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

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

6 个月总支出：¥1,830

按模型拆分

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

Token 计费原理

省钱的前提是理解计费方式。

OpenAI 计费规则

Token 估算

1 个中文字 ≈ 1.5-2 个 token。

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。

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。

importhashlibimportjsonfrompathlibimportPath CACHE_DIR=Path("api_cache")CACHE_DIR.mkdir(exist_ok=True)defcached_call(messages,model="gpt-4",**kwargs):"""带缓存的 API 调用"""# 计算缓存 keycache_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ifcache_file.exists():returnjson.loads(cache_file.read_text(encoding="utf-8"))# 调用 APIresponse=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")returnresult

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 messagesystem="""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 messagesystem="""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)forchunkinstream:ifchunk.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"withopen(batch_file,"w")asf:fortaskintasks: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")defsmart_call(prompt,task_type="simple"):"""根据任务类型选择模型"""iftask_type=="simple":# 简单任务用本地模型returnlocal_client.chat.completions.create(model="qwen2.5:14b",messages=[{"role":"user","content":prompt}]).choices[0].message.contenteliftask_type=="complex":# 复杂任务用 GPT-4returnclient.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

importtimeclassBudgetMonitor:"""API 支出监控"""def__init__(self,monthly_budget=300):self.monthly_budget=monthly_budget# 元self.spent=0defcheck(self,estimated_cost):"""检查是否超预算"""ifself.spent+estimated_cost>self.monthly_budget:raiseException(f"月度预算即将超支！已花 ¥{self.spent:.2f}，预算 ¥{self.monthly_budget}")self.spent+=estimated_costdefestimate_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

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。