我算了 6 个月 AI API 账单：GPT-4 到底有多贵？省钱的 8 个实用技巧

适合正在用或打算用 AI API（OpenAI、Claude、DeepSeek 等）的开发者和创业者。
本文基于 6 个月的真实账单数据，拆解成本结构，给出 8 个经过验证的省钱方法。

背景：AI API 比你想的贵

很多人觉得 AI API 不贵——“几块钱一次调用”。但当你把它集成到日常工作流中，每天调几十次，一个月下来账单会让你吃惊。

我记录了 6 个月的 AI API 支出，下面是真实数据。

6 个月账单拆解

月度支出趋势

月份	支出	调用次数	主要用途
第 1 月	¥180	约 600 次	试用各种 API
第 2 月	¥320	约 1200 次	开始集成到工作流
第 3 月	¥450	约 1800 次	文章写作+代码助手
第 4 月	¥380	约 1600 次	优化后下降
第 5 月	¥290	约 2000 次	换模型+缓存
第 6 月	¥210	约 2200 次	进一步优化

6 个月总支出：¥1,830

按模型拆分

模型	6 个月支出	占比	说明
GPT-4	¥980	54%	最贵，但质量最好
GPT-3.5-turbo	¥420	23%	便宜，简单任务用
Claude-3	¥280	15%	中文写作用
Embedding	¥95	5%	向量化用
DeepSeek	¥55	3%	最便宜，部分替代 GPT-4

关键发现：GPT-4 占了 54% 的支出，但只完成了 30% 的调用。它是"单价高、用量少"的模型。

按用途拆分

用途	月均支出	说明
文章写作	¥120	长文生成，token 消耗大
代码审查	¥45	每天 5-10 次
知识库问答	¥35	RAG 检索+生成
选题打分	¥20	短 prompt，消耗小
其他（调试/测试）	¥30	开发过程中的调试

Token 计费原理

省钱的前提是理解计费方式。

OpenAI 计费规则

模型	输入价格	输出价格	说明
GPT-4	¥0.21/1K tokens	¥0.42/1K tokens	输出比输入贵 2 倍
GPT-4-turbo	¥0.07/1K tokens	¥0.14/1K tokens	比 GPT-4 便宜 3 倍
GPT-3.5-turbo	¥0.004/1K tokens	¥0.008/1K tokens	比 GPT-4 便宜 50 倍
Embedding	¥0.0001/1K tokens	-	极便宜

Token 估算

1 个中文字 ≈ 1.5-2 个 token。

内容	大约 token 数	GPT-4 成本
一句话（20 字）	约 30 tokens	¥0.006
一段话（200 字）	约 300 tokens	¥0.06
一篇文章（3000 字）	约 4500 tokens	¥0.9
一个代码文件（500 行）	约 3000 tokens	¥0.6

8 个省钱技巧

技巧 1：简单任务用便宜模型

不是所有任务都需要 GPT-4。

任务	推荐模型	理由
文章写作/创意	GPT-4 / Claude	质量要求高
代码审查	GPT-4-turbo	代码理解能力强
选题打分	GPT-3.5-turbo	简单逻辑，便宜够用
文本分类	GPT-3.5-turbo	分类任务不需要最强模型
Embedding	text-embedding-3-small	最便宜的 embedding 模型
格式转换/提取	GPT-3.5-turbo	纯格式操作，任何模型都能做

效果：把 70% 的调用从 GPT-4 换成 GPT-3.5-turbo，月支出从 ¥450 降到 ¥290。

技巧 2：减少输出 token

输出 token 是输入的 2 倍价格。减少输出能直接省钱。

# 反面：不控制输出长度
response = client.chat.completions.create(
    model="gpt-4",
    messages=[{"role": "user", "content": "解释 Python 装饰器"}]
    # 输出可能 1000+ tokens
)

# 正面：限制输出长度
response = client.chat.completions.create(
    model="gpt-4",
    messages=[{"role": "user", "content": "用 200 字以内解释 Python 装饰器"}],
    max_tokens=300  # 硬性限制
    # 输出最多 300 tokens
)

效果：限制输出后，单次调用成本降低 40-60%。

技巧 3：缓存重复请求

很多请求是重复的——同一个问题问多次、同一个文档分析多次。

import hashlib
import json
from pathlib import Path

CACHE_DIR = Path("api_cache")
CACHE_DIR.mkdir(exist_ok=True)

def cached_call(messages, model="gpt-4", **kwargs):
    """带缓存的 API 调用"""
    # 计算缓存 key
    cache_key = hashlib.md5(
        json.dumps({"model": model, "messages": messages}, sort_keys=True).encode()
    ).hexdigest()

    cache_file = CACHE_DIR / f"{cache_key}.json"

    # 检查缓存
    if cache_file.exists():
        return json.loads(cache_file.read_text(encoding="utf-8"))

    # 调用 API
    response = client.chat.completions.create(
        model=model,
        messages=messages,
        **kwargs
    )

    result = response.choices[0].message.content

    # 存入缓存
    cache_file.write_text(json.dumps(result, ensure_ascii=False), encoding="utf-8")

    return result

效果：缓存命中率约 30%（特别是选题打分、格式转换等重复任务），月支出减少约 25%。

技巧 4：压缩 prompt

prompt 里的 system message 和上下文也按输入 token 收费。压缩 prompt 直接省钱。

# 反面：冗长的 system message
system = """你是一个非常专业的技术写作助手，擅长写各种类型的技术文章，包括但不限于教程、评测、复盘、方法论等。你的写作风格是口语化的，短句多，不用模板句...（500 字）"""

# 正面：精简的 system message
system = """技术写作助手。风格：口语化、短句、无模板句。"""

效果：system message 从 500 字压缩到 30 字，每次调用省约 700 tokens（约 ¥0.15）。

技巧 5：用 streaming 减少等待成本

虽然 streaming 不省钱（token 数一样），但能减少用户等待时间，间接减少"因为等太久而重新发送"的浪费。

stream = client.chat.completions.create(
    model="gpt-4",
    messages=[{"role": "user", "content": "写一篇技术文章"}],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

技巧 6：批量处理

OpenAI 有 Batch API，批量请求价格是实时的 50%。

# 批量提交请求（24 小时内返回结果）
# 适合不急的任务：文章批量生成、数据批量分析
batch_file = "batch_requests.jsonl"

with open(batch_file, "w") as f:
    for task in tasks:
        f.write(json.dumps({
            "custom_id": task["id"],
            "method": "POST",
            "url": "/v1/chat/completions",
            "body": {
                "model": "gpt-3.5-turbo",
                "messages": task["messages"]
            }
        }) + "\n")

# 上传并创建批量任务
# client.batches.create(input_file_id=batch_file_id, endpoint="/v1/chat/completions", ...)

技巧 7：本地模型替代

简单任务用本地模型（Ollama），完全免费。

# 本地模型（免费）
local_client = OpenAI(base_url="http://localhost:11434/v1", api_key="ollama")

def smart_call(prompt, task_type="simple"):
    """根据任务类型选择模型"""
    if task_type == "simple":
        # 简单任务用本地模型
        return local_client.chat.completions.create(
            model="qwen2.5:14b",
            messages=[{"role": "user", "content": prompt}]
        ).choices[0].message.content
    elif task_type == "complex":
        # 复杂任务用 GPT-4
        return client.chat.completions.create(
            model="gpt-4",
            messages=[{"role": "user", "content": prompt}]
        ).choices[0].message.content

技巧 8：监控账单，设预算上限

import time

class BudgetMonitor:
    """API 支出监控"""

    def __init__(self, monthly_budget=300):
        self.monthly_budget = monthly_budget  # 元
        self.spent = 0

    def check(self, estimated_cost):
        """检查是否超预算"""
        if self.spent + estimated_cost > self.monthly_budget:
            raise Exception(f"月度预算即将超支！已花 ¥{self.spent:.2f}，预算 ¥{self.monthly_budget}")
        self.spent += estimated_cost

    def estimate_cost(self, model, input_tokens, output_tokens):
        """估算本次调用成本"""
        prices = {
            "gpt-4": (0.21, 0.42),
            "gpt-4-turbo": (0.07, 0.14),
            "gpt-3.5-turbo": (0.004, 0.008),
        }
        input_price, output_price = prices.get(model, (0.07, 0.14))
        return (input_tokens * input_price + output_tokens * output_price) / 1000

# 使用
monitor = BudgetMonitor(monthly_budget=300)
cost = monitor.estimate_cost("gpt-4", 500, 1000)
monitor.check(cost)

省钱效果汇总

技巧	月省金额	难度
简单任务换便宜模型	¥120	⭐
限制输出长度	¥50	⭐
缓存重复请求	¥70	⭐⭐
压缩 prompt	¥30	⭐
批量处理	¥40	⭐⭐
本地模型替代	¥60	⭐⭐⭐
监控预算	防超支	⭐
streaming	不省钱但省时间	⭐
合计	约 ¥370/月

踩坑记录

坑 1：缓存 key 设计不合理

症状：同样的问题因为多了个空格，缓存没命中。

原因：缓存 key 对输入的微小变化敏感。

解决：对 messages 做 normalize（去空格、排序）后再计算 hash。

坑 2：便宜模型质量不够

症状：用 GPT-3.5-turbo 写文章，质量明显下降。

原因：简单任务用便宜模型没问题，但创作类任务质量差距大。

解决：按任务类型分级，创作类用 GPT-4/Claude，格式类用 GPT-3.5。

坑 3：批量 API 有延迟

症状：Batch API 提交后要等 24 小时才返回结果。

原因：Batch API 是异步的，不保证实时性。

解决：急的任务用实时 API，不急的（如批量文章生成）用 Batch API。

坑 4：Embedding 模型选错

症状：用了 text-embedding-3-large（最贵的 embedding），200 篇文章索引花了 ¥50。

原因：large 比 small 贵 5 倍，但对中文的提升有限。

解决：用 text-embedding-3-small，中文场景够用。

坑 5：忘记设 max_tokens

症状：一次调用输出了 4000 tokens，花了 ¥1.7。

原因：没有设 max_tokens，AI 自由发挥写了一大堆。

解决：每次都设 max_tokens，根据任务预估合理上限。

总结

3 条核心经验：

1. 按任务分级用模型。70% 的任务用 GPT-3.5-turbo 就够了，只在创作和复杂推理时用 GPT-4。这一步能省 40% 费用。

2. 缓存是最容易落地的省钱技巧。代码量小、效果明显，30% 的重复请求直接免费。

3. 监控账单比省钱更重要。设一个月度预算上限，超了就告警，避免"月底看到账单才发现花了 ¥1000"。

---

你每个月花多少钱在 AI API 上？有什么省钱经验？评论区交流。