模型采购与成本优化
这一页回答一个具体问题：同样的模型，从哪里买最划算，怎么用最省钱。
先说结论：小关API 的价值是统一入口 + 缓存优化 + 一个 key 调全模型， 不是「一定比官方便宜」。纯量大的场景，直接走厂商官方或云厂商 授权渠道往往更划算。下面把三类价格摆在一起，你自己算。
| 标记 | 含义 | 可信度 |
|---|---|---|
| 本站实测 | 小关API 生产环境实际扣费反推 | 已验证 |
| 官方标价 | 厂商自己公布的单价 | 已核对官方页面 |
| 估算 | 按比例推算，仅供规划 | 仅供参考 |
一、小关API 的实际价格
取自平台自身的模型倍率配置，与模型广场展示值逐项核对一致：
| 模型 | 输入 | 输出 | 缓存读取 | 缓存写入 |
|---|---|---|---|---|
MiniMax-M3.1-Flash | $0.3 / 1M | $1.2 / 1M | $0.03 / 1M | $0.375 / 1M |
MiniMax-M3 | $0.768 / 1M | $3.072 / 1M | $0.1536 / 1M | $0.768 / 1M |
MiniMax-M3 有长上下文档单次请求输入上下文超过 512K tokens 时整次请求上浮一档： 输入 $1.536 / 输出 $6.144 / 缓存读 $0.3072（每 1M）。
计费公式（与平台配置一致）：
扣费 = 输入 token × 0.15
+ 输出 token × 0.15 × 4
+ 缓存命中 token × 0.15 × 0.1
对应关系：
| 项 | 原始值 | 有效系数 | 每 1M token |
|---|---|---|---|
| 输入 | model_ratio = 0.15 | 0.15 | $0.3 |
| 输出 | completion_ratio = 4 | 0.15 × 4 = 0.6 | $1.2 |
| 缓存读 | cache_ratio = 0.1 | 0.15 × 0.1 = 0.015 | $0.03 |
| 缓存写入 | create_cache_ratio = 1.25 | 0.15 × 1.25 = 0.1875 | $0.375 |
这是最值得记住的一条：输出 token 单价是输入的 4 倍。 控制输出长度比压缩输入更有效。
二、厂商官方标价（已核对官方页面）
下面列的是厂商自己的公开单价，用来判断「绕开中转是否更便宜」。 平台所售档位的实际承载关系见 模型说明。
MiniMax
| 模型 | 输入 | 输出 | 缓存读取 |
|---|---|---|---|
MiniMax-M3.1-Flash | ¥1.00 | ¥4.00 | ¥0.10 |
MiniMax-M3（≤512k） | ¥4.20 | ¥16.80 | ¥0.84 |
MiniMax-M3（永久五折） | ¥2.10 | ¥8.40 | ¥0.42 |
官方价格页的语言模型表现在是 M3.1-Flash 与 M3。 「M2.5」在官方页面只出现在音乐模型的「历史模型 / 已下线」章节， 语言模型区没有它。
因此不要拿 M3.1-Flash 的价格去推断 M2.5 的价格——它们不是同一个模型，
也没有可比的官方标价。本站的 MiniMax-M3.1-Flash 是平台自己的档位命名，
对应关系以 模型说明 和控制台为准。
DeepSeek
| 项 | deepseek-flash | deepseek-v4-pro |
|---|---|---|
| 输入（缓存命中） | $0.003 / $0.006 | $0.022 / $0.044 |
| 输入（缓存未命中） | $0.15 / $0.3 | $0.66 / $1.32 |
| 输出 | $0.6 / $1.2 | $1.98 / $3.96 |
每格 低峰 / 高峰。高峰为 UTC 01:00–04:00 与 06:00–10:00（工作日， 不含中国法定节假日），其余时间（含周末）均为低峰，低峰价是高峰的一半。
把非实时的批处理任务排到 UTC 01:00–04:00 之后（北京时间 09:00–12:00 与 14:00–18:00 之外），单价直接砍半。
智谱 GLM
| 模型 | 上下文 | 输入 | 输出 | 缓存存储 | 缓存命中 |
|---|---|---|---|---|---|
GLM-5.3 | 1M | ¥8 | ¥28 | 限时免费 | ¥2 |
GLM-5.3-Flash | 1M | ¥0.8 | ¥2.8 | 限时免费 | ¥0.23 |
GLM-5.3-FlashX | 1M | ¥2 | ¥7 | 限时免费 | ¥0.57 |
Moonshot Kimi
- K3 系列上下文 1,048,576 tokens
- 重复请求前缀自动启用上下文缓存，TTL 默认 5 分钟
- Batch API：K3.1 Pro 与 K3 支持批量推理，各项费用为标准价的 60%
- K2 系列支持 262,144 tokens 上下文
三、怎么选：三条路对比
| 场景 | 建议 |
|---|---|
| 量小、模型多、想一把 key 调完 | 小关API —— 统一入口，省掉多家充值和账期 |
| 量极大、固定用一个模型 | 厂商官方 —— DeepSeek 低峰、GLM、Kimi 批量都比中转便宜 |
| 需要最新旗舰模型且严格合规 | 云厂商授权渠道（Bedrock / Vertex / Azure）—— 官方承载，单独计费 |
本站是 API 中转与聚合服务，不是模型厂商官方站点。部分厂商的政策约束 直连官方 API 的主体或地域，走 Cloud / Authorized Reseller 才是被认可的方式。
如果你所在主体可以合规直连官方，那通常直接买官方更便宜、也更稳。 需要严格等同官方模型时，也可联系我们接入官方承载通道， 与平替通道分开计费、分开报价。
四、在 小关API 上把成本压下来
1. 开缓存（省 90% 输入成本）
缓存命中后输入按 10% 计。触发条件是前缀完全一致且长度 ≥ 1024 token。
| 写法 | 结果 |
|---|---|
| 稳定系统提示词在前，本轮提问在后 | ✅ 稳定命中 |
| 系统提示词里塞时间戳 / 随机 ID | ❌ 每轮前缀都变，永不命中 |
| 动态内容放在最前面 | ❌ 越靠前破坏越大 |
| 每轮重写 system 文案 | ❌ 断点整体失效 |
详见 提示词缓存。
2. 压输出（输出贵 4 倍）
max_tokens卡到业务真实需要的上限- 明确要求「只输出结果，不要解释」
- 工具调用场景用结构化输出替代自然语言描述
3. 分层路由（高级）
长文总结、批量分类这类不追求即时的任务，放到低峰时段或走厂商 Batch API（Kimi 批量 6 折）；实时对话才走同步接口。
如需大批量离线任务的成本方案，可联系客服单独评估。
4. 令牌分组选对
default 与 vip 的倍率不同，倍率直接乘在基础价上。
量大的场景值得确认自己令牌所在分组的倍率。详见 令牌分组说明。
五、算账示例
假设每月 100M 输入 token + 20M 输出 token，全部走 MiniMax-M3.1-Flash：
| 项 | 本站价 | 估算 |
|---|---|---|
| 输入 | 100M × $0.3 = $30 | — |
| 输出 | 20M × $1.2 = $24 | — |
| 合计 | $54 / 月 | — |
同样的用量，如果全部命中缓存（输入按 10% 计）：
| 项 | 计费 |
|---|---|
| 输入 | 100M × $0.03 = $3 |
| 输出 | 20M × $1.2 = $24 |
| 合计 | $27 / 月 |
缓存把总价从 $54 打到 $27，降幅 50%——省下的 27 美元全部来自输入侧。 输入占比越高，缓存的价值越大。
六、常见误区
| 误区 | 实际 |
|---|---|
| 「输出倍率 0.6，比输入便宜」 | 错。completion_ratio = 4 是再乘 4 倍，输出比输入贵 4 倍 |
| 「缓存写入按 1.25 倍收费」 | 当前上游不回传缓存写入 token，实测写入按普通输入价计，未额外加价 |
「claude-opus-4-5 就是官方 Claude Opus」 | 错。它是 MiniMax-M3.1-Flash 的协议兼容入口，不是 Anthropic 官方模型 |
「MiniMax-M2.5 能一直用」 | 错。它已进入上游下线流程（2026-11-18 正式停用），新接入请用 MiniMax-M3.1-Flash |
| 「充值额度 = 能用的钱」 | 错。充值是增加额度，调用是扣额度，两者都看控制台 |