作者注：回答一个账单问题。模型标价这几个月降得很快，写代码的 Agent 却仍然贵在同一列。价格按 2026-10-26 能打开的官方价目表，以及 API易 模型价格页核对。96% 这个数是第三方作者自己的估算，不是本文实测。
2026-06-26 到 2026-09-29，大约四个月，OpenAI 和 Anthropic 轮着改价。Max Woolf 在 2026-10-25 把这条时间线写在 minimaxir.com/2026/10/cheap-llms，标题里的幅度是最多 80%。他在文中写道，写代码的 Agent 里，缓存读占总 token 花费的 96%–99%，因为每一轮都会把此前的对话从缓存里再读一遍，命中率大约 90%–100%，随推理服务商而变。原文没有附上可复核的请求日志。本文把这句话当作第三方说法，不用它代替你自己的用量。
同一窗口里，现在还能和官方价目表对上的缓存读是：Claude Opus 5.5 为 $0.20，GPT-6.1 Sol 在输入不超过 272K 时为 $0.10，Kimi K3.1 Pro 为 $0.20，DeepSeek V4.1 Flash 谷时 $0.003、峰时 $0.006。单位都是美元每百万 tokens。
这不是一份看起来各有千秋的折中表。 前缀稳定、输入通常低于 272K 的编码循环，闭源三家里先看 GPT-6.1 Sol 的缓存读。要再低一个数量级，看 DeepSeek 的谷时缓存读。Opus 5.5 和 Kimi 的缓存读相同，差别在未命中输入、输出和写入溢价。
核心价值： 看完可以按命中率而不是按输入价选模型，并知道报道里的企业折扣为什么对不上小团队的账单。
💡 选择建议： 四家都可以在 API易 apiyi.com 用同一把 Key 换模型名试跑。新账号有免费测试额度。先固定前缀，再看用量里的缓存读，不要拿一次短对话下结论。
四家缓存读价格差在哪里？
先看缓存读，再看它占未命中输入的比例。比例决定长会话里这一列有多“便宜”。Opus 5.5 和 GPT-6.1 Sol 的短上下文都是输入价的 5%，Kimi K3.1 Pro 是 10%，DeepSeek V4.1 Flash 是 2%。绝对价差比这个比例更大：谷时 Flash 的 $0.003，是 Sol 短上下文 $0.10 的 1/33，是 $0.20 的 1/67。
| 模型 | 缓存读 | 占未命中输入 | 未命中输入 | 输出 |
|---|---|---|---|---|
| Claude Opus 5.5 | $0.20 | 5% | $4 | $20 |
| GPT-6.1 Sol，输入 ≤272K | $0.10 | 5% | $2 | $10 |
| GPT-6.1 Sol，输入 >272K | $0.20 | 5% | $4 | $15 |
| Kimi K3.1 Pro | $0.20 | 10% | $2 | $10 |
| DeepSeek V4.1 Flash 谷时 | $0.003 | 2% | $0.15 | $0.60 |
| DeepSeek V4.1 Flash 峰时 | $0.006 | 2% | $0.30 | $1.20 |
单位都是美元每百万 tokens，只取标准档，不含 Batch、Fast、区域加价。Opus 5.5 来自 Anthropic 价目表，缓存命中按输入的 0.05 倍计价。GPT-6.1 Sol 来自 OpenAI 标准价，短上下文指输入不超过 272K tokens，超过后缓存读、输入、输出一起跳档，输出是 $15 而不是 $20。Kimi 来自 Moonshot 公开卡片，上下文不分档。DeepSeek 来自官方定价页，模型名是 deepseek-flash，版本 DeepSeek-V4.1-Flash-1017。峰时是周一到周五 UTC 01:00–04:00 和 06:00–10:00，不含中国法定节假日，换算成北京时间是 09:00–12:00 和 14:00–18:00。两段之间的 12:00–14:00 仍是谷时。周末和中国法定节假日全天按谷时。
API易 的模型价格页 docs.apiyi.com/models 在 2026-10-25 的目录里，claude-opus-5-5 是 $4 / $20 / $0.20，gpt-6.1-sol 是 $2 / $10 / $0.10，并注明超过 272,000 tokens 后输入变为 $4，kimi-k3.1-pro 是 $2 / $10 / $0.20。DeepSeek 被拆成两行：deepseek-v4.1-flash 与 deepseek-flash 是 $0.30 / $1.20 / $0.006，与官方峰时一致；deepseek-v4-1-flash-260910 是 $0.15 / $0.60 / $0.003，与官方谷时一致。官方峰谷按请求到达时间切换，目录把两套数字做成了不同模型行。调用前以控制台里的模型名为准。
缓存读只是账单的一半。写入价决定前缀一过期要不要再付一次溢价。下表的短档、长档不能横比分钟数：OpenAI 的短档已经是 30 分钟，Anthropic 和 Kimi 的短档是 5 分钟。
| 模型 | 短档写入 | 长档写入 | 前缀怎么进缓存 |
|---|---|---|---|
| Opus 5.5 | 5 分钟，$5，输入的 1.25 倍 | 1 小时，$8，输入的 2 倍 | 请求里要带 cache_control |
| GPT-6.1 Sol，≤272K | 30 分钟，$2.50，输入的 1.25 倍 | 12 小时，$5，输入的 2.5 倍 | 价目表单列写入；前缀必须稳定 |
| Kimi K3.1 Pro | 5 分钟，$2，等于输入价 | 1 小时，$4，按 2 倍推算 | 默认自动，5 分钟；更长间隔要指定 1 小时 |
| V4.1 Flash | 无单独写入价 | 无 | 第一次按未命中，之后按缓存读 |
Kimi 官网首页卡片写的缓存写入是 $2，对应默认 5 分钟档。1 小时档 $4 来自 API易 Kimi 文档里的配置价，该页写明缓存档位尚未在当轮实测里验证结算。上一代 Kimi K3 的官方说明里，1 小时写入是 5 分钟的 2 倍，K3.1 Pro 按同一倍率就是 $4。控制台若不一致，以控制台为准。高速版 kimi-k3.1-pro-highspeed 的输入和输出翻倍，缓存读仍是 $0.20。前缀命中很多时，两档的差距会被缩小。
图里的柱长只帮助看数量级。结算仍用原价乘 token 数。同一把 Key 换模型之后，以 API易 控制台的缓存读列为准，不要用这张图估算金额。
写代码 Agent 的账单为什么要单列缓存读？
Agent 每一轮都会把系统提示、工具定义和此前对话再送一遍。前缀没变的部分，有机会按缓存读计价。前缀变了，从变化的那个位置往后按未命中，有的厂商还要再付写入。所以输入价下降 20%，不代表一轮编码的账单下降 20%。缓存读若是 token 里最大的一堆，该看的就是缓存读那一列。
Max Woolf 的 96%–99% 说的是“总 token 花费”。英文 expenditure 可以理解成钱，也可以理解成 token 消耗。原文没有给出分母。另一份第三方测量把口径写清楚了：WorkloadBench 在 2026-10-16 更新，长时编码任务里，提示词 token 有 89%–96% 来自缓存。GPT-6.1 Sol 与 Claude Opus 5.5 的中位数都是 95%，范围分别是 91%–98% 和 94%–99%。来源是 workloadbench.brenhq.com/cache。那是提示词 token 的占比，分母不含输出，更不是美元占比。两份材料不能加成一个“账单的 96%”。
美元占比通常更低，因为输出单价是缓存读的几十倍到上百倍。下面用一组写明的假设重算，只为看结构，不是作者的原始明细，也不是本文跑出来的日志。假设 40 轮，每轮缓存读 120,000 tokens，新增未命中 1,500 tokens，输出 800 tokens，会话开始另有 40,000 tokens 写入一次。这 40,000 不重复计入未命中。DeepSeek 没有写入价，这 40,000 按未命中记。每轮输入大约 12 万，落在 Sol 的短上下文档。
token 合计 4,932,000，其中缓存读 4,800,000，约占 97%。这只说明在“前缀长、轮次多、单轮输出短”的假设下，token 个数可以落到作者说的区间附近。
| 模型 | 缓存读 | 未命中 | 输出 | 写入或首次未命中 | 合计 | 缓存读占美元 |
|---|---|---|---|---|---|---|
| Opus 5.5，5 分钟写入 | $0.96 | $0.24 | $0.64 | $0.20 | $2.04 | 约 47% |
| GPT-6.1 Sol，≤272K，30 分钟写入 | $0.48 | $0.12 | $0.32 | $0.10 | $1.02 | 约 47% |
| Kimi K3.1 Pro，5 分钟写入 | $0.96 | $0.12 | $0.32 | $0.08 | $1.48 | 约 65% |
| V4.1 Flash 谷时 | $0.0144 | $0.009 | $0.0192 | $0.006 | $0.0486 | 约 30% |
| V4.1 Flash 峰时 | $0.0288 | $0.018 | $0.0384 | $0.012 | $0.0972 | 约 30% |
Opus 与 Sol 的短上下文四项单价正好是 2 倍关系，所以占比相同，合计正好是一半。Kimi 的缓存读是输入的 10% 而不是 5%，同样的 token 结构里，缓存读占到约 65%，合计 $1.48，介于两者之间。Flash 谷时合计大约 $0.049，峰时翻倍。因为缓存读只有未命中的 2%，这组假设里美元大头回到输出，大约四成，缓存读大约三成。旗舰三家里，缓存读仍是这张示意账单里最大的一笔。Flash 省的是整张账单的数量级，不是同一套 96% 的美元结构。
前缀若每轮都在变，上表作废。时间戳、随机排的工具列表、插在系统提示中间的用户名，都会把命中打掉。那时要比的是未命中价和写入价。Opus 的 5 分钟写入是输入的 1.25 倍，Sol 的 30 分钟写入也是 1.25 倍，12 小时写入是 2.5 倍。Kimi 的 5 分钟写入等于输入价，没有短档溢价。DeepSeek 第一次就是未命中价。
修前缀往往比换厂商更先省钱。工具列表保持顺序稳定，动态内容放到消息末尾，同一会话的间隔不要超过短档 TTL。这些做完，再拿缓存读单价做选择。
这四个月的降价时间线说明了什么？
“最多降了 80%”有两处对得上，都不要理解成所有模型统一打两折。第一处是 Max Woolf 所记：2026-07-30，OpenAI 把 GPT-5.6 Luna 从 $1 / $6 / $0.10 降到 $0.20 / $1.20 / $0.02，输入和缓存读都是大约 80%。第二处是 Sol 这条产品线的缓存读，从 2026-06-26 GPT-5.6 Sol 的 $0.50，到 2026-09-29 GPT-6.1 Sol 的 $0.10，也是 80%。型号已经从 5.6 换成 6.1，不是同一 SKU 贴了一张八折标签。
| 日期 | 他记录的变动 | 输入 / 输出 / 缓存读 |
|---|---|---|
| 2026-06-26 | OpenAI 发布 GPT-5.6 Sol 与 Luna | Sol $5 / $30 / $0.50 |
| 2026-06-30 | Anthropic 发布 Sonnet 5，当时称开卖价是临时的 | $2 / $10 / $0.20 |
| 2026-07-24 | Anthropic 发布 Opus 5 | $5 / $25 / $0.50 |
| 2026-07-30 | GPT-5.6 Luna 降价 | $0.20 / $1.20 / $0.02 |
| 2026-08-21 | GPT-5.6 Sol 临时降约 20%，为期三个月 | $4 / $20 / $0.40 |
| 2026-09-01 | Fable 5.1，缓存读低于 6 月的 Fable 5 | $10 / $50 / $0.25 |
| 2026-09-22 | 同一天发布 GPT-6 Sol 与 Opus 5.5 | Sol $2 / $10 / $0.20；Opus 5.5 $4 / $20 / $0.20 |
| 2026-09-29 | GPT-6.1 Sol，缓存读再减半 | $2 / $10 / $0.10 |
上表是 Max Woolf 的整理，三列顺序都是输入、输出、缓存读。本文核对过的是结尾两行的现价：Opus 5.5 的 $4 / $20 / $0.20 与 Anthropic 价目表一致；GPT-6.1 Sol 的 $2 / $10 / $0.10 与 OpenAI 标准档、短上下文一致。更早的几行没有逐条翻公告，引用时请回到他的原文。
他对 Opus 5.5 还有一句总成本降 40%–60%。官方价目表能核对的是三项单价：相对 Opus 5，输入和输出各降 20%（$5 到 $4，$25 到 $20），缓存读从 $0.50 降到 $0.20，降了 60%。40%–60% 是他按使用结构估算的区间，不是官方的统一折扣。Anthropic 的原话是 Opus 5.5 的推理计算少于 Opus 5，定价反映了这一点。这句话是厂商自述。
他还写道，DeepSeek V4.1 Flash 在 DeepSeek 自己的接口上大约是 $0.15 / $0.60 / $0.003。这组数字与官方谷时一致，峰时要翻倍。Kimi K3.1 Pro 他写成 $2 / $10 / $0.20，与官网卡片一致。文中的 Artificial Analysis 分数，Kimi 55、Opus 5.5 为 58、Flash 为 45，是第三方指数，不是本文的编码评测，选型不要只看这三分。
小团队拿不到企业折扣时怎么选模型？
公开价之外，还有一层只有大客户看得到的折扣。AI Weekly 在 2026-10-24 转述 The Information：OpenAI 给出 30% 以上的折扣，拿下一份每年超过 1 亿美元的合同，Replit 把大部分 AI 支出从 Anthropic 转到 OpenAI。报道称 Anthropic 没有延续此前给 Replit 的折扣。报道没有附上这三家的公开确认。Replit CEO Amjad Masad 在 TechCrunch Disrupt 上的说法是，决定基于成本、合作关系和性能。同一报道还写道，Claude 型号仍可选用，OpenAI 成为 Agent 的默认。同文提到 Rippling 的编码用量从 Anthropic 转向 OpenAI，对方把原因归于成本。这些都是报道，不是三家联合发布的价目。
小团队对不上这种合同。没有每年 1 亿美元的承诺，就换不来报道里的 30%。即便把 30% 机械地打在 Opus 的缓存读上，$0.20 变成 $0.14，仍然高于 GPT-6.1 Sol 短上下文的公开价 $0.10。报道没有写明折扣打在缓存读、未命中还是总价上，这个比较只说明数量级：公开的缓存读价，已经够小团队做第一轮选择。
| 会话特征 | 先看谁 | 原因 |
|---|---|---|
| 前缀稳定，输入通常低于 272K，要闭源编码模型 | GPT-6.1 Sol | 缓存读 $0.10，三家里最低 |
| 单次输入会超过 272K | 不要沿用 $0.10 | Sol 缓存读变为 $0.20，输出变为 $15 |
| 缓存读预算与 Opus 相同，希望未命中和输出更低 | Kimi K3.1 Pro | 缓存读同为 $0.20，输入输出是 $2 / $10，且不分档 |
| 命中率高，任务能避开峰时 | DeepSeek V4.1 Flash 谷时 | 缓存读 $0.003，账单差一个数量级 |
| 必须卡在工作日北京时间 9 点到 12 点、14 点到 18 点 | 按峰时重算 Flash | 缓存读 $0.006，其余单价也翻倍 |
| 前缀每轮都在变 | 先改前缀 | 缓存读列用不上 |
能力不在这张表里排序。Max Woolf 认为 Opus 5.5 强于更贵的 Fable 5.1，这是他的使用判断。DeepSeek 官方写明 deepseek-flash 现在由 DeepSeek-V4.1-Flash-1017 承接，旧的 deepseek-v4-flash 名字仍可用、按 Flash 计价，而 deepseek-v4-pro 仍单独在卖。官方没有给出 Flash 与 Pro 的能力排序。失败成本高于 token 差价时，用贵的模型。失败成本低于差价时，用 Flash 把循环跑完。
💰 成本优化： 目录价是默认标价。API易 apiyi.com 的控制台会按所在分组显示折后价，充值活动另计，规则写在价格页上。那是公开规则，不是销售谈下来的年框合同。实际扣费以控制台为准。
左半边的 30% 和 1 亿美元来自报道，不能当成可下单的价格。右半边才是小团队能执行的路径。
怎样用一个 Key 核对四家的缓存读？
价格页建议，GPT-5 及以后的模型优先走 /v1/responses，多轮缓存更容易命中。Chat Completions 仍可用。下面的示例用 Chat Completions，是为了 gpt-6.1-sol、kimi-k3.1-pro、deepseek-flash 可以只改模型名。Opus 5.5 的缓存不是这条路径的默认行为。Anthropic 现在的开启方式，是在请求顶层放一个 cache_control，或把断点放在内容块上。API易 对 claude-opus-5-5 同时提供 chat 和 messages。要缓存计价，走 messages，并带上 cache_control。只用 Chat Completions 时，不要把目录上的 $0.20 当成已经生效。
- 装好基础件： 没装过 SDK 就先跑一次
pip install openai；文件开头写import os和from openai import OpenAI。Key 放进环境变量APIYI_API_KEY，不要写进仓库。 - 建客户端： 一行
client = OpenAI(api_key=os.environ["APIYI_API_KEY"], base_url="https://api.apiyi.com/v1")，根地址只改这一处。 - 固定前缀：
STABLE_PREFIX装系统提示和工具定义，逐字不改；user_turn装这一轮新增的动态内容，永远排在最后一条。 - 发请求：
resp = client.chat.completions.create(model="gpt-6.1-sol", messages=[{"role": "system", "content": STABLE_PREFIX}, {"role": "user", "content": user_turn}])。把model换成kimi-k3.1-pro或deepseek-flash，就是另外两家。 - 读用量： 先
details = resp.usage.prompt_tokens_details，再cached = getattr(details, "cached_tokens", 0) or 0，最后print(resp.usage.prompt_tokens, cached, resp.usage.completion_tokens)，三个数依次是提示词 token、命中缓存 token、输出 token。
连续跑多轮，用命中 token 除以提示词 token，就是你自己的命中率。再用各家的缓存读单价乘命中量，才是这一列的美元。Kimi 文档写明其缓存档是配置价，结算以控制台为准。DeepSeek 若要谷时那一档，模型名改看目录里的 deepseek-v4-1-flash-260910，不要假设 deepseek-flash 会随时钟自动改价。
Key 放在环境变量 APIYI_API_KEY，不要写进仓库。免费测试额度适合把同一段前缀在四个模型名上各跑几轮，只比较用量结构。能力不够时再加轮次，而不是先把四家都跑满一个长仓库。
缓存读对比的常见问题
Q1：96% 是不是说缓存读占了账单金额的 96%？
不是本文的结论。Max Woolf 写的是缓存读占总 token 花费的 96%–99%，没有公开分母，属于第三方估算。WorkloadBench 测到的是提示词 token 的 89%–96%，不含输出。按本文的示意假设，token 约占 97%，美元在 Opus 和 Sol 上大约 47%，在 Kimi 上大约 65%，在 Flash 上大约 30%。
Q2：为什么 Sol 的缓存读有时是 $0.10，有时是 $0.20？
看单次请求的输入长度。不超过 272K tokens 时，OpenAI 标准档缓存读是 $0.10。超过之后是 $0.20，同时未命中输入变为 $4，输出变为 $15。API易 目录行写的是短上下文的 $2 / $10 / $0.10，并注明超过 272,000 tokens 后输入变为 $4。长上下文的输出和缓存读以 OpenAI 标准档为准，控制台若分档显示，以控制台为准。
Q3：DeepSeek 为什么有两套缓存读？
官方按峰谷计价，谷时是峰时的一半。谷时缓存读 $0.003，峰时 $0.006。峰时是工作日北京时间 09:00–12:00 和 14:00–18:00，已从官方的 UTC 窗口换算，不含中国法定节假日。周末和节假日全天是谷时。API易 目录用两个模型行分别列出这两套数字。
Q4：企业客户的 30% 折扣，小团队能不能申请到？
报道里的折扣绑在每年超过 1 亿美元的合同上，而且报道里没有三家的公开确认。小团队没有这个承诺量。比较公开的缓存读价，已经能做第一轮选择。分组折后价和充值活动以 API易 控制台为准，不要把它们说成同一份企业折扣。
Q5：怎样用一个 Key 把四家都接上？
在 API易 apiyi.com 建一把 Key，请求根地址用 `https://api.apiyi.com/v1`。`gpt-6.1-sol`、`kimi-k3.1-pro`、`deepseek-flash` 可以走 Chat Completions，只改模型名。`claude-opus-5-5` 要缓存计价时走 `messages`，并带 `cache_control`。GPT-5 及以后若要更高的多轮命中，价格页建议改走 `/v1/responses`。
Q6：缓存读便宜，是不是就该把默认模型换成 Flash？
只在失败成本低于差价时。谷时示意账单大约是 Sol 的二十分之一量级（$0.0486 对 $1.02），峰时大约十分之一。若 Flash 多跑几轮才能完成同一件事，轮次会把差价吃回去。先用免费额度在同一前缀上对比完成轮次，再决定默认模型。
Q7：写入价会不会比缓存读更贵？
前缀经常过期、命中次数很少时会。Opus 和 Sol 的短档写入都是输入的 1.25 倍，Sol 的 12 小时档是 2.5 倍。Kimi 的 5 分钟写入等于输入价。命中两三轮之后，缓存读才变成主要项。间隔不稳定的任务，先把 TTL 选对，再比缓存读。
缓存读对比的核心要点
- 96% 是第三方估算： Max Woolf 没有公开日志。美元占比要自己乘单价。
- 先看缓存读，再看是否跳档： Sol 超过 272K 后，缓存读从 $0.10 变为 $0.20。
- Opus 和 Kimi 的缓存读同为 $0.20： Kimi 的未命中和输出更低，短档写入没有溢价。
- Flash 的优势是数量级： 谷时 $0.003，峰时 $0.006，美元结构不再由缓存读独占。
- 企业 30% 对不上小团队： 那是报道中的年框。公开价已经够做第一轮选择。
- 一把 Key 只负责接上四家： 在 API易 apiyi.com 换模型名，命中率以控制台用量为准。
总结
这四个月里，公开降价最多到 80%，落点主要在 Luna 的标价，以及 Sol 产品线的缓存读从 $0.50 到 $0.10。写代码的 Agent 仍要把缓存读单列出来。按 2026-10-26 的官方价，短上下文里 GPT-6.1 Sol 的缓存读是 $0.10，Opus 5.5 和 Kimi K3.1 Pro 是 $0.20，DeepSeek V4.1 Flash 谷时 $0.003、峰时 $0.006。96%–99% 只作为 Max Woolf 的说法引用。示意账单里，token 可以接近这个区间，美元则要低一截。
报道中的企业折扣需要年承诺，小团队拿不到。把四家接到同一把 Key 上，用自己的命中率乘公开的缓存读价，比等待一份 30% 的合同更直接。推荐在 API易 apiyi.com 上先跑同一段稳定前缀，再决定默认模型。
作者： APIYI 技术团队
技术交流： 欢迎通过 APIYI 网站首页联系。模型单价以 docs.apiyi.com 文档中心的模型价格页为准。
参考资料
- Max Woolf，降价时间线与 96%–99% 的估算
- 链接：
minimaxir.com/2026/10/cheap-llms -
说明： 2026-10-25。96%–99% 是作者自己的说法，不是本文实测。
-
Anthropic 模型价格
- 链接：
platform.claude.com/docs/en/about-claude/pricing -
说明： Opus 5.5 的输入、输出、缓存读和两档写入。
-
OpenAI 模型价格
- 链接：
developers.openai.com/api/docs/pricing -
说明： GPT-6.1 Sol 的短上下文、长上下文、缓存读和写入。272K 为官方短、长分界。
-
DeepSeek 模型价格
- 链接：
api-docs.deepseek.com/quick_start/pricing -
说明：
deepseek-flash的峰谷命中价、未命中价和输出价。 -
Kimi API
- 链接：
platform.kimi.ai -
说明： Kimi K3.1 Pro 的输入、输出、缓存命中和默认写入价。
-
AI Weekly 对 Replit 合同的转述
- 链接：
aiweekly.co/alerts/replit-shifts-100m-ai-spend-to-openai-after-30-price-cut -
说明： 30% 以上折扣和每年超过 1 亿美元，来自对 The Information 的报道，条款未经三家公开确认。
-
WorkloadBench 的缓存 token 占比
- 链接：
workloadbench.brenhq.com/cache - 说明： 2026-10-16。提示词 token 来自缓存的比例，不是美元占比。
