Anthropic 的定价页看着干净，一个输入价、一个输出价，像一道乘法题。真跑起来账单总比手算的高，原因就三条。
这三条叠起来的结果是账单不可预测。按「一次对话多少钱」做预算，月底总要填坑。做产品的人怕的从来不是贵，是算不准。
小鱼API 走的是另一个口径：一次请求一个价，不管这次带 1 个字还是 20 万字。输入长度、输出长度、缓存命中率，统统不进公式。
对短请求来说这不是优势，对长请求来说是碾压。预算表因此可以手算：调用次数 × 单价 = 月成本。对一个要把 API 成本写进产品定价的人来说，确定性比单价低几个点更值钱——你没法向老板解释为什么这个月账单翻了一倍。
from openai import OpenAI
client = OpenAI(
api_key="sk-你的小鱼API密钥",
base_url="https://xyuapi.top/v1",
)
resp = client.chat.completions.create(
model="claude-sonnet-4-5-thinking",
messages=[{"role": "user", "content": "把这段日志按时间线整理成表格"}],
)
print(resp.choices[0].message.content)存量代码无论是 Anthropic SDK 还是 OpenAI SDK 写的，切过来就是换 base_url 和 api_key 两行。模型名从 claude-3-5-sonnet-20241022 这类长串换成短名即可。
| 模型 | 单价（元/次） | 官方同档位参考 | 大致倍数 |
|---|---|---|---|
| claude-sonnet-4-5-thinking | 0.09 | $3 / $15 每 M token | 30-40 倍 |
| claude-opus-4-5-thinking | 0.12 | $5 / $25 每 M token | 40-50 倍 |
| claude-sonnet-4-6-thinking | 0.2 | $3 / $15 每 M token | 15-20 倍 |
| claude-opus-4-6-thinking | 0.25 | $5 / $25 每 M token | 20-25 倍 |
| claude-sonnet-4-7-thinking | 0.2 | $3 / $15 每 M token | 15-20 倍 |
| claude-opus-4-7-thinking | 0.25 | $5 / $25 每 M token | 20-25 倍 |
| claude-opus-4-8-thinking | 0.25 | $5 / $25 每 M token | 20-25 倍 |
倍数怎么来的，下一节拆开算。先记结论：新一代单次涨价了，但能力也涨了，选哪代该看任务难度，不是按价格从低到高排队。有人一看 4.5 只要 0.09 就全押 4.5，结果在复杂重构上反复返工，反而更贵。
4.5 这一代，Sonnet 0.09、Opus 0.12，差 3 分钱。到 4.6 / 4.7 / 4.8 这一代，Sonnet 0.2、Opus 0.25，差 5 分钱。
差价小到「先用 Sonnet 试，不行再上 Opus」这套流程反而更费——试错多花一次调用，还多花你来回改 prompt 的时间。真正该纠结的不是 Sonnet 还是 Opus，而是要 0.09 档还是 0.25 档。这才是四倍差距。
中文 1 个字大约折 1.3-1.5 个 token，取 1.5 保守估。10 万字的输入约等于 15 万 token，也就是 0.15M。输出按 3000 token 算，约 0.003M。汇率按 7.2。
之所以取 1.5 而不是 1.3，是因为代码、英文术语、标点在里面占的比例不低，按高标准折算出来的成本更接近真实情况，不容易低估。
| 档位 | 输入成本 | 输出成本 | 合计 |
|---|---|---|---|
| Sonnet 档（$3 / $15） | 0.15M × $3 = $0.45 | 0.003M × $15 = $0.045 | 约 3.56 元 |
| Opus 档（$5 / $25） | 0.15M × $5 = $0.75 | 0.003M × $25 = $0.075 | 约 5.94 元 |
| 命中缓存（按 -90% 估） | — | — | 约 0.6-0.9 元 |
注意缓存那一栏。它看起来很美，但前提是你这个文档在短时间内被反复问，且前缀完全一致。真实场景里文档常改、提问方式常变，命中率能到五成已经算好。官方按 token 的最低账单，通常落不到那一栏。
同一次请求，claude-sonnet-4-5-thinking 收 0.09 元，claude-opus-4-5-thinking 收 0.12 元。
3.56 ÷ 0.09 ≈ 40 倍。5.94 ÷ 0.12 ≈ 50 倍。
文档越长差距越大，因为官方按 token 是线性往上涨，按次是平的。塞 50 万字进去，官方 Sonnet 档一次要 17 元上下，按次这边还是 0.09 元。这也是为什么做合同比对、论文综述、代码库通读这类活的人，最后都会换计费口径。
这几类任务上，thinking 带来的正确率提升是实打实的。判断方法很简单：如果这个任务你自己做也要先想十分钟再动手，那就该开 thinking。一次跑对省下的返工时间远超那几毛钱。
翻译、摘要、格式转换、关键词抽取、简单分类，这些任务开 thinking 只是让模型多想几秒然后给出同样的答案。用便宜档位，甚至换 DeepSeek 那档（0.049 元）跑就行。
一个常见的浪费是给批量任务开 thinking。一千条评论做情感分类，每条多花五秒思考，累计就是一个多小时白等，结果还是一样的标签。
把 thinking 理解成模型回答前打的草稿。草稿能减少低级错误，但不会让它凭空学会新知识。同一个模型开不开 thinking，知识边界是一样的，差别只在犯不犯蠢。
所以别把 thinking 当能力升级按钮。遇到模型确实不知道的东西，开 thinking 只会让它把错的答案组织得更像对的。
每天 30 次对话，每月 900 次调用。
| 用法 | 月成本 |
|---|---|
| 全用 claude-opus-4-6-thinking（0.25） | 225 元 |
| 7 成 claude-sonnet-4-5-thinking + 3 成 claude-opus-4-5-thinking | 89 元 |
| 全用 claude-sonnet-4-5-thinking（0.09） | 81 元 |
个人用户这一档，别一上来就买套餐。先在 7 元额度里跑一周，看看自己实际一天问几次，再决定要不要包月。
每月 4500 次调用。
| 用法 | 月成本 |
|---|---|
| 全用 claude-sonnet-4-6-thinking（0.2） | 900 元 |
| 7 成 claude-sonnet-4-5-thinking + 3 成 claude-opus-4-6-thinking | 743 元 |
| 全用 claude-opus-4-8-thinking（0.25） | 1125 元 |
这个量级该认真看无限卡套餐了。纯按次付到这个数字，已经比自建代理加官号还贵的区间，别硬扛。
每天 2000 次以上调用，按次计费的成本结构反而比官方好算：只要单次带进去的 token 量够大，0.09 元一次能压到官方成本的几十分之一。这种场景直接上无限卡，不再逐次抠。
反过来说，如果你的 Agent 每次只发 200 token 的短指令，那按次计费的优势就没了，得回到按量口径去比价，别被「按次便宜」这四个字带跑。
按任务分层，别一句 prompt 打天下：
| 任务类型 | 推荐档位 | 单价 |
|---|---|---|
| 抽取、分类、格式转换 | deepseek-v3.2-thinking | 0.049 元 |
| 日常对话、摘要、翻译 | claude-sonnet-4-5-thinking | 0.09 元 |
| 复杂代码、方案评审 | claude-opus-4-8-thinking | 0.25 元 |
三层分下来，平均单价能压到 0.1 元以下，实际效果和全量上 Opus 差不太多。关键是先跑便宜档、失败再升级，而不是反过来。
同一个大文档要问 20 个问题，别开 20 个新会话。把文档塞进 system 消息，后面只追加问题，让服务端能吃到重复前缀。
DOC = open("spec.md", encoding="utf-8").read()
def ask(question, model="claude-sonnet-4-5-thinking"):
resp = client.chat.completions.create(
model=model,
messages=[
{"role": "system", "content": "参考文档如下：\n" + DOC},
{"role": "user", "content": question},
],
)
return resp.choices[0].message.content
for q in ["接口有哪些鉴权方式", "限流策略是什么", "错误码怎么定义"]:
print(ask(q))按次计费下这段前缀复用几次都是同一个单价，但省掉的重复传输延迟是实打实的，长文档尤其明显，体感能差好几秒。
夜间批量任务对延迟不敏感，用 deepseek-v3.2-thinking（0.049 元）跑采集、打标、清洗，把贵的档位留给白天需要人机对话的环节。
同一个 Key 里换模型只是改一个字符串，不需要切换服务商、不需要换 SDK，这是聚合接口最实际的一点便利。
按次计费的优势全建立在「单次带进去的内容够长」这个前提上。如果你的调用是几十个字的客服回复、短文本打标这类请求，官方按 token 反而更省：一次一千 token 也就几分钱，按次固定收 0.09 元就显得贵了。判断方法很直接，统计一周的真实输入长度，平均不到两三千 token，就别急着换口径。
4.5 在 0.09 元这一档，处理摘要、翻译、单文件函数编写、报错解释完全够。这类任务上 4.6 和 4.5 的差距要仔细看才能发现，但你为此多付了一倍不止的钱。
真正让 4.5 露怯的是跨文件改动和长上下文保持。丢给它一个大仓库里的好几个文件，它常常只改你点名提到的那一个，剩下的调用方当没看见。
Agent 循环、多步重构、需要连续十几轮工具调用的任务，4.5 会在中途丢状态，表现为重复问你已经回答过的问题，或者忘了前面刚定下的约束。
4.6 起这个毛病基本消失了。这类任务上省下来的不是钱，是你盯着它跑的时间。所以选型规则可以简化成一句：单轮任务看 4.5，多轮任务从 4.6 起步。
4.7 和 4.6 同价，4.8 也是 0.25，等于给了你一个几乎零成本的上探空间。但新版本在风格上更谨慎、更爱先追问约束条件，拿它做纯格式转换这种死板任务时反而显得啰嗦。
手上有一套固定评测集的团队，换版本前先跑一遍，让分数决定，别凭手感。
7 元起充，支付宝、微信都能付，不需要美元信用卡，也不用绑海外手机号。先充最低档跑通链路，确认延迟和输出质量符合预期，再决定加多少钱。
Chatbox、Cherry Studio、酒馆、Tavo 都支持，填自定义 API 地址即可；VSCode 系的 Cline、RooCode、KiloCode 选 OpenAI Compatible 模式；Claude Code 配 cc-switch 也能接上，命令行工作流不用改。
国内直连，不降智、不限速。这话谁都会说，验证方式是自己拿同一段 prompt 对比跑：同一个模型、同一个问题连跑 10 次，看答案质量和响应时间稳不稳定。波动大就是有问题，稳就是没问题，比看任何宣传都准。