最小阈值和写入溢价——写对结构就稳赚。
三、夜间闲时调用（错峰省钱）
「晚间闲时」正是 2026 年国内最火的降本手段——多家平台 7 月集体上线「峰谷定价」，逻辑和电力的峰谷电价一样：夜间算力闲置，打折卖。把非实时任务排到夜间，立省 60%–80%。
3.1 国内平台夜间 / 闲时折扣汇总（2026-08 核实）
阿里云百炼 · Night Plan 22:00–08:00
Qwen 系列夜间特惠：Qwen-Max 2 折（省 80%）、Plus 4 折（省 60%）。周末节假日同样生效，模型能力不变只变计价。Token Plan 个人版可再叠加。
阿里云 Qoder · Night Qoder 22:00–08:00
全系产品（Desktop/CLI/插件）自动享：Qwen-Max 2 折、Plus 4 折，无需报名/兑换码。睡前派长任务，醒来验收。
WorkBuddy · 夜猫子计划 23:00–08:00
GLM-5.2 / Kimi-K3 等旗舰模型专属算力折扣，后台静默运行，关客户端不影响。适合批量文案、全项目重构、财报核算。
3.2 怎么用：把「非实时」任务全排夜间
睡前下发长任务。批量文案、代码重构、财报核算、日志排查——睡前一键派发，关电脑，云端后台跑，次日验收。
训练/微调排闲时。模型微调、Embedding 生成、大数据批处理，全排 22:00 后，吃夜间折扣或半价算力。
实时交互留白天。对话、补全、实时客服等要秒回的，仍走白天正常价；只有「能等一夜」的才排夜间。
配合 Batch API。夜间 + 批量接口（再 5 折）双重叠加，非实时 workload 成本可压到极低位。
📊 盘点：夜间闲时是「无门槛、自动生效」的省钱开关。把批量/长任务排到 22–8 点，单这一项就能省 60%–80%；和缓存、Batch 叠加后，非实时成本可砍到平时的 1/10 量级。
四、组合拳：三者叠一起
单独用已很强，叠起来才是「细节篇」的精髓。下面给一个真实可落地的极致省钱链路。
案例：10 万份文档批量摘要 + 分类
① 选对模型：分类用轻量（GPT-5 nano），摘要用主力（GPT-5 mini），不碰旗舰 → 比全旗舰省 ~90%。
② 缓存命中：固定系统提示 + 共享指令前缀，命中缓存输入 90% off → 再省一大截输入成本。
③ 夜间 + Batch：任务排到 23:00 后，走 Batch API（5 折）再叠加平台夜间折扣（省 60%–80%）→ 非实时部分成本再砍。
五、总账汇总：细节能省多少
| 细节手段 | 投入 | 持续节省 / 收益 | 适用 |
|---|---|---|---|
| 选对模型（分层/路由） | ¥0（榜单+映射表） | API 账单 ↓50%–90% | 所有调用者 |
| 缓存命中（前缀复用） | ¥0（改结构/一行代码） | 输入成本 ↓50%–90% | 高频+长上下文 |
| 夜间闲时调用 | ¥0（排期即可） | 非实时任务 ↓60%–80% | 批量/训练/长任务 |
| 三者叠加（案例） | ¥0 | 综合 ≈ 原价的 1/15–1/20 | 批量文档/数据工程 |
不试错选模型、写对结构吃缓存、非实时排夜间——这三件事都不花一分钱，却能把你的 AI 账单砍掉 90% 以上。选模型是地基（不浪费），缓存是放大器（复用省），闲时是时间杠杆（错峰省）。政策数字于 2026-08-10 核实，具体以各平台官网最新公告为准。