你是个独立开发者，想用大模型做点东西——写个智能助手、自动处理文本、甚至跑个聊天机器人。但一打开API定价页面，脑袋就懵了：gpt-4一美元几百万token，按次收费的中文模型动辄每千字几毛钱，不小心调错一次，额度就哗哗流走。这篇攻略不讲大道理，只针对一个场景：你一个人、没有公司账户、预算一个月几十到几百块，怎么把AI API用得又稳又省。
---
很多人一上来就调gpt-4或Claude-3.5，结果返回来一段“好的，我来帮你生成摘要”，费用却花了2毛钱。实际上，80%的任务根本不需要顶级模型。省钱第一定律：小模型干小活，大模型干大活。
- 翻译/摘要/分类：用gpt-3.5-turbo或国内的小模型（如DeepSeek-v2、GLM-4-Flash），成本是gpt-4的1/20。实测gpt-3.5对常见英文问答的准确率超过90%，中文也够了。 - 代码生成/复杂推理：才上gpt-4或Claude-3.5，但注意控制输出长度——很多推理问题只需要几十个token就能回答，你却设了2048。 - 一口价模型要小心：某些平台按“次”收费（比如一次0.1元，不限token），看起来便宜，但如果你每次只问一句话，它反而比按token计费贵。算清楚。
选模型前，先用免费额度跑10个测试用例，看小模型能不能接受。能，就不升级。
---
浪费最大的一笔钱是重复请求和无意义长输出。两个技巧能拦下70%的浪费：
1. 缓存是亲爹 同样的用户问题，可能一天内出现十次。在本地或Redis里存一下结果，键用prompt+参数哈希。简单实现只要几行代码（Python示例）：
def get_cached(prompt, model="gpt-3.5-turbo"):
key = hashlib.md5((prompt+model).encode()).hexdigest()
if key in cache:
return cache[key]
result = call_api(prompt, model) # 你的真实调用
cache[key] = result
return result
`
2. 调低max_tokens
API默认的max_tokens通常是2048或4096，但很多简单问答实际只需要100-200。显式设置成 max_tokens=200，返回自动截断。比如翻译“Hello”只需要一个词，别让它给你一套解释。调这个参数，能让单次费用从0.01美元降到0.0005美元。
---
个人开发者最怕的是：测试时忘了关循环，半夜跑了三千次请求，第二天发现余额只剩几毛。额度管理不是设个预算上限就行，要实时监控。
- 用API的配额功能：OpenAI允许你设置月度限额（在账户Billing页面），超限自动拒绝请求。推荐设成预算的80%，留20%应急。
- 写个本地计数器：每次调用后记录模型、token数、成本，打一行日志。比如用Python的logging模块，每天导出看哪个prompt最花钱。几周下来，你就能识别出那些“问一次花5毛钱”的无用功能。
- 避免流式输出的长连接：流式（stream=True）用于实时对话，但如果你只是拿来做后台批处理，关掉流式，一次性请求更省钱——因为流式会按每个chunk计费，中间断开也不会退钱。
---
拿我做的一个自动标题生成功能为例：用gpt-4，每次平均输入2000 token，输出50 token，成本约0.015美元（按gpt-4-turbo价格）。一天100次，一个月45美元。换成gpt-3.5-turbo，同任务质量评分下降不到5%，成本降到0.0003美元/次，一个月不到1美元。省了45倍。
再比如用国内模型平台（如智谱GLM-4-Flash），免费额度100万token/天，对个人开发者来说几乎等于不花钱。如果你对中文生成质量要求不高，完全可以先在免费额度里跑完所有验证，再决定是否付费。
另一个实用技巧：用批量接口。很多API支持批量提交（Batch API），费用打五折，延迟稍高但适合非实时任务。比如每天定时跑一堆邮件摘要，用Batch API比单独请求省一半。
---
省钱的核心不是少用，而是精用——小模型做简单事、缓存拦重复请求、把max_tokens打到最小，剩下的那点钱，够你给服务器续命一年。
如果你也想试试一个Key调多个模型的方便，可以看看充站——¥50起步，额度永久有效，用支付宝/微信就能付款。