这篇文章写给独立开发者和副业做小工具的人。预算有限，但又想用上大模型能力，常见的坑是：模型选贵了、上下文塞太多、调用没节制，月底账单一看，钱花得莫名其妙。下面从选型、省token、管额度三个层面说清楚。
一、模型分层，别拿旗舰模型干杂活
思路很简单：便宜模型打底，贵模型兜底。分类、抽取、格式转换这些任务，用 DeepSeek、Qwen-turbo、GLM-4-flash 这类国产模型完全够用，输入价格普遍在 1 元/百万 token 上下。需要复杂推理或高质量写作时，再切到旗舰模型。
海外模型里，GPT-4o-mini、Gemini Flash、Claude Haiku 都是便宜档，输入约 0.15 美元/百万 token。做个对比：同样 100 万 token 的日常问答，旗舰模型要几十美元，mini 档不到 1 美元。差价不是一点半点。
实现上建议封装一个路由层，按任务类型选模型，而不是全局写死一个：
二、省 token 的四个习惯
第一，永远设 max_tokens。不设上限，模型可能啰嗦输出一大段，钱就白花了，一般 512 够用。
第二，控制上下文长度。历史对话别无限追加，只保留最近 N 轮，或者做摘要压缩。很多项目 80% 的 token 都花在重复粘贴的历史消息上。
第三，能缓存就缓存。相同或相似的请求先查本地缓存，语义相近的可以用 embedding 做相似度匹配。常见问题的答案命中率往往不低。
第四，失败重试要带退避。网络抖动时疯狂重试，等于重复计费。设个超时和指数退避：
三、额度管理：把免费额度用起来
主流平台新用户都有免费额度，注册多个平台的账号，用不同 key 分开跑不同任务，等于免费试错。用环境变量管理 key，别硬编码进代码里。
日常要监控用量。多数平台控制台能看到每日消耗，也可以在代码里埋个计数，超过阈值就发通知。给 key 分等级：测试用低配额 key，生产用正式 key，避免测试脚本把额度跑光。
具体案例：一个做文档摘要的小工具，原来全走 GPT-4o，每月约 25 美元。改成先用规则和关键词预筛，命中不了再走 qwen-turbo 做摘要，只有超过 5000 字的长文档才切到旗舰模型，月成本降到 3 美元左右，效果基本没差。
一句话总结：省钱的核心不是找最便宜的模型，而是让每个任务都用刚好够用的那个模型，并且管住上下文和重试。
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。