小白保姆级教程：零代码搭建【AI价格监控、成本预估和对比小助手】（附步骤拆解和Prompt）

Blairqingsong26

47人浏览 · 2026-09-23 11:59:02

Blairqingsong26 · 2026-09-23 11:59:02 发布

17 款主流大模型横评 + 一套可复用的成本测算工具。全程不写代码，7 步做完，附全部 Prompt。

一、先说结论：17 款大模型横评，价差高达 118 倍

先上横评结果。我覆盖了 8 家厂商、17 个模型，按四个典型场景实测成本：

场景	最省方案	月成本	最贵方案月成本	价差
① 日常对话问答	Qwen3.8-Flash	21.5 元	2362 元	109.9 倍
② 长文档摘要	GPT-6 Luna	40.5 元	4049 元	100.0 倍
③ 代码生成/Agent	Qwen3.8-Flash	75.2 元	8098 元	107.7 倍
④ 批量内容生成	Qwen3.8-Flash	194 元	22946 元	118.3 倍
核心结论：同样一个任务，选错模型贵 100 倍以上。选型比砍价重要得多。
完整横评数据（单位：每百万 tokens）：
厂商	模型	档位	输入价	输出价
------	------	------	--------	--------
OpenAI	GPT-6 Astra	旗舰	$10.00	$50.00
OpenAI	GPT-6 Sol	均衡	$2.00	$10.00
OpenAI	GPT-6 Luna	轻量	$0.10	$0.50
Anthropic	Claude Fable 5.1	旗舰	$10.00	$50.00
Anthropic	Claude Opus 5.5	旗舰	$4.00	$20.00
Anthropic	Claude Sonnet 5	均衡	$2.00	$10.00
Google	Gemini 3.8 Flash	轻量	$0.75	$3.75
Google	Gemini 3.1 Pro	均衡	$2.00	$12.00
DeepSeek	V4.1 Flash（空闲）	轻量	¥1.00	¥4.00
DeepSeek	V4 Pro（空闲）	旗舰	¥4.50	¥13.50
通义千问	Qwen3.8-Max	旗舰	¥2.00	¥6.00
通义千问	Qwen3.8-Flash	轻量	¥0.80	¥2.70
字节豆包	Doubao-Seed-2.1-Pro	旗舰	¥6.00	¥30.00
月之暗面	Kimi K3	旗舰	¥20.00	¥100.00
智谱GLM	GLM-5.3	旗舰	¥8.00	¥28.00
智谱GLM	GLM-5.3-Flash	轻量	¥0.80	¥2.80
智谱GLM	GLM-5.3-FlashX	均衡	¥2.00	¥7.00
数据说明：价格更新于 2026-09-23，汇率按 1 USD = 6.7487 CNY 折算。以各厂商官网/官方公告为准，二手来源仅供参考。

二、行情背景：2026 年出现罕见反转

2026 年的大模型市场，出现了一个反常识的现象：

国产模型集体涨价，海外模型集体降价。
据机构统计，国内八大厂商 2026 年 Q2 平均 API 输入价 4.9 元/百万 token、输出价 21.9 元/百万 token，相比 2025 年 Q1 的 3.3 元和 12.2 元，分别上涨 48% 和 80%。
而海外厂商则在降价抢市场：

2026-07-30 OpenAI：GPT-5.6 Luna 降价 80%
2026-08-10 Anthropic：Claude Sonnet 5 的 2/2/10 首发优惠转为永久价
2026-08-21 OpenAI：GPT-5.6 Sol 下调超 20%
2026-09-23 OpenAI：发布 GPT-6 Sol（2/2/10）与 Luna（0.10/0.10/0.50），较上代降 50% 以上
2026-09-23 Anthropic：发布 Claude Opus 5.5（4/4/20），较 Opus 5 降 20%
行情变得这么快，手动查价格表根本跟不上。 这就是为什么需要一个能自动更新的工具。

三、技术方案：用 AiPy 零代码搭建

3.1 为什么选 AiPy

我是基于本地安全，还有成本的考虑，选择的AiPy，你们可以根据习惯自己选择工具复现，不影响。简单来说，它是一个支持自然语言驱动的 AI 智能体开发平台。可以：

支持联网检索：价格数据必须实时查，AiPy 能自己拆成多轮搜索
支持零代码开发：全程说人话，不用写一行代码
支持打包成智能体：做完能直接装到本地，点开就用

3.2 工具架构

最终做出来的工具包含 4 个功能区：

功能区	技术实现
📋 价格总览	内置结构化价格数据（JSON），前端三维筛选 + 汇率实时折算
📉 价格动态	时间线组件，按降价/涨价/调价分类着色
🧮 成本计算器	前端实时计算，按公式排序，支持 CSV 导出
💡 选型与省钱	静态配置 + AI 动态生成
外加一个杀手锏：AI 智能预估——用大白话描述任务，AI 自动拆解需求、预估 token、推荐模型。

四、保姆级步骤拆解（7 步）

第 1 步：让 AiPy 去查价格

目标：拿到带来源和日期的结构化价格数据。
Prompt（直接复制）：

帮我查一下现在主流大模型 API 的最新价格，包括 OpenAI、Claude、Gemini，
还有国产的 DeepSeek、通义千问、豆包、Kimi、智谱，要输入价、输出价、
上下文长度，还要标注来源和日期。

三个关键点：

划定范围——明确要哪些厂商
指定字段——输入价、输出价、上下文长度
要求可核实——必须标注来源和日期，避免 AI 编造数据
⚠️ 避坑：如果 AiPy 返回的价格没有来源，一定要追问"每个价格的来源和日期是什么？"。价格数据必须可核实。

第 2 步：让它算成本

Prompt：

按四个典型场景算成本：
① 日常对话问答（输入 1K/输出 0.5K/月 1 万次）
② 长文档摘要（输入 50K/输出 2K/月 1 千次）
③ 代码生成 Agent（输入 20K/输出 8K/月 2 千次）
④ 批量内容生成（输入 2K/输出 3K/月 2 万次）
每个场景给我完整的排名表，标出最省、最贵、价差倍数和可节省金额。

计算口径：

单次成本 = 输入token数 ÷ 1,000,000 × 输入单价 + 输出token数 ÷ 1,000,000 × 输出单价
月成本   = 单次成本 × 月调用次数

国际模型按汇率折算成人民币（本文按 1 USD = 6.7487 CNY）。

第 3 步：让它做成工具

Prompt：

把这个做成一个带界面的智能体，我要能点开就用。
要有价格总览表、价格动态时间线、成本计算器、选型建议四个部分。

AiPy 会自己把前后端全写好，包括界面、服务、数据文件，还会自动安装。这一步大约 3 分钟。

第 4 步：进阶——让它"听懂人话"

背景：工具做出来后我发现一个问题——我自己懂 token 是什么，但同事不懂啊。
Prompt：

在成本计算器部分，给用户提供一个输入框，用户可以手动输入他的任务需求，
agent 通过分析任务难度、拆解需求和动作，自动预估需要的 tokens，
预估价格，然后给出选型建议。

AiPy 在后台生成的"灵魂提示词"（完整贴出）：

你是一位资深 AI 应用架构师。用户会描述一个他想用大模型完成的任务，
请你分析并预估 token 消耗。
1. 判定任务难度：简单 / 中等 / 复杂
   · 简单：分类、抽取、翻译、简单问答、格式化
   · 中等：写作、常规代码生成、知识问答、内容总结
   · 复杂：架构设计、多步推理、长链路 Agent、高价值决策分析
2. 把任务拆解成 2-5 个具体动作步骤，每个步骤说明大致要处理多少内容
3. 预估「单次任务」的输入 token 和输出 token（必须给出具体数字）
   · 参考基准：一句话问答约 1000 输入/500 输出；
     一篇 3000 字文档约 5000 输入；一份 50 页报告约 50000 输入
   · 输出 token 通常明显少于输入（除非是生成类任务）
4. 预估合理的「每月调用次数」（根据任务性质判断，
   比如客服机器人可能上万次，写报告可能几十次）
5. 给出选型建议：推荐 2-3 个模型（从轻量/均衡/旗舰中选），说明理由
【输出格式】必须严格返回 JSON，不要有任何其他文字、
不要用 markdown 代码块包裹：
{
  "difficulty": "简单|中等|复杂",
  "difficultyReason": "一句话说明为什么是这个难度",
  "steps": [{"name": "步骤名称", "detail": "这步做什么，大概处理多少内容"}],
  "inputTokens": 数字,
  "outputTokens": 数字,
  "monthlyCalls": 数字,
  "callsReason": "为什么预估这个调用次数",
  "recommendation": [{"tier": "轻量|均衡|旗舰", "model": "模型名", "reason": "推荐理由"}],
  "savingTip": "一条针对该任务的省钱建议"
}

三个设计巧思：

巧思	说明
给了参考基准	"3000 字文档约 5000 输入"，让 AI 有锚点
强制返回 JSON	程序才能解析，不会返回废话
明确禁止代码块包裹	踩过坑才知道，AI 特别爱加 ```json
实测效果：
输入"我想做一个客服机器人，每天回复客户关于产品退换货的问题，每次回答大概 200 字，每天约 300 个用户咨询"，AiPy 返回：

任务难度：简单（基于固定知识库的常规问答，无需复杂推理）
需求拆解：① 意图识别与上下文提取 ② 策略匹配与内容生成
Token 预估：单次输入 150、输出 400，月调用 9000 次
选型建议：推荐 3 个模型，分轻量/均衡/旗舰三档
省钱提示：把退换货政策预设为 System Prompt，可显著减少输入 token
点「带入成本计算器」→ 最省 10.8 元/月，最贵 1305.87 元/月，差 120.9 倍。

第 5 步：避坑指南（3 个实战坑）

坑 1：AI 返回带代码块包裹，JSON 解析失败

现象：提示词里说了"不要包裹"，但 AI 有时还是会加 json。 **解决**：代码里做容错——先去掉首尾的 标记，再截取第一个 { 到最后一个 } 之间的内容。

坑 2：AI 预估的数字偶尔离谱

现象：把月调用次数估成 0 或负数。
解决：加字段校验和兜底。数字不合法就用默认值（输入 2000、输出 1000、月调用 1000）。

坑 3：中文引号导致代码报错

现象：生成报告时文案里有中文引号，直接把字符串搞崩。
解决：生成内容统一用英文引号，或做好转义。

第 6 步：4 处微调

微调	解决什么问题
加"带入成本计算器"按钮	预估完 token 一键填入，不用手动抄
加实时联动	改输入框，排名表立刻刷新
加 CSV 导出	算完能导出给财务
加深色模式自适应	跟随主题自动切换

第 7 步：部署与使用

AiPy 会自动把智能体装到本地扩展目录，重启客户端后即可在智能体集市中找到。价格变了改一下数据文件就能更新。

五、省钱建议（8 条）

按难度分层用模型——简单用轻量、中等用均衡、复杂用旗舰。把 80% 简单请求从旗舰切到轻量，账单降 70%~90%
中文任务优先国产模型——Qwen3.8-Flash 比 Claude Sonnet 5 便宜约 17~25 倍
用好缓存命中——DeepSeek 缓存命中 0.02 元/百万 token，是未命中价的 1/50；Kimi K3 缓存命中是未命中的 1/10；Claude Opus 5.5 缓存读比标准输入便宜 95%
利用峰谷时段——DeepSeek 空闲时段价格仅为高峰的 50%，周末全天按空闲价
使用批量接口——Kimi Batch 为标准价 60%，Anthropic Batch 最高省 50%，OpenAI Batch 为标准价 50%
长文档先摘要再喂贵模型——可省 80% 以上
严格控制输出长度——输出单价通常是输入的 3~5 倍
警惕优惠到期——Gemini 3.8 Flash 现价是促销价，2027-01-01 起翻倍

六、选型速查表

你的需求	推荐模型	理由
日常客服/问答机器人	Qwen3.8-Flash	月成本仅 21.5 元，中文好
高频批量内容生成	Qwen3.8-Flash / GLM-5.3-Flash	单价最低，输出便宜
长文档摘要/信息抽取	GPT-6 Luna	长输入场景全球最省
中等难度代码生成	GPT-6 Sol / Claude Sonnet 5	能力与成本平衡点
复杂 Agent / 多步推理	Claude Opus 5.5	能力强，缓存读便宜 95%
最难的科研/高价值决策	GPT-6 Astra	能力天花板，但很贵
超长上下文（百万级）	Qwen3.8-Max / Kimi K3	1M 上下文，国产更划算
预算极紧的初创团队	DeepSeek V4.1 Flash	闲时 1元/4元，周末更省
需要极快响应速度	GLM-5.3-FlashX	200 tokens/s，速度优先

七、选型还要考虑什么

价格只是决策的一部分，别只盯单价。

能力上限——便宜模型在复杂推理、长链路 Agent 上可能反复失败，重试多了实际成本反而更高。要算"完成一个任务的总成本"
稳定性与限流——部分低价模型高峰期会限流
合规与数据安全——涉及隐私、金融、医疗数据，需确认数据不出境、是否支持私有化部署
延迟（首 token 时间）——实时对话场景速度可能比价格更重要
生态与工具支持——是否支持 Function Calling、结构化输出、MCP 协议
供应商风险——价格战期间厂商可能随时调价（DeepSeek 一个月内两次调价），建议做好多模型路由预案

八、总结

整个教程 7 个步骤，全程没写一行代码，用 AiPy 把需求用大白话讲清楚就行。
关键 Prompt 回顾：

步骤	Prompt 核心
第 1 步	查价格——划定范围 + 指定字段 + 要求可核实
第 2 步	算成本——说清场景参数 + 明确对比维度
第 3 步	做工具——说清功能模块
第 4 步	听懂人话——说清要 AI 干的四件事
回头看，最关键的其实是把需求说清楚。说得越具体，AiPy 做得越准。
如果你也在为 AI 成本头疼，或者想知道自己那个任务该用哪个模型，真心建议试试。毕竟选对模型，一年能省好几万。