用AI API一个月要花多少钱？普通用户如何控制成本

先晒账单：我一个月花了多少钱？

上个月我同时跑DeepSeek和ChatGPT的API，总共花了约$23.46。其中ChatGPT占了$18.2，DeepSeek才$5.26。说实话，这个数字比我预想的低——毕竟我每天至少调用100次，写代码、翻译、总结文档全用API。但如果你不控制，分分钟翻10倍。下面直接上干货：怎么省钱。

成本大头在哪？

账单里80%的费用来自"输出token"。输入token便宜得像白菜价（比如DeepSeek输入$0.14/百万token，输出$0.28/百万），但输出一多就烧钱。我统计过：一次500字的回答，输出token约700个，按GPT-4算就是$0.014，看似不多，但每天100次就是$1.4，一个月$42。所以，控制输出长度是最有效的省钱手段。

5个实用省钱技巧

1. 提示词压缩：少说废话

很多人写prompt像写作文："请帮我用Python写一个函数，它应该接收一个列表作为参数，然后返回列表中所有偶数的平方，注意要处理空列表的情况……"这太长了。改成："Python函数：输入列表，返回偶数平方，处理空列表。"token减少一半。我习惯用max_tokens=200强制截断，不够再追问。

2. 缓存结果：别重复请求

同一个问题问10次？浪费。我写了个简单缓存：用prompt的哈希值当key，存到本地SQLite。命中率大概30%，省了30%费用。代码很简单：

import hashlib, sqlite3, json
conn = sqlite3.connect('api_cache.db')
c = conn.cursor()
c.execute('CREATE TABLE IF NOT EXISTS cache (key TEXT PRIMARY KEY, response TEXT)')
def get_cached(prompt):
    key = hashlib.sha256(prompt.encode()).hexdigest()
    c.execute('SELECT response FROM cache WHERE key=?', (key,))
    row = c.fetchone()
    return json.loads(row[0]) if row else None
def set_cache(prompt, response):
    key = hashlib.sha256(prompt.encode()).hexdigest()
    c.execute('INSERT OR REPLACE INTO cache VALUES (?,?)', (key, json.dumps(response)))
    conn.commit()

注意：缓存只适用于确定性任务（如翻译固定句子），对话类别乱用。

3. 选对模型：别杀鸡用牛刀

我日常用DeepSeek（$0.28/百万输出）处理简单任务，只有复杂逻辑才调GPT-4（$15/百万输出）。价格差50倍。怎么区分？我设了个规则：如果任务需要"创造性"或"长上下文"，用GPT-4；否则无脑DeepSeek。实测80%任务可以用便宜模型搞定。

4. 限制输出长度：精确控制

API参数里max_tokens是救命稻草。比如翻译任务，我设max_tokens=100，因为一句话翻译不会超过50个词。代码生成也设max_tokens=500，不够再让模型"继续"。另外，用stop参数提前终止，比如遇到"。"或" "就停。

5. 批量请求：减少调用次数

把多个小任务合并成一个请求。比如要翻译10句话，别一句一句调，而是写prompt："翻译以下10句话为英文，每句一行输出： 1. 你好 2. 再见 ..."这样只花一次请求的token，但输出10行。输入token多了点，但输出token省了9倍。

我的月度账单拆解

DeepSeek：输入约500万token（$0.7），输出约150万token（$4.2），缓存命中省了$1.5，实际$5.26。ChatGPT：输入200万token（$3.0），输出50万token（$7.5），加上一些高价模型调用（如GPT-4 Turbo），总计$18.2。合计$23.46。如果我不控制，估计至少$100+。

总结

省钱核心就三点：压缩prompt、用便宜模型、限制输出。缓存和批量是锦上添花。我推荐新手先设max_tokens=200，然后根据效果逐步放开。另外，定期查看API dashboard，哪个模型花钱多就砍哪个。别被AI的便利性忽悠了，钱是自己的。