你的 AI 账本，钱花在哪了？

面向技术 / CTO —— 估算年度模型成本，并定位「不是换模型能解决」的结构性浪费。

01 · 成本Token 成本诊断

面向技术 / CTO · 约 1 分钟 · 免费 · 无需留资

已用一组默认工程参数生成基础结果，打开即看；拖动滑块 / 点选症状即时刷新——不填也能看，越填越贴近真实账本。

先对号入座（可多选 · 仅影响建议口径，不强制）： 账单月月涨、说不清谁在用多业务共用一张账单，看不见钱流 一限流就临时切更贵模型高峰被限流，只能高配救急 高频请求反复全价生成没有缓存 / 去重，同一答案反复算 想降本又怕伤体验不敢动，怕用户觉得慢 / 笨

日均模型调用量5万

全业务线的日均调用总量（次）

平均输入 Token / 次2000

单次请求平均携带的上下文长度

平均输出 Token / 次800

生成回复的平均长度

混合单价（输入+输出）$3.5/ 百万 Token

按你目前的用模组合折算的均价

高频可缓存调用占比40%

可走缓存 / 去重 / 简单模型的重复请求占比

工程对接 · 技术落地方案

以上是基础结论。想把数字落到可执行的路由分级 / 缓存去重 / 用量看板方案？留下联系方式，工程师 1 对 1 对接。