上个月看账单的时候心态有点崩——团队的AI API费用比预期高了一大截。
但我没换模型，没砍功能，代码改动加起来不超过10行，最后费用降了超过60%。
听起来像标题党？往下看。
---
## 先说最管用的一招：换API网关
这是我做的第一件事，也是效果最明显的。
什么是API网关？简单说就是一个中间商。它从OpenAI、Anthropic这些厂商批量采购API额度，然后以更低的价格转卖给你。你通过它调用API，享受批量采购的折扣。
就像去批发市场买水果，虽然批发商也赚钱，但你买到手的价格还是比便利店便宜得多。
我试了几家，最后选了 Crazyrouter。原因很简单：
第一，价格确实低。海外模型统一低于官方定价，国产模型更是便宜到几乎可以忽略。
第二，627个模型一个Key搞定。不用注册一堆账号，OpenAI一个、Anthropic一个、Google一个……一个Key全搞定。
第三，额度永不过期。充多少用多少，不会三个月不用就清零。
第四，全球7个节点。国内走香港或日本节点，延迟很低。
切换代码真的只要改两行：
```python
from openai import OpenAI
client = OpenAI(
base_url="网关地址/v1", # 改成你的网关地址
api_key="your-gateway-key" # 改成你的Key
)
# 下面的代码一行都不用动
response = client.chat.completions.create(
model="gpt-5.2",
messages=[{"role": "user", "content": "你好"}]
)
```
完全兼容OpenAI SDK，Function Calling、Vision、流式输出全部正常。跑了一周零异常。
光这一步，月费就大幅降低了。
---
## 第二招：别什么任务都用最贵的模型
这是很多人的通病。一条简单的文本分类，用Claude Opus来做？就好比叫外卖炒个蛋炒饭，非要请米其林大厨，味道差不多但价格差了100倍。
我的做法是按任务分配模型：
简单任务（分类、提取、问答）→ DeepSeek R1，成本极低，准确率只差1-2个百分点。
中文任务（翻译、总结、写作）→ Qwen Max，中文理解力某些维度比GPT还好。
需要创意的（对话、文案）→ GPT-5.2。
复杂任务（代码、推理）→ Claude Opus，确实最强，值得用贵的。
长文档 → Gemini 3 Pro，上下文窗口大。
```python
def get_model(task):
models = {
"classification": "deepseek-r1",
"translation": "qwen-max",
"conversation": "gpt-5.2",
"coding": "claude-opus-4.6",
"long_doc": "gemini-3-pro",
}
return models.get(task, "claude-sonnet-4.5")
```
我做了A/B测试：DeepSeek R1在分类任务上准确率94.2%，Claude Opus是95.8%，差1.6个百分点，但成本差了两个数量级。
把批量处理任务全切到DeepSeek后，费用又降了一截。
---
## 第三招：少花token，多办事
Token就是钱。每多一个无意义的token，就是在烧钱。
几个立竿见影的技巧：
**精简系统提示词。** 系统提示词每次请求都会发，调用1万次就发1万次。
优化前（287 tokens）：
> 你是一个非常有帮助的AI助手，你需要尽可能详细和全面地回答用户的问题。在回答时，请确保你的回答是准确的、有用的……
优化后（42 tokens）：
> 简洁准确回答。中文。不确定则说明。
效果一样，token减少85%。
**强制结构化输出。** 模型默认会输出很多"废话"——"好的，让我来帮你分析一下……综上所述……"加上 `response_format={"type": "json_object"}` 后，输出token减少30-50%。
**控制max_tokens。** 只需要一句话的回答，别让模型写一篇文章。
**先试Zero-shot。** 2026年的模型大部分任务不需要Few-shot示例了，每个示例都要消耗几百个input token。
四个技巧叠加，平均token消耗降了约18%。
---
## 第四招：缓存
如果你的应用有大量相似查询（客服系统、FAQ机器人），缓存是你的好朋友。
最简单的做法——精确匹配缓存：
```python
import hashlib, redis, json
r = redis.Redis()
def cached_completion(model, prompt, ttl=3600):
key = f"llm:{model}:{hashlib.md5(prompt.encode()).hexdigest()}"
cached = r.get(key)
if cached:
return json.loads(cached) # 命中！省一次API调用
response = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": prompt}]
)
result = response.choices[0].message.content
r.setex(key, ttl, json.dumps(result))
return result
```
我们客服系统上了缓存后，API调用量减少了32%。将近三分之一的问题是重复的，这部分直接变成Redis查询，成本几乎为零。
---
## 国产模型：省钱的终极武器
最后重点说说国产模型。
2026年的国产大模型已经非常能打了。DeepSeek R1在推理任务上达到GPT-4级别，Qwen Max的中文能力某些维度超过GPT-5.2。
而通过Crazyrouter调用国产模型，价格优势非常明显。用DeepSeek R1处理日常任务，月费可以控制在一杯咖啡以下。
我的终极建议：
1. 能用国产模型的任务全部切过去。翻译、总结、分类、提取——国产模型完全胜任，中文场景下往往更好。
2. 复杂任务再用海外模型，通过网关也能享受更优惠的价格。
3. 这样搭配下来，整体费用能降到原来的三分之一甚至更低。
---
## 总结
四个策略按优先级：
1. 换API网关（5分钟，改两行代码，立刻见效）
2. 智能路由（1小时，简单任务用便宜模型）
3. Prompt优化（半天，精简提示词+控制输出）
4. 语义缓存（1-2天，重复请求不重复付费）
如果只能做一件事，那就换网关。5分钟搞定，投入产出比最高。
---
感兴趣的话搜 **Crazyrouter** 就能找到，注册就送额度，可以先试试。
