前言
深入理解 LLM API 的定价策略，利用成本不对称性降低 70-90% 费用
LLM API 的定价机制创造了一个有趣的现象：
- 输入便宜（1×），输出昂贵（4×） → 复杂输入 + 简洁输出 = 省钱计费只看 tokens，不看推理复杂度 → 复杂任务 + 短输出 = 用户占便宜短输出也可能消耗巨大资源 → 服务商成本高，但用户成本低
核心策略：让 AI 做复杂的推理，但只输出简洁的结果。
秘密 1：输入比输出便宜 4 倍
定价现实
所有主流 LLM API 的输出价格都是输入的 2-4 倍：
| 模型 | 输入价格 | 输出价格 | 倍数 |
|---|---|---|---|
| GPT-4o | $2.50/1M | $10.00/1M | 4× |
| Gemini 2.0 Flash | $0.30/1M | $1.20/1M | 4× |
| Claude 3.5 Sonnet | $3.00/1M | $15.00/1M | 5× |
利用策略
✅ 便宜的方式：复杂输入 + 简洁输出
# 详细的系统提示（便宜）system_prompt = """你是一个专业分析师。任务：评估搜索结果质量。评估标准：1. 信息完整性：是否涵盖所有关键点？2. 相关性：与查询的匹配度？3. 可信度：来源是否权威？4. 时效性：信息是否最新？5. 深度：是否提供足够细节？输出格式（严格遵守）：{ "sufficient": true/false, "reason": "10字以内的理由"}""" # 1000 tokens# 简洁的输出（昂贵但节省）output = '{"sufficient": true, "reason": "信息全面"}' # 15 tokens成本计算: 输入: 1000 × $0.30/1M = $0.0003 输出: 15 × $1.20/1M = $0.000018 总计: $0.000318❌ 昂贵的方式：简单输入 + 冗长输出
# 简单提示system_prompt = "分析并详细解释" # 10 tokens# 冗长输出output = """基于以上搜索结果，我进行了如下分析：首先，从信息完整性来看...其次，相关性方面...第三，可信度评估...第四，时效性判断...第五，深度分析...综合以上五个维度的评估，我的结论是：信息充分。详细理由如下：1. 信息完整性得分 9/10...2. 相关性得分 8/10......""" # 500 tokens成本计算: 输入: 10 × $0.30/1M = $0.000003 输出: 500 × $1.20/1M = $0.0006 总计: $0.000603 (贵 1.9倍!)成本对比
| 方案 | 输入 | 输出 | 总成本 | 节省 |
|---|---|---|---|---|
| 简单输入 + 冗长输出 | 10 | 500 | $0.000603 | 基准 |
| 复杂输入 + 简洁输出 | 1000 | 15 | $0.000318 | 47% ✅ |
关键洞察：输入贵 100倍，但总成本更低！
秘密 2：复杂推理不额外计费
计费公式
成本 = 输入 tokens + 输出 tokens没有的因素：
- ❌ 推理复杂度❌ 计算时间❌ 模型参数量
这意味着什么？
给 AI 一个极其复杂的任务，只要输出简洁，成本就低！
案例 A：简单任务
输入: "1 + 1 = ?" # 5 tokens输出: "2" # 1 token推理时间: 100ms计费: 6 tokens案例 B：复杂任务（同样输出）
输入: """分析以下 10,000 字的法律文件，识别所有潜在风险，评估每个条款的合规性，对比 3 个司法管辖区的法律差异，最终判断：是否建议签署？[10,000 字的法律文件...]""" # 8000 tokens输出: "不建议" # 3 tokens推理时间: 2秒（复杂得多）计费: 8003 tokens关键发现：
- 虽然任务复杂 100倍虽然推理时间长 20倍但成本只贵 1000倍（因为输入大）如果归一化到任务复杂度，实际便宜得多！
为什么会这样？
LLM API 使用简化的定价模型：
- ✅ 易于理解和计算✅ 可预测性强❌ 不完全反映实际计算成本
实际计算成本取决于：
- Attention 复杂度：O(n²) where n = 输入长度模型参数量：175B vs 1.7T推理时间：简单查询 vs 复杂推理
但用户只需按 tokens 付费！
利用策略
# 策略：让 AI 处理复杂任务，但只输出关键结论# ✅ 复杂任务 + 短输出prompt = """任务：分析 50 篇学术论文，提取关键发现论文列表：1. [论文内容 500 tokens]2. [论文内容 500 tokens]...50. [论文内容 500 tokens]要求：- 识别共同主题- 评估证据强度- 发现矛盾之处- 判断研究趋势输出：JSON格式，仅包含核心结论{ "main_theme": "...", "evidence_level": "high/medium/low", "contradictions": true/false, "trend": "..."}""" # 30,000 tokensoutput = { "main_theme": "AI safety", "evidence_level": "high", "contradictions": false, "trend": "increasing"} # 30 tokens成本: 输入: 30,000 × $0.30/1M = $0.009 输出: 30 × $1.20/1M = $0.000036 总计: $0.009036 任务价值: 分析 50 篇论文（可能需要人工 10+ 小时）成本: $0.009 (不到 1 美分!)秘密 3：短输出 ≠ 低成本（对服务商）
资源消耗的真相
虽然用户只按 tokens 计费，但服务商的实际成本取决于：
- Attention 计算：O(n²)GPU 内存占用计算时间
案例对比
案例 A：长输入 + 短输出
输入: 100,000 tokens (一本书)输出: 10 tokens ("总结：...")用户成本: 输入: 100,000 × $0.30/1M = $0.03 输出: 10 × $1.20/1M = $0.000012 总计: $0.030012服务商实际成本: Attention: O(100,000²) = 10B 操作 GPU 时间: ~5秒 内存: 大量 实际成本: ~$0.02 利润: $0.03 - $0.02 = $0.01 (33%)案例 B：短输入 + 长输出
输入: 100 tokens输出: 1000 tokens用户成本: 输入: 100 × $0.30/1M = $0.00003 输出: 1000 × $1.20/1M = $0.0012 总计: $0.00123服务商实际成本: Attention: O(100²) = 10K 操作（便宜！） GPU 时间: ~1秒 内存: 很少 实际成本: ~$0.0002 利润: $0.00123 - $0.0002 = $0.00103 (515%!)成本不对称性
| 场景 | 用户成本 | 服务商成本 | 服务商利润率 |
|---|---|---|---|
| 长输入 + 短输出 | $0.030 | $0.020 | 33% |
| 短输入 + 长输出 | $0.001 | $0.0002 | 515% |
发现：
- ✅ 长输入 + 短输出 = 用户占便宜（服务商利润率低）❌ 短输入 + 长输出 = 用户吃亏（服务商利润率高）
为什么定价不"公平"？
服务商使用简化定价的原因：
用户体验：简单易懂
平摊成本：不同用户互补
- 有些用户：长输入 + 短输出（亏本）有些用户：短输入 + 长输出（暴利）平均：盈利
鼓励特定用途：
- 高输出价格 → 鼓励简洁输出低输入价格 → 鼓励提供详细上下文
实战：函数调用是终极省钱法
为什么函数调用省钱？
函数调用强制 AI 输出结构化的 JSON，而不是自然语言。
对比
不用函数调用
prompt = "分析Python 3.13新特性并给出升级建议"output = """Python 3.13 带来了以下重要改进：1. **交互式解释器(REPL)现代化** - 基于 PyPy 实现 - 支持多行编辑 - 彩色化异常回溯 2. **实验性的无GIL模式** - 禁用全局解释器锁 - 提升多线程性能 3. **内存优化** - Docstrings 内存优化 **建议**：强烈推荐升级。理由：- 开发体验显著提升- 性能优化明显- 向后兼容性好""" # 500 tokens成本: 500 × $1.20/1M = $0.0006使用函数调用
function_schema = { "name": "evaluate_upgrade", "description": "Evaluate Python version upgrade", "parameters": { "version": {"type": "string"}, "recommend": {"type": "boolean"}, "key_features": {"type": "array"}, "reason": {"type": "string", "maxLength": 50} }}output = { "version": "3.13", "recommend": true, "key_features": ["REPL", "no-GIL", "memory"], "reason": "Major improvements"} # 50 tokens成本: 50 × $1.20/1M = $0.00006节省: 90%!函数调用的成本结构
输入增加（工具定义）：
Function schema: ~200 tokens总输入: 原始输入 + 200 tokens额外输入成本: 200 × $0.30/1M = $0.00006输出大幅减少（结构化）：
自然语言: 500 tokens × $1.20/1M = $0.0006JSON 输出: 50 tokens × $1.20/1M = $0.00006节省: $0.00054净节省：
节省: $0.00054 - $0.00006 = $0.00048 (80%)服务商视角
# 自然语言输出用户成本: $0.0006服务商实际成本: $0.0002利润率: 200%# 函数调用用户成本: $0.00012 (输入 +$0.00006 + 输出 $0.00006)服务商实际成本: $0.00015 (输入处理 + 受限解码)利润率: -20% (亏本!)发现：函数调用对用户极其有利，但服务商利润率低甚至亏损！
最佳实践：3 个黄金法则
法则 1：详细输入 + 极简输出
# ✅ 推荐system = """详细指令（1000字）明确标准清晰格式要求丰富示例"""output = '{"result": true}' # 10 tokens# ❌ 避免system = "分析一下" # 5 tokensoutput = "详细分析报告（500字）..." # 500 tokens法则 2：复杂任务 + 结构化输出
# ✅ 推荐task = "分析 100 篇文章，提取主题"output = '{"themes": ["AI", "safety", "ethics"]}'# ❌ 避免task = "列出 3 个主题"output = "详细解释每个主题的来源..."法则 3：优先函数调用
# ✅ 推荐使用 Function Calling / Tool Use输出: 结构化 JSON# ❌ 避免要求 AI 输出自然语言然后再解析成本计算器
快速估算公式
def calculate_cost(input_tokens, output_tokens, model="gemini"): prices = { "gemini": {"input": 0.30, "output": 1.20}, "gpt4": {"input": 2.50, "output": 10.00}, "claude": {"input": 3.00, "output": 15.00}, } p = prices[model] input_cost = input_tokens * p["input"] / 1_000_000 output_cost = output_tokens * p["output"] / 1_000_000 return { "input_cost": input_cost, "output_cost": output_cost, "total": input_cost + output_cost, "output_ratio": output_cost / (input_cost + output_cost) }# 示例：复杂任务 + 短输出result = calculate_cost(10000, 50, "gemini")print(result)# {# "input_cost": 0.003,# "output_cost": 0.00006,# "total": 0.00306,# "output_ratio": 0.02 # 输出只占总成本的 2%!# }总结
3 个核心秘密
- 输入便宜 4倍 → 复杂输入 + 简洁输出 = 省钱复杂推理不额外计费 → 给 AI 复杂任务但要简洁输出短输出资源消耗可能很大 → 但用户成本低（服务商吃亏）
成本优化清单
- 在系统提示中提供详细指令（输入便宜）
- 强制 AI 输出简洁格式（输出昂贵）
- 使用函数调用替代自然语言（节省 70-90%）
- 让 AI 处理复杂任务但只输出关键结论
- 利用 JSON Mode 或结构化输出
- 避免让 AI"详细解释"（除非必要）
预期效果
- ✅ 成本降低 70-90%✅ 更快响应（更少输出）✅ 更易解析（结构化输出）
