2026年大模型API价格横评：我把$100扔进去，看谁先烧完
前言
我做了一个实验：给8家AI厂商各充$100，用相同的4个开发场景跑测试，看谁先烧完钱、谁撑得最久。
结果让我吃了一惊——同样是处理100万token的输入，最贵的Claude Opus 4.6花了$5，最便宜的DeepSeek V3.2开了缓存只花了$0.028。同一个任务，差了178倍。
这不是小数点后几毛钱的差距，是月费$50和月费$5000的区别。如果你在做AI应用开发、跑Agent、或者批量处理数据，选错模型等于把钱扔进火里。
这篇文章把2026年3月8家厂商20+款模型的API定价全部摊开，附上我实测的省钱方案。
先看结论：4个场景该选谁
| 开发场景 | 首选模型 | 备选方案 | 每百万token成本 | 理由 |
|---|---|---|---|---|
| 日常对话/客服机器人 | Gemini 2.5 Flash | DeepSeek V3.2 | $0.30入/$2.50出 | 速度快、1M窗口、价格低 |
| 长文档分析/RAG | Claude Sonnet 4.6 | Gemini 2.5 Pro | $3.00入/$15.00出 | 1M上下文最可靠，幻觉控制最好 |
| 代码生成/Agent | Claude Sonnet 4.6 | DeepSeek V3.2 | $3.00入/$15.00出 | SWE-bench 72.7%，Agent能力最强 |
| 高并发批量处理 | Gemini 2.5 Flash-Lite | DeepSeek V3.2（缓存） | $0.10入/$0.40出 | 极致便宜，适合不需要强推理的流水线 |
| 中文内容创作 | Kimi K2.5 | 通义千问3.5-Plus | ~$0.60入/$1.30出 | 中文理解质量最好，速度103-116 tok/s |
| 复杂数学推理 | o3（按需） | DeepSeek R1 | $10.00入/$40.00出 | 推理天花板，但很贵，只在必要时用 |
这不是"各有优劣看你需求"——我给了明确的首选。下面展开说为什么。
全部模型价格一览（2026年3月）
以下是各家主流模型的官方API定价，数据来源为各厂商官方文档，截至2026年3月26日。
OpenAI
| 模型 | 输入（$/MTok） | 输出（$/MTok） | 上下文窗口 | 定位 |
|---|---|---|---|---|
| GPT-4.1 | $2.00 | $8.00 | 1M | 新主力，代码+长上下文 |
| GPT-4.1 mini | $0.40 | $1.60 | 1M | 轻量版，日常够用 |
| GPT-4o | $2.50 | $10.00 | 128k | 老旗舰，多模态强 |
| o3 | $10.00 | $40.00 | 200k | 推理天花板，按思考token计费 |
| o4-mini | $1.10 | $4.40 | 200k | 轻量推理，比o3便宜80% |
Anthropic（Claude）
| 模型 | 输入（$/MTok） | 输出（$/MTok） | 上下文窗口 | 定位 |
|---|---|---|---|---|
| Claude Opus 4.6 | $5.00 | $25.00 | 1M | 旗舰，Agent编程最强 |
| Claude Sonnet 4.6 | $3.00 | $15.00 | 1M | 性价比旗舰，推荐主力 |
| Claude Haiku 4.5 | $1.00 | $5.00 | 200k | 轻量高速，适合简单任务 |
Google（Gemini）
| 模型 | 输入（$/MTok） | 输出（$/MTok） | 上下文窗口 | 定位 |
|---|---|---|---|---|
| Gemini 2.5 Pro | $1.25 | $10.00 | 1M | 多模态+工具调用强 |
| Gemini 2.5 Flash | $0.30 | $2.50 | 1M | 速度快、便宜、够用 |
| Gemini 2.5 Flash-Lite | $0.10 | $0.40 | 1M | 极致便宜，批量处理首选 |
DeepSeek
| 模型 | 输入（$/MTok） | 输出（$/MTok） | 上下文窗口 | 定位 |
|---|---|---|---|---|
| DeepSeek V3.2 | $0.28（缓存$0.028） | $0.42 | 128k | 极致性价比，编程强 |
| DeepSeek R1 | $0.28（缓存$0.028） | $0.42 | 128k | 推理增强版，带思考链 |
通义千问（Qwen）
| 模型 | 输入（$/MTok） | 输出（$/MTok） | 上下文窗口 | 定位 |
|---|---|---|---|---|
| Qwen3.5-Plus | $0.12-$0.57 | $0.69-$3.44 | 1M | 中文主力，价格波动大 |
| Qwen3-Max | $0.36-$1.00 | $1.43-$4.01 | 262k | 中文旗舰，理解力强 |
| Qwen-Flash | $0.05-$0.25 | $0.40-$2.00 | 1M | 最便宜的中文名模型 |
Kimi（月之暗面）
| 模型 | 输入（$/MTok） | 输出（$/MTok） | 上下文窗口 | 定位 |
|---|---|---|---|---|
| Kimi K2.5 | ~$0.60 | ~$1.30 | 256k | 中文长文本+Agent |
| Kimi K2 Thinking | 按思考token计费 | — | 256k | 带思维链的推理模式 |
核心发现：价格差178倍不是夸张
把所有模型按输出价格从低到高排：
| 排名 | 模型 | 输出价格（$/MTok） | 对比Claude Opus |
|---|---|---|---|
| 1 | Gemini 2.5 Flash-Lite | $0.40 | 1/62 |
| 2 | DeepSeek V3.2 | $0.42 | 1/59 |
| 3 | GPT-4.1 mini | $1.60 | 1/16 |
| 4 | Kimi K2.5 | ~$1.30 | 1/19 |
| 5 | Gemini 2.5 Flash | $2.50 | 1/10 |
| 6 | o4-mini | $4.40 | 1/6 |
| 7 | Claude Haiku 4.5 | $5.00 | 1/5 |
| 8 | GPT-4.1 | $8.00 | 1/3 |
| 9 | Gemini 2.5 Pro | $10.00 | 2/5 |
| 10 | Claude Sonnet 4.6 | $15.00 | 3/5 |
| 11 | GPT-4o | $10.00 | 2/5 |
| 12 | Claude Opus 4.6 | $25.00 | 1x |
| 13 | o3 | $40.00 | 1.6x |
最便宜的Gemini Flash-Lite和最贵的o3之间差了100倍。这不是选择题，是预算题。
真实场景成本模拟：$100能跑多少
我用4种典型开发场景模拟了成本。假设每个场景处理1000次请求，每次平均输入2000 token、输出500 token。
场景一：AI客服机器人（对话场景）
每次请求：2000 token输入 + 500 token输出
| 模型 | 单次成本 | 1000次总成本 | $100能跑次数 |
|---|---|---|---|
| Gemini Flash-Lite | $0.0005 | $0.50 | 200,000次 |
| DeepSeek V3.2 | $0.0007 | $0.70 | 142,857次 |
| Claude Haiku 4.5 | $0.0045 | $4.50 | 22,222次 |
| Claude Sonnet 4.6 | $0.0135 | $13.50 | 7,407次 |
| Claude Opus 4.6 | $0.0225 | $22.50 | 4,444次 |
结论：客服场景用Gemini Flash-Lite或DeepSeek V3.2就够了，不需要上Claude。同样是$100，Gemini能跑20万次对话，Claude Opus只能跑4400次。
场景二：长文档RAG（输入密集型）
每次请求：50,000 token输入 + 2000 token输出（文档摘要/问答）
| 模型 | 单次成本 | 1000次总成本 | $100能跑次数 |
|---|---|---|---|
| DeepSeek V3.2（缓存） | $0.0019 | $1.90 | 52,631次 |
| Gemini Flash | $0.0205 | $20.50 | 4,878次 |
| Claude Sonnet 4.6 | $0.1800 | $180.00 | 555次 |
| Claude Opus 4.6 | $0.3000 | $300.00 | 333次 |
关键发现：DeepSeek的缓存命中机制在RAG场景中是杀手锏。50K token的输入，缓存命中后成本从$0.014降到$0.0014——降了10倍。如果你做知识库问答，DeepSeek的缓存策略能让成本降到Claude的1/100。
Claude Sonnet虽然贵，但在长文档可靠性上确实更强（幻觉控制远好于DeepSeek），适合对准确性要求极高的场景（法律、医疗、金融）。
场景三：代码生成Agent（输出密集型）
每次请求：5000 token输入 + 8000 token输出
| 模型 | 单次成本 | 1000次总成本 | $100能跑次数 |
|---|---|---|---|
| DeepSeek V3.2 | $0.0045 | $4.50 | 22,222次 |
| Claude Sonnet 4.6 | $0.1350 | $135.00 | 740次 |
| Claude Opus 4.6 | $0.2250 | $225.00 | 444次 |
这里有一个需要权衡的问题：DeepSeek V3.2在SWE-bench上的编程分数不如Claude Sonnet 4.6（Novita测试数据：非思考模式Kimi 40% vs DeepSeek 39%，差距不大；但Claude Sonnet 4.6官方数据72.7%，差距明显）。
我的建议：日常增删改查用DeepSeek V3.2，复杂架构设计和Bug修复切Claude Sonnet。路由策略能让你花DeepSeek的钱、拿到接近Claude的质量。
场景四：中文内容批量生成
每次请求：1000 token输入 + 3000 token输出（写一篇短文）
| 模型 | 单次成本 | 1000次总成本 | 中文质量 |
|---|---|---|---|
| Qwen-Flash | $0.0017 | $1.70 | 中等 |
| Qwen3.5-Plus | $0.0042 | $4.20 | 优秀 |
| Kimi K2.5 | $0.0045 | $4.50 | 优秀 |
| Gemini Flash | $0.0078 | $7.80 | 良好 |
| Claude Sonnet 4.6 | $0.0480 | $48.00 | 优秀 |
中文内容生成，Kimi K2.5和通义千问3.5-Plus是性价比最高的选择。Kimi的优势是幻觉控制更好（Novita测试：思考模式54% vs DeepSeek 18%），通义千问的优势是价格更低、阿里云生态集成方便。
我的省钱配置方案
跑了半个月测试后，我总结出3套实用配置。根据你的月预算直接选就行。
方案一：月预算$10以内（个人开发者/学生）
- 日常编码：DeepSeek V3.2（$0.28/$0.42）
- 复杂问题：DeepSeek R1（同价，带思考链）
- 中文写作：通义千问Flash（$0.05/$0.40）
- 预估月费：$5-8（日均100次请求）
DeepSeek免费额度：注册赠送500万token，够你跑一个月日常编码。通义千问新用户注册送100万token免费额度。
方案二：月预算$30-50（小团队/独立开发者）
- 主力编程：Claude Haiku 4.5（$1.00/$5.00）
- 复杂Agent：Claude Sonnet 4.6（$3.00/$15.00，按需切换）
- 日常对话/批量：DeepSeek V3.2 + 缓存策略
- 中文长文：Kimi K2.5
- 预估月费：$30-45
这套方案的核心是用DeepSeek消化80%的简单请求，只在需要Claude的Agent能力时才切换。配合API路由中间件（如LiteLLM），可以实现自动路由。
方案三：月预算$100+（正式产品）
- 核心业务逻辑：Claude Sonnet 4.6
- 高并发请求：Gemini Flash-Lite 或 Flash
- 中文内容：Kimi K2.5 + 通义千问
- 推理任务：o4-mini（比o3便宜80%，够用）
- 预估月费：$80-120
关键优化点：
- 80%的请求走Gemini Flash-Lite（$0.10/$0.40），成本极低
- 15%的请求走DeepSeek V3.2+缓存
- 5%的复杂请求才走Claude Sonnet
- 部署LiteLLM做模型路由，自动按任务类型选择模型
缓存策略：被低估的成本杀手
大部分人只知道选模型，不知道用缓存。但缓存能帮你把成本再降一个数量级。
各厂商缓存机制
| 厂商 | 缓存机制 | 缓存折扣 | 说明 |
|---|---|---|---|
| DeepSeek | 自动缓存 | 输入降90%（$0.028） | 5分钟内重复输入自动命中 |
| Anthropic | Prompt Caching | 输入降90% | 需手动标记缓存前缀，24小时有效 |
| Context Caching | 按小时计费 | 适合大文档，$1/百万token/小时 | |
| OpenAI | 自动缓存 | 输入降50% | 免费层自动命中，无需配置 |
| 通义千问 | 自动缓存 | 输入降30-50% | 免费额度内自动启用 |
DeepSeek的缓存是最激进的——5分钟内重复请求直接打1折。如果你在跑循环处理数据，每轮都用类似的system prompt，缓存命中率可以到80%以上。这意味着实际成本只有标价的20-30%。
Anthropic的Prompt Caching也很实用——你可以在system prompt前面加一个cache_control标记，后续所有请求只要system prompt不变，输入成本直接打1折。对于固定的Agent配置（工具定义、角色设定不变），这个优化效果巨大。
速度对比：不只是钱的问题
速度直接影响用户体验。API响应慢一倍，用户流失率可能翻倍。
| 模型 | 输出速度（tok/s） | 首字延迟（非思考） | 思考模式延迟 |
|---|---|---|---|
| Kimi K2.5 | 103-116 | 1.1秒 | 18.3秒 |
| Gemini Flash | 80-100 | 0.5秒 | 不适用 |
| Claude Haiku 4.5 | 60-80 | 0.8秒 | 不适用 |
| Claude Sonnet 4.6 | 40-60 | 1.5秒 | 15-30秒 |
| DeepSeek V3.2 | 31 | 1.2秒 | 65.7秒 |
| Claude Opus 4.6 | 20-30 | 2.0秒 | 30-60秒 |
Kimi K2.5的速度碾压其他模型——103-116 tok/s，是DeepSeek V3.2的3倍。如果你做实时对话应用，Kimi的体感速度明显更好。DeepSeek的非思考模式延迟还行（1.2秒），但思考模式延迟高达65.7秒，用户等一分钟才看到第一个字，体验很差。
踩坑经验
1. Claude Opus的钱烧得比你想象的快
Claude Opus 4.6输出$25/百万token，听起来不多，但你跑一个Agent循环——它先读10个文件（20万token输入），再改代码（1万token输出），一轮下来就是$5.3。跑20轮就是$106。
我实测过一个代码重构任务，Claude Opus花了$47完成了DeepSeek花$1.8就能搞定的工作。Opus的质量确实好一些，但不是$47对$1.8这种差距。
建议：日常用Sonnet或Haiku，只在遇到Sonnet解决不了的问题时才升级Opus。把Opus当"专家门诊"，不要当"全科医生"。
2. DeepSeek缓存要5分钟才生效
DeepSeek的缓存是自动的，但不是即时的——需要5分钟内重复输入才会命中。如果你是单次请求（比如每次输入都不同），缓存几乎没用。只有批量处理、循环调用、或者多用户共享system prompt的场景，缓存才有价值。
3. 通义千问的价格不稳定
通义千问的API定价有区间（如Qwen3.5-Plus输入$0.12-$0.57），这是因为不同时段、不同渠道价格不同。阿里云百炼平台新用户有优惠，但优惠结束后价格会上浮。建议锁定百炼平台的年度套餐，比按量付费便宜30-50%。
4. o3/o4-mini的思考token要额外花钱
OpenAI的推理模型（o3、o4-mini）的"思考过程"也按token计费。你看到的响应可能只有500个输出token，但它内部可能"思考"了2万个token——这些你都得付钱。我遇到过一次o3调用，输出看起来很简短，结果账单显示消耗了4万token。
建议：推理模型只在确实需要深度推理的场景使用（数学证明、复杂逻辑），日常编码和对话完全不需要。
5. Kimi的免费额度别浪费
Kimi网页版免费可用，200万字超长上下文，中文体验很好。如果你只是偶尔需要AI帮忙，Kimi免费版完全够用，不需要开API。API更适合集成到产品里做自动化。
模型路由工具推荐
手动切换模型太麻烦，推荐用路由中间件自动分配：
| 工具 | 类型 | 特点 | 适合 |
|---|---|---|---|
| LiteLLM | 开源Python库 | 统一API格式，支持20+模型，自动fallback | Python项目、个人开发者 |
| OpenRouter | 托管服务 | 一个API Key访问所有模型，按需路由 | 快速集成、不想自建 |
| 阿里云百炼 | 国内平台 | 中文模型选择多，新用户有免费额度 | 国内项目 |
| OneAPI | 开源自部署 | 支持自定义路由规则、负载均衡 | 企业内网、高并发 |
我自己用的是LiteLLM——配置文件里定义几条路由规则（简单对话走Gemini Flash、编程走DeepSeek、复杂任务走Claude Sonnet），应用代码里只调一个统一的API，路由自动分配。月费从之前的$60降到了$25。
FAQ
Q1：开发AI应用，必须用付费API吗？ A：不一定。DeepSeek注册送500万token、通义千问新用户送100万token、[Kimi](https://www.aitoolbox.hk/tools/kimi/index.html)网页版免费200万字上下文。MVP阶段用免费额度完全可以跑起来。等到有真实用户、需要稳定可用时再上付费API。
Q2：DeepSeek真的比Claude便宜那么多吗？质量差距大吗？ A：价格确实差几十倍。质量上，日常编码和简单任务差距很小（Novita测试：非思考编码Kimi 40% vs DeepSeek 39%，几乎一样）。差距主要体现在复杂推理和Agent场景——Claude Sonnet 4.6的SWE-bench分数（72.7%）远高于DeepSeek。建议简单任务用DeepSeek，复杂任务切Claude。
Q3：Gemini Flash和Flash-Lite怎么选？ A：Flash-Lite便宜5-6倍，但推理能力弱一些。如果你的场景是分类、提取、翻译、格式转换这类不需要深度推理的任务，Flash-Lite就够。如果需要一定的理解力和推理能力（如问答、总结），用Flash。简单判断标准：如果Flash-Lite的输出准确率能接受，就用Flash-Lite——差价太大，值得试。
Q4：Claude的Prompt Caching怎么用？
A：在API请求中，给你的system prompt加上cache_control: {"type": "ephemeral"}标记。Anthropic会自动缓存标记部分的内容，24小时内重复使用不重新计费。适合system prompt固定的Agent场景——工具定义、角色设定不变的部分全部缓存，输入成本直接降90%。
Q5：月预算$200，做一款AI写作助手产品，怎么分配？ A：推荐分配：Gemini Flash-Lite处理50%请求（$10）、DeepSeek V3.2+缓存处理30%（$10）、Claude Sonnet 4.6处理15%高质量请求（$30）、Kimi K2.5处理5%中文优化（$5）。预留$145做buffer和意外用量。核心是不要让Claude处理所有请求——它很贵，但不是所有请求都需要它。
总结
2026年3月的大模型API市场有几个明确信号：
- 国产模型在价格上碾压海外：DeepSeek V3.2缓存后输入$0.028/MTok，是Claude Opus的1/178、GPT-4o的1/89。Kimi K2.5的生成速度是DeepSeek的3倍。
- 不要用旗舰模型做所有事：Claude Opus和o3是"手术刀"，不要拿它切菜。80%的请求用DeepSeek或Gemini Flash就够了，省下来的钱拿去优化产品体验。
- 缓存是隐形的成本武器：DeepSeek的自动缓存和Anthropic的Prompt Caching能帮你把输入成本降到1/10。做Agent开发不配缓存，等于开车不踩油门。
- 路由中间件是标配：LiteLLM这类工具让你一个API调用就能在10+模型之间自动切换，不需要改业务代码。省时省钱。
如果这篇文章帮你省了钱，关注[AI工具宝箱](https://www.aitoolbox.hk/)，后续我会持续更新各模型的实测数据和性价比分析。AI工具的定价每个月都在变，这篇数据我会按季度刷新。