# ~1/7 成本对比是怎么算出来的 - GateLLM

> 公开成本对比的全部输入:默认预设、模型目录价格与出处、成本与能力公式、执行模型敏感性,以及这个比值不包含什么。

规范链接: https://www.gatellm.io/zh-CN/methodology/

## 成本对比是怎么算出来的

计算器和首页对比背后的输入,公开出来,让你能复算而不是只能相信。

本页每一个数字都是构建时算出来的,用的是计算器同一批模块:模型目录、混搭模型和公开价目表。没有任何一个数字是手写进文案的。

## 这一页说明什么

在默认预设下,混搭成本是全前沿模型基线的 16%,约等于 6 分之一;同时能力分保留了基线的 97.3%。两个数都是下面公式的输出,不是宣传语。

## 默认场景

计算器打开时只有一个场景:每月 300亿 tokens,其中 10% 是输出,90% 的执行交给开源档模型,input 的缓存命中率为 80%。规划模型是 Claude Opus 5.5;执行模型是 DeepSeek V4.1 Flash。这些是示意性的企业用量,不是任何客户的实测。

### 默认预设

| 输入 | 取值 | 出处 |
| --- | --- | --- |
| DEFAULT_MIX_INPUT.monthlyTokens | 300亿 | shared/mix-economics.ts |
| DEFAULT_MIX_INPUT.outputRatio | 10% | shared/mix-economics.ts |
| DEFAULT_MIX_INPUT.openShare | 90% | shared/mix-economics.ts |
| DEFAULT_MIX_INPUT.cacheHitRate | 80% | shared/mix-economics.ts |
| DEFAULT_MIX_INPUT.plannerId | Claude Opus 5.5 | shared/model-catalog.ts |
| DEFAULT_MIX_INPUT.executorId | DeepSeek V4.1 Flash | shared/model-catalog.ts |
| INTRINSIC_PLANNING_FRAC | 10% | shared/mix-economics.ts |

## 用到的价格

挂牌价取自厂商定价页,目录采集日为 2026-11-02。BYOK 下你直接按这些价格付费,GateLLM 不加价。当厂商对同一模型公布多个价格时,目录取较高的那一个 —— 也就是会让我们的省钱幅度显得更小的方向。

### 目录价格(每百万 token,USD)

| 模型 | 厂商 | 输入 | 输出 | 缓存输入 | 出处 |
| --- | --- | --- | --- | --- | --- |
| Claude Sonnet 5.5 | Anthropic | $2 | $10 | $0.10 | https://platform.claude.com/docs/en/about-claude/pricing |
| Claude Opus 5.5 | Anthropic | $4 | $20 | $0.20 | https://platform.claude.com/docs/en/about-claude/pricing |
| Claude Fable 5.1 | Anthropic | $10 | $50 | $0.25 | https://platform.claude.com/docs/en/about-claude/pricing |
| GPT-6 Astra | OpenAI | $10 | $50 | $1 | https://developers.openai.com/api/docs/pricing |
| Claude Haiku 5.5 | Anthropic | $0.10 | $0.50 | $0.01 | https://platform.claude.com/docs/en/about-claude/pricing |
| GLM-5.3-Flash | Zhipu | $0.15 | $0.50 | $0.03 | https://docs.z.ai/guides/overview/pricing |
| DeepSeek V4.1 Flash | DeepSeek | $0.30 | $1.20 | $0.006 | https://api-docs.deepseek.com/quick_start/pricing/ |
| Qwen3.8-Max | Alibaba | $2 | $6 | $0.25 | https://www.alibabacloud.com/help/en/model-studio/qwen3-8-max |

## 成本比值怎么算

基线把所有流量交给规划模型,并应用同样的缓存假设。混搭把 90% 的流量交给执行模型。比值是混搭除以基线:在默认预设下是 16%,约 6 分之一。按绝对值是:基线 $86K/月,混搭 $13K/月,每月省下 $73K。

### 默认预设下的月度成本

| 项目 | USD / 月 | 说明 |
| --- | --- | --- |
| 规划模型输入 | $3K | 已计入缓存折扣 |
| 规划模型输出 | $6K |  |
| 执行模型输入 | $2K | 已计入缓存折扣 |
| 执行模型输出 | $3K |  |
| 基线（全部走规划模型） | $86K | 全部流量走规划模型 |
| 混合 | $13K | 上面四行之和 |
| 节省 | $73K | 基线 − 混合 |
| 缓存节省 | $14K | 仅供参考 —— 已包含在输入行内 |

## 能力保留怎么算

每个模型有两个分:规划和常规。10% 的工作被视为规划,其余是常规执行。基线两边都用规划模型;混搭让规划模型最多承担规划那部分,其余交给执行模型。默认预设下保留率是 97.3%。这些分数是取自公开榜单的示意区间,不是我们跑的评测。

### 能力分

| 角色 | 规划 | 常规 | 出处 |
| --- | --- | --- | --- |
| 规划模型 | 100 | 100 | https://artificialanalysis.ai/models/claude-opus-5-5 |
| 执行模型 | 88 | 97 | https://lmarena.ai/leaderboard |
| 基线得分 | 100 |  | 按 INTRINSIC_PLANNING_FRAC 加权 |
| 混合得分 | 97 |  | 按 INTRINSIC_PLANNING_FRAC 加权 |

## 什么会改变这个比值

主要由两件事决定:执行模型选哪一个,以及它承担多少流量。下面两张表用同一套公式重算:一张换遍目录里所有执行模型,一张在 70% 到 92% 的甜区附近扫描占比。两个方向都列出来 —— 更便宜的执行模型省得更多,更强的省得更少。

### 执行模型敏感性

| 执行模型 | 成本比 | N 分之一 | 保留率 |
| --- | --- | --- | --- |
| Claude Haiku 5.5 | 12% | 8.1 | 95.5% |
| GLM-5.3-Flash | 13% | 7.6 | 94.6% |
| DeepSeek V4.1 Flash | 16% | 6.4 | 97.3% |
| Qwen3.8-Max | 46% | 2.2 | 97.3% |
| Claude Sonnet 5.5 | 55% | 1.8 | 98.2% |

### 执行占比扫描

| 开源占比 | 成本比 | N 分之一 | 保留率 |
| --- | --- | --- | --- |
| 0% | 100% | 1 | 100.0% |
| 70% | 34% | 2.9 | 97.9% |
| 90% | 16% | 6.4 | 97.3% |
| 92% | 14% | 7.3 | 97.1% |
| 100% | 6% | 16 | 96.1% |

## 这个比值不包含什么

比值只比较模型 API 开销。它不包含 GateLLM 许可费(Pro 档每月 $200,在这个用量下约等于上面混搭金额的 1.5%)、你的基础设施和工程时间,也不含你另外与厂商谈的折扣。

## 需要知道的口径边界

引用本页任何数字之前,请先读这几条。

- 预设只是一种可能的企业形态,你自己的混搭会不同。
- 能力分是示意值,成本那一侧不依赖它们。
- 价格会变,比值跟着变 —— 目录有采集日并定期更新,不是冻结的。
- 这个比值是架构层面的对比,不是对你账单的承诺。

## 常见问题

### 我能复算这些数字吗?

可以。把计算器滑块调成上面那个预设,同样的输入会得到同样的数。产出它们的模块写在每张表的「出处」列里。

### 为什么是 6 分之一,而不是更整的数?

因为这个预设下目录价格算出来就是这个数。首页写的是四舍五入后的整数分母,未取整的比值显示在上面的表里。

### 执行模型更便宜,输出质量会更差吗?

有时会。每个执行模型有自己的规划分,敏感性表给出了对应的能力保留率。默认选的是一个常规分很强的模型,而不是目录里最便宜的那一个。

## 相关页面
- [首页](https://www.gatellm.io/zh-CN/index.md)
- [定价](https://www.gatellm.io/zh-CN/pricing.md)
- [成本计算器](https://www.gatellm.io/zh-CN/calculator.md)
- [关于](https://www.gatellm.io/zh-CN/about.md)
- [预约演示](https://www.gatellm.io/zh-CN/demo.md)
- [常见问题](https://www.gatellm.io/zh-CN/faq.md)
- [对比 AI 网关](https://www.gatellm.io/zh-CN/compare.md)
- [对比 LiteLLM](https://www.gatellm.io/zh-CN/compare/litellm.md)
- [对比 OpenRouter](https://www.gatellm.io/zh-CN/compare/openrouter.md)
- [对比 Alibaba Cloud AI Gateway](https://www.gatellm.io/zh-CN/compare/alibaba-cloud.md)
- [对比 Azure API Management](https://www.gatellm.io/zh-CN/compare/azure-apim.md)
- [对比 Apigee](https://www.gatellm.io/zh-CN/compare/apigee.md)
- [对比 Cloudflare AI Gateway](https://www.gatellm.io/zh-CN/compare/cloudflare.md)
- [对比 Kong AI Gateway](https://www.gatellm.io/zh-CN/compare/kong.md)
- [对比 Portkey](https://www.gatellm.io/zh-CN/compare/portkey.md)
- [Microsoft 365 Copilot 替代方案](https://www.gatellm.io/zh-CN/compare/copilot.md)
- [LiteLLM vs Kong AI Gateway 对比](https://www.gatellm.io/zh-CN/compare/litellm-vs-kong.md)
- [LiteLLM vs OpenRouter 对比](https://www.gatellm.io/zh-CN/compare/litellm-vs-openrouter.md)
- [LiteLLM vs Portkey 对比](https://www.gatellm.io/zh-CN/compare/litellm-vs-portkey.md)
- [场景方案](https://www.gatellm.io/zh-CN/use-cases.md)
- [降低调用成本](https://www.gatellm.io/zh-CN/use-cases/reduce-cost.md)
- [做到高可用](https://www.gatellm.io/zh-CN/use-cases/high-availability.md)
- [多租户隔离](https://www.gatellm.io/zh-CN/use-cases/multi-tenant.md)
- [合规与审计](https://www.gatellm.io/zh-CN/use-cases/compliance-audit.md)
- [从症状排障](https://www.gatellm.io/zh-CN/use-cases/troubleshooting.md)
- [混合多供应商模型栈](https://www.gatellm.io/zh-CN/use-cases/mixed-model-stack.md)
- [在 Office 里自托管用 AI](https://www.gatellm.io/zh-CN/use-cases/self-hosted-office-ai.md)
- [Token 用量可见与归因](https://www.gatellm.io/zh-CN/use-cases/token-ops.md)
- [Token FinOps: AI 支出分摊与管控](https://www.gatellm.io/zh-CN/use-cases/token-finops.md)
- [MCP 工具治理](https://www.gatellm.io/zh-CN/use-cases/mcp-tool-governance.md)
- [给模型统一加联网搜索](https://www.gatellm.io/zh-CN/use-cases/web-search-grounding.md)
- [多 Key 轮询与备用](https://www.gatellm.io/zh-CN/use-cases/multi-key-pooling.md)
- [限制接入的客户端](https://www.gatellm.io/zh-CN/use-cases/client-admission-control.md)
- [强制模型使用策略](https://www.gatellm.io/zh-CN/use-cases/enforce-model-policy.md)
- [客户端不暴露模型选择](https://www.gatellm.io/zh-CN/use-cases/automatic-model-tiering.md)
- [一套协议接任意模型](https://www.gatellm.io/zh-CN/use-cases/one-protocol-any-model.md)
- [Office / Microsoft 365 加载项](https://www.gatellm.io/zh-CN/office-addin.md)
- [术语表](https://www.gatellm.io/zh-CN/glossary.md)
- [什么是 LLM 网关](https://www.gatellm.io/zh-CN/llm-gateway.md)
- [企业 AI 治理](https://www.gatellm.io/zh-CN/enterprise-ai-governance.md)
- [模型目录](https://www.gatellm.io/zh-CN/models.md)
- [SDK 与框架集成](https://www.gatellm.io/zh-CN/integrations.md)
- [AI Coding Agent 与 Harness](https://www.gatellm.io/zh-CN/coding-agents.md)
- [安全与合规](https://www.gatellm.io/zh-CN/security.md)
- [隐私政策](https://www.gatellm.io/zh-CN/privacy-policy.md)
- [服务条款](https://www.gatellm.io/zh-CN/terms.md)
- [Cookie 政策](https://www.gatellm.io/zh-CN/cookies.md)
- [数据处理协议 (DPA)](https://www.gatellm.io/zh-CN/dpa.md)
- [子处理方清单](https://www.gatellm.io/zh-CN/subprocessors.md)
- [安全问卷预答库 (CAIQ/SIG/VSA)](https://www.gatellm.io/zh-CN/trust.md)
- [事故响应与支持服务](https://www.gatellm.io/zh-CN/sla.md)
- [漏洞披露政策](https://www.gatellm.io/zh-CN/vulnerability-disclosure.md)
- [开源许可声明](https://www.gatellm.io/zh-CN/open-source-licenses.md)
- [版本支持与生命周期 (EOL)](https://www.gatellm.io/zh-CN/lifecycle.md)
- [技术博客](https://www.gatellm.io/zh-CN/blog.md)
- [你的 Agent 权限比员工还大:在网关层治理 MCP 工具](https://www.gatellm.io/zh-CN/blog/mcp-tool-governance.md)
- [一张一万美元的账单:五种降低 LLM 成本又不让应用变笨的做法](https://www.gatellm.io/zh-CN/blog/reduce-cost.md)
- [厂商的目录价不是你的成本:把真正的 FinOps 用到 Token 支出上](https://www.gatellm.io/zh-CN/blog/token-finops.md)
- [llms.txt](https://www.gatellm.io/zh-CN/llms.txt)