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。