哪个便宜模型适合你的任务？按输入:输出比例选择

按任务形态选择，而不是看标题价格。如果输入长、答案短（长报告摘要、对长输入打标签），DeepSeek-V4-Flash 在三者中成本最低。如果答案与输入一样长或更长（短聊天轮次、改写、代码生成），则 GLM-5.3-Flash 成本最低，而长对话会在中途翻转答案。当你的测试表明 MiniMax-M2.7 的答案最适合你时，就选它；在三者中，它比 OpenRouter 参考价低得最多。

20 次请求后你就能看出自己属于哪一侧。以下价格来自 2026 年 11 月 6 日的 CheapTokens 价格参考，表格或标记中的每个数字都是实时的，因此会跟随当前资费。

一次请求有两个计量表#

每次请求都计费两次：一次针对你发送的 token（输入），一次针对模型写回的 token（输出）。每个模型对两侧分别定价，这正是比较标题价格会出错的地方（基础知识见 输入 vs 输出 token：AI API 如何向你计费）。

DeepSeek-V4-Flash 每 1M token 输入收费 $0.015，输出收费 $0.10。GLM-5.3-Flash 收费 $0.02 和 $0.04。MiniMax-M2.7 收费 $0.05 和 $0.15。一个模型在输入侧更便宜，另一个在输出侧更便宜，所以赢家取决于每个方向传输多少 token。

这个比例才是关键数字：输入 token 除以输出 token。一个读取 600 token 工单并回答 10 token 标签的打标签器，比例为 60 比 1（600 ÷ 10 = 60）。一个接收 400 token 段落并返回 800 token 的改写工具，比例为 1 比 2（400 ÷ 800 = 0.5）。

在 20 次请求中测量你自己的比例#

猜测正是出错的地方，所以要测量。每个 Chat Completions 响应都带有一个 usage 对象，其中包含 prompt_tokens（你发送的内容）和 completion_tokens（返回的内容）。Anthropic Messages 格式称它们为 input_tokens 和 output_tokens；CheapTokens 文档展示了两种格式。

从你的任务中取 20–50 次真实请求，分别累加两侧。要累加，不要对每次请求的比例取平均：一个极小的答案会把平均值拖得乱七八糟。

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.cheaptokens.dev/v1",
    api_key=os.environ["CHEAPTOKENS_API_KEY"],
)

prompts = ["...", "..."]  # 20-50 real inputs from your task

tokens_in = tokens_out = 0
for text in prompts:
    r = client.chat.completions.create(
        model="deepseek-ai/DeepSeek-V4-Flash-0731",
        messages=[{"role": "user", "content": text}],
        max_tokens=2000,
    )
    tokens_in += r.usage.prompt_tokens
    tokens_out += r.usage.completion_tokens

print(f"input {tokens_in}, output {tokens_out}, ratio {tokens_in / tokens_out:.1f} : 1")

最后一行打印你的比例。这个单一数字就是你带入下一节的全部内容。

比例对账单的影响#

以下是四种常见形态。这些规模是为典型情况选取的假设值；请换成你自己运行中的数字。

每天给 10,000 张工单打标签#

假设一个支持工具每天给 10,000 张工单打标签：输入 600 token，输出 10 token 标签。每个模型一整天的费用：

读表。DeepSeek-V4-Flash 在这里是三者中最便宜的，因为你付费的几乎每个 token 都是输入。OpenRouter 列显示，把输入和输出合计后，三个模型的总价都低于参考价。

总结长报告#

一份 12,000 token 的报告压缩成 300 token 的摘要，比例为 40 比 1（12,000 ÷ 300 = 40）。一份摘要在 DeepSeek-V4-Flash 上花费 $0.00021，在 GLM-5.3-Flash 上花费 $0.00025。和打标签一样：你每写一个词所读的内容越多，DeepSeek 的输入价格就越有帮助。

改写和代码文件#

现在反过来。一次语气改写输入 400 token，返回 800 token。DeepSeek-V4-Flash：$0.000086。GLM-5.3-Flash：$0.00004。输出是这笔账单中更大的一半，所以输出价格最低的模型获胜，那就是 GLM-5.3-Flash。

不断增长的聊天#

聊天是最隐蔽的，因为 API 没有记忆：每一轮你都要重新发送整个 messages 数组。第 1 轮，用户写 300 token，机器人回答 200 token（300 ÷ 200 = 1.5）。这是 GLM 的地盘：$0.000014 对 DeepSeek-V4-Flash 的 $0.000025。

到第 30 轮，历史是 6,000 token，答案仍是 200 token（6,000 ÷ 200 = 30）。现在 GLM-5.3-Flash 的 $0.00013 面对 DeepSeek-V4-Flash 的 $0.00011，更便宜的模型已经翻转。同一个机器人在长对话中途改变了它的最佳模型。

当单个答案的长度起决定作用时#

比例不是唯一的门槛。答案上限不同：DeepSeek-V4-Flash 一次回答最多写 32,768 个输出 token，GLM-5.3-Flash 和 MiniMax-M2.7 最多 8,192。

假设你一次要求生成整个 12,000 token 的模块。在限制为 8,192 的模型上，回复会在文件中间以 finish_reason: length 停止（修复方法见 AI 回答被截断？修复 finish_reason length 和 max_tokens）。在 DeepSeek-V4-Flash 上则能容纳。所以对于长的单次输出，先检查上限，再检查比例。

在输入侧，GLM-5.3-Flash 接受 390K token 上下文，DeepSeek-V4-Flash 为 380K，足以在一次请求中处理整本书长度的文档。MiniMax-M2.7 有 180K。

MiniMax-M2.7 适合哪里#

比例在上表中获胜的两行之间做决定。你选择 MiniMax-M2.7 是出于另一个原因：它的答案在你的任务上读起来如何。在成本表中，它还显示出 OpenRouter 列下方最宽的差距，而且 180K 上下文对于聊天和大多数文档来说绰绰有余。

没有价格表能告诉你质量。把测量步骤中的同样 20 个提示词跑过三个 id（zai-org/GLM-5.3-Flash、deepseek-ai/DeepSeek-V4-Flash-0731、MiniMaxAI/MiniMax-M2.7），并排阅读答案。要获得正面对比概览，见 GLM vs DeepSeek vs MiniMax：该选哪个模型。对于整个智能体会话，见 智能体会话成本：GLM、DeepSeek 或 MiniMax 上的 50 步。

填入你自己的数字#

输入单次请求的 token 数以及你每天发送多少请求。计算器使用实时价格并显示所有三个模型。起始值是一个 RAG 问答机器人：输入 3,000 token 的检索文本和问题，输出 500。把输入往上拖，观察最便宜的一行如何变化。

当数字看起来正确时，过一遍这个清单。

基础 URL 和模型 id 在 CheapTokens 文档中，完整的实时价格列表在定价页面上，每个模型都有自己的页面：GLM、DeepSeek、MiniMax。一个余额覆盖三者，所以测量后切换只需改一行模型 id。