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。