# ~1/7 成本對比是怎麼算出來的 - GateLLM

> 公開成本對比的全部輸入:預設情境、模型目錄價格與出處、成本與能力公式、執行模型敏感度,以及這個比值不包含什麼。

規範連結: https://www.gatellm.io/zh-TW/methodology/

## 成本對比是怎麼算出來的

計算機和首頁對比背後的輸入,公開出來,讓你能重算而不是只能相信。

本頁每一個數字都是建置時算出來的,用的是計算機同一批模組:模型目錄、混搭模型和公開價目表。沒有任何一個數字是手寫進文案的。

## 這一頁說明什麼

在預設情境下,混搭成本是全前沿模型基準的 16%,約等於 6 分之一;同時能力分保留了基準的 97.3%。兩個數字都是下面公式的輸出,不是宣傳語。

## 預設情境

計算機打開時只有一個情境:每月 300億 tokens,其中 10% 是輸出,90% 的執行交給開源檔模型,input 的快取命中率為 80%。規劃模型是 Claude Opus 5.5;執行模型是 DeepSeek V4.1 Flash。這些是示意性的企業用量,不是任何客戶的實測。

### 預設情境

| 輸入 | 取值 | 出處 |
| --- | --- | --- |
| DEFAULT_MIX_INPUT.monthlyTokens | 300億 | 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 |

## 用到的價格

牌價取自廠商定價頁,目錄擷取日為 2026-11-02。BYOK 下你直接依這些價格付費,GateLLM 不加價。當廠商對同一模型公布多個價格時,目錄取較高的那一個 —— 也就是會讓我們省下的幅度顯得比較小的方向。

### 目錄價格(每百萬 token,USD)

| 模型 | 廠商 | 輸入 | 輸出 | 快取輸入 | 出處 |
| --- | --- | --- | --- | --- | --- |
| 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 |

## 成本比值怎麼算

基準把所有流量交給規劃模型,並套用同樣的快取假設。混搭把 90% 的流量交給執行模型。比值是混搭除以基準:在預設情境下是 16%,約 6 分之一。依絕對值來說:基準 $86K/月,混搭 $13K/月,每月省下 $73K。

### 預設情境下的每月成本

| 項目 | USD / 月 | 說明 |
| --- | --- | --- |
| 規劃模型輸入 | $3K | 已計入快取折扣 |
| 規劃模型輸出 | $6K |  |
| 執行模型輸入 | $2K | 已計入快取折扣 |
| 執行模型輸出 | $3K |  |
| 基準（全部走規劃模型） | $86K | 全部流量走規劃模型 |
| 混合 | $13K | 上述四項合計 |
| 節省 | $73K | 基準 − 混合 |
| 快取節省 | $14K | 僅供參考 —— 已包含在輸入行內 |

## 能力保留怎麼算

每個模型有兩個分數:規劃和常規。10% 的工作被視為規劃,其餘是常規執行。基準兩邊都用規劃模型;混搭讓規劃模型最多承擔規劃那部分,其餘交給執行模型。預設情境下保留率是 97.3%。這些分數是取自公開排行榜的示意區間,不是我們跑的評測。

### 能力分數

| 角色 | 規劃 | 常規 | 出處 |
| --- | --- | --- | --- |
| 規劃模型 | 100 | 100 | https://artificialanalysis.ai/models/claude-opus-5-5 |
| 執行模型 | 88 | 97 | https://lmarena.ai/leaderboard |
| 基準分數 | 100 |  | 按 INTRINSIC_PLANNING_FRAC 加權 |
| 混合分數 | 97 |  | 按 INTRINSIC_PLANNING_FRAC 加權 |

## 什麼會改變這個比值

主要由兩件事決定:執行模型選哪一個,以及它承擔多少流量。下面兩張表用同一套公式重算:一張換遍目錄裡所有執行模型,一張在 70% 到 92% 的甜蜜區附近掃描占比。兩個方向都列出來 —— 更便宜的執行模型省得更多,更強的省得更少。

### 執行模型敏感度

| 執行模型 | 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% |

### 執行占比掃描

| 開源占比 | 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% |

## 這個比值不包含什麼

比值只比較模型 API 花費。它不包含 GateLLM 授權費(Pro 檔每月 $200,在這個用量下約等於上面混搭金額的 1.5%)、你的基礎設施和工程時間,也不含你另外與廠商談的折扣。

## 需要知道的口徑邊界

引用本頁任何數字之前,請先讀這幾條。

- 預設只是一種可能的企業形態,你自己的混搭會不同。
- 能力分是示意值,成本那一側不依賴它們。
- 價格會變,比值跟著變 —— 目錄有擷取日並定期更新,不是凍結的。
- 這個比值是架構層面的對比,不是對你帳單的承諾。

## 常見問題

### 我能重算這些數字嗎?

可以。把計算機滑桿調成上面那個預設,同樣的輸入會得到同樣的數字。產出它們的模組寫在每張表的「出處」欄裡。

### 為什麼是 6 分之一,而不是更整的數字?

因為這個預設下目錄價格算出來就是這個數字。首頁寫的是四捨五入後的整數分母,未取整的比值顯示在上面的表裡。

### 執行模型更便宜,輸出品質會更差嗎?

有時會。每個執行模型有自己的規劃分數,敏感度表給出了對應的能力保留率。預設選的是一個常規分數很強的模型,而不是目錄裡最便宜的那一個。

## 相關頁面
- [首頁](https://www.gatellm.io/zh-TW/index.md)
- [定價](https://www.gatellm.io/zh-TW/pricing.md)
- [成本計算器](https://www.gatellm.io/zh-TW/calculator.md)
- [關於](https://www.gatellm.io/zh-TW/about.md)
- [預約示範](https://www.gatellm.io/zh-TW/demo.md)
- [常見問題](https://www.gatellm.io/zh-TW/faq.md)
- [比較 AI 閘道](https://www.gatellm.io/zh-TW/compare.md)
- [比較 LiteLLM](https://www.gatellm.io/zh-TW/compare/litellm.md)
- [比較 OpenRouter](https://www.gatellm.io/zh-TW/compare/openrouter.md)
- [比較 Alibaba Cloud AI Gateway](https://www.gatellm.io/zh-TW/compare/alibaba-cloud.md)
- [比較 Azure API Management](https://www.gatellm.io/zh-TW/compare/azure-apim.md)
- [比較 Apigee](https://www.gatellm.io/zh-TW/compare/apigee.md)
- [比較 Cloudflare AI Gateway](https://www.gatellm.io/zh-TW/compare/cloudflare.md)
- [比較 Kong AI Gateway](https://www.gatellm.io/zh-TW/compare/kong.md)
- [比較 Portkey](https://www.gatellm.io/zh-TW/compare/portkey.md)
- [Microsoft 365 Copilot 替代方案](https://www.gatellm.io/zh-TW/compare/copilot.md)
- [LiteLLM vs Kong AI Gateway 比較](https://www.gatellm.io/zh-TW/compare/litellm-vs-kong.md)
- [LiteLLM vs OpenRouter 比較](https://www.gatellm.io/zh-TW/compare/litellm-vs-openrouter.md)
- [LiteLLM vs Portkey 比較](https://www.gatellm.io/zh-TW/compare/litellm-vs-portkey.md)
- [場景方案](https://www.gatellm.io/zh-TW/use-cases.md)
- [降低呼叫成本](https://www.gatellm.io/zh-TW/use-cases/reduce-cost.md)
- [達成高可用](https://www.gatellm.io/zh-TW/use-cases/high-availability.md)
- [多租戶隔離](https://www.gatellm.io/zh-TW/use-cases/multi-tenant.md)
- [合規與稽核](https://www.gatellm.io/zh-TW/use-cases/compliance-audit.md)
- [從症狀排障](https://www.gatellm.io/zh-TW/use-cases/troubleshooting.md)
- [混合多供應商模型堆疊](https://www.gatellm.io/zh-TW/use-cases/mixed-model-stack.md)
- [在 Office 內自架 AI](https://www.gatellm.io/zh-TW/use-cases/self-hosted-office-ai.md)
- [Token 用量可見性與歸因](https://www.gatellm.io/zh-TW/use-cases/token-ops.md)
- [Token FinOps: AI 支出分攤與管控](https://www.gatellm.io/zh-TW/use-cases/token-finops.md)
- [MCP 工具治理](https://www.gatellm.io/zh-TW/use-cases/mcp-tool-governance.md)
- [為所有模型統一加入網路搜尋](https://www.gatellm.io/zh-TW/use-cases/web-search-grounding.md)
- [多 Key 輪替與備援](https://www.gatellm.io/zh-TW/use-cases/multi-key-pooling.md)
- [限制接入的用戶端](https://www.gatellm.io/zh-TW/use-cases/client-admission-control.md)
- [強制模型使用政策](https://www.gatellm.io/zh-TW/use-cases/enforce-model-policy.md)
- [用戶端不暴露模型選擇](https://www.gatellm.io/zh-TW/use-cases/automatic-model-tiering.md)
- [一種協定,任何模型](https://www.gatellm.io/zh-TW/use-cases/one-protocol-any-model.md)
- [Office / Microsoft 365 增益集](https://www.gatellm.io/zh-TW/office-addin.md)
- [術語表](https://www.gatellm.io/zh-TW/glossary.md)
- [什麼是 LLM 閘道器](https://www.gatellm.io/zh-TW/llm-gateway.md)
- [企業 AI 治理](https://www.gatellm.io/zh-TW/enterprise-ai-governance.md)
- [模型目錄](https://www.gatellm.io/zh-TW/models.md)
- [SDK 與框架整合](https://www.gatellm.io/zh-TW/integrations.md)
- [AI Coding Agent 與 Harness](https://www.gatellm.io/zh-TW/coding-agents.md)
- [安全性與合規](https://www.gatellm.io/zh-TW/security.md)