不换模型，先拧这三个开关

同一条批量改写任务，跑在北京时间上午十点和跑在晚上八点，按 DeepSeek 2026 年 8 月 17 日起生效的官方价格表，单价差一倍。你什么都没改，只改了排程里的一个时间。

内容产线上省钱，多数人的第一反应是换个便宜模型。这个动作有代价：换模型要重跑提示词、重看输出质量、重新定失败处理，而且换完还得跑一段时间才敢下结论。产能会掉一到两周。

先固定结构，再谈产量。这一篇讲的三个开关，全都不动模型：错峰、缓存、降档。三个都写在 2026 年 8 月的官方文档里，采集日是 2026 年 8 月 18 日。第四节讲两个会反向加钱的坑——这两个坑不写清楚，前面三个开关可能白拧。

一、开关一：错峰。挪一个时间字段，单价对半

先看有没有峰谷价这回事。

据 DeepSeek 官方 2026 年 8 月 13 日的公告与 8 月 18 日实拉的定价页，该平台自 2026 年 8 月 16 日 16:00 UTC 起改按峰谷计价，官方原文写的是非高峰费率比高峰低 50%。峰时段英文页写的是 UTC 01:00–04:00 与 06:00–10:00，中文页写的是北京时间 09:00–12:00 与 14:00–18:00，两套写法指同一段时间，其余时段是谷时。折算下来，每天 7 小时是峰时，17 小时是谷时，而且中午 12:00 到 14:00 那两小时是谷时。

这个开关怎么拧，很直接：把所有不需要人盯着的任务，排到谷时。

内容产线上能挪的任务比你以为的多。批量改写、批量翻译、批量打标、素材去重、成片脚本的第一稿、每天早上要看的选题清单——这些的共同点是「结果第二天早上到位就行」。真正挪不动的只有一类：用户在线时发起的调用。

还有第二种错峰，是异步批处理。据 Anthropic 官方定价页 2026 年 8 月 18 日实拉，其 Batch API 对输入与输出 token 各打五折，代价是异步——你提交一批，过一会儿来取结果。这和时段错峰是两个独立的开关，可以叠加：把批量任务改成异步提交，再排到谷时。

对内容产线来说，异步这件事的门槛比想象中低。产线本来就是分批走的：第一天定选题，第二天出初稿，第三天过审。中间的等待时间以小时计，异步接口的返回时间落在这个窗口里，流程一点都不用改。

拧完要验一次，别跳。排程平台跑的时区不一定是你以为的那个——服务器本地时区、UTC、账号设置里的时区，三者可以各不相同。验法是改完之后隔一个账期，把账单按时段拉一遍，看谷时那一栏的量有没有起来。量没起来，就是时区没对上，不是价格表骗人。

还有一个产线上的细节：任务全压在同一分钟发起，会撞并发上限，失败重试的那部分是要重新付费的。把二十条任务摊到一小时里，比全塞在零点整那一分钟稳。

要注意的是，不是每家都有峰谷价。这个开关的适用范围是「你正在用的这家有没有」——打开它的定价页看一眼，有就拧，没有就跳过，不要为了这个开关去换供应商。换供应商的成本，第一段已经说过了。

二、开关二：缓存。前缀稳定才有命中，前缀一动全部作废

第二个开关的收益比第一个大，但它对结构有要求。

据 Anthropic 官方定价页 2026 年 8 月 18 日实拉，其提示词缓存的价格倍率是：缓存读取（命中）为基础输入价的 0.1 倍，5 分钟缓存写入为 1.25 倍，1 小时缓存写入为 2 倍。官方在同一页给了回本条件的原文口径：5 分钟档一次命中就回本，1 小时档两次命中回本。换成具体数字，Claude Sonnet 5 的基础输入价是每百万 token $2，缓存命中价是 $0.20。

DeepSeek 那一侧的量级也放一起看。据其 8 月 18 日实拉的定价页，V4-Pro 谷时的缓存命中输入是每百万 token $0.022，未命中是 $0.66，差 30 倍。

倍率讲完了，讲结构。缓存命中的前提是提示词的前缀完全一致。前缀里只要有一个字符变了，缓存就作废，那一次请求按未命中计费，还要付一次写入的钱。

内容产线上最常见的三种「把缓存搞坏」的写法：

• 1把日期塞进系统提示词的开头。「日期：某年某月某日」这一行放在最前面，等于每天换一次前缀，缓存一天命中一次都拿不到。改法是把它挪到最后面，动态内容一律往后放。
• 2每条素材都拼一份新的角色设定。同一批任务用同一份角色设定，就应该是同一个字符串，不要按素材去改措辞。真要改，改在动态段。
• 3把示例样本按素材随机抽。示例样本是最值得进缓存的部分，它长、它稳定。按素材随机抽等于把最该复用的那一段变成了每次都新的。

改法归纳成一句：静态在前，动态在后，中间不要插变量。

工具侧也有动静，方向是一样的。据 Claude Code 官方 CHANGELOG，2026 年 8 月 12 日的 2.1.229 版把 workflow 扇出改成同前缀错峰启动，后续的 agent 读缓存前缀而不是重复付费；2026 年 8 月 3 日的 2.1.221 版把 auto 模式的权限检查改成复用缓存前缀以降低缓存成本。这两条说明的是同一件事——同样的活儿，让后面的调用去读前面已经缓存过的那一段，账单会低。

这个开关的自查动作是四步，做完大概二十分钟：

• 1拉出上个账期里花钱最多的那一条链路。 只拉一条。不要一次看全部，看全部的结果通常是一条都没改。
• 2找到这条链路发出去的完整请求内容，从头读到尾。 重点看前 30% 是不是每次都一样。
• 3把每次都变的那些片段圈出来，逐个判断它们能不能挪到末尾。 能挪的挪；挪不动的记下来，那是这条链路的缓存上限。
• 4改完之后连跑三天，去账单里看缓存命中的 token 占比有没有涨。 不看单次调用，看三天的占比。占比没涨，说明前缀还是没稳住，回到第 2 步。

三、开关三：降档。官方自己在教你怎么少花钱

第三个开关是把同一个任务换到更低的算力档，不换模型家族。

据 OpenAI 官方 2026 年 8 月 13 日发布的《The builder's guide to GPT-5.6》，该文给出了选型方法与「降低 reasoning effort 省钱」的做法，并举了一个官方自己的例子：GPT-5.6 Sol 在 low reasoning 档下，于 Agents' Last Exam 这个基准上的成绩超过了上一代 GPT-5.5 的 high reasoning 档。厂商官方文档在教用户怎么少花钱，这件事本身就说明高档位不是默认答案。

档位这个开关在 8 月被好几家同时铺开：

• →据 DeepSeek 官方 2026 年 8 月 13 日的公告，V4-Pro 与 V4-Flash 同时新增 `reasoning_effort` 的 low / high / max 三档。
• →据 Google 官方 2026 年 8 月 13 日 GA 的 Gemini 3.7 Flash 文档，该模型的 thinking 支持 low / medium / high 三档，不支持 minimal，传了会报错。
• →据 NVIDIA 官方 2026 年 8 月 11 日的发布，其开源了一个叫 NeMo Switchyard 的模型路由库，按质量、延迟、成本自动把智能体工作流的每一步路由到最合适的模型，算法可自定义。

最后这条值得单独说一句：分档路由这件事以前是各家自己写的私货，2026 年 8 月第一次有大厂给出了开源实现。

内容产线上怎么分档，我的做法是按环节分，不按模型分：

要判断力的环节用高档。选题定夺、事实核对、终稿定版——这三个环节出错的代价是整条内容作废，省不出钱。

要产量的环节用低档。扩写、改写、翻译、切分、打标、生成变体——这些环节的输出会被后面的环节再过一遍，单次质量波动可以被吸收。

中间那一层用中档，并且要有回归集。回归集就是一组固定的输入和你认可的输出，二十条就够。降档之前跑一遍，降档之后再跑一遍，逐条对。没有回归集就不要降档——降完你分不清质量有没有掉，只能凭感觉，而感觉在产线上不算数。

要提醒一句：档位的名字各家不一样，`reasoning_effort`、thinking 档、speed 档，甚至同一家不同型号支持的档位也不同（Gemini 3.7 Flash 就明确不支持 minimal）。别把一家的档位名照搬到另一家的调用里，那不是省钱，那是报错。

四、两个反向加钱的坑，和什么时候三个开关都不该拧

前面三个开关拧完，还有两个坑，踩上去账单会不降反升。

坑一：分词器换代会吃掉价差。据 Anthropic 官方定价页 2026 年 8 月 18 日实拉的说明，Claude 4.7 及之后的模型与 Claude Mythos Preview 使用了新的分词器，同样的文本约多产生 30% 的 token，具体增幅取决于内容与工作负载形态；Claude Sonnet 4.6 及更早的模型用的是旧分词器。这意味着一件很实际的事：Sonnet 5 的输入价是每百万 token $2、Sonnet 4.6 是 $3，单看价格是便宜三分之一；但同一段文本在新分词器下会切出更多 token，实际省下的幅度得按你自己的文本重算。看单价不够，要看「同一篇稿子跑完一共花了多少钱」。

坑二：阶梯计费是整单按档，不是超出部分按档。据阿里云百炼官方文档，单价取决于单次请求的输入 token 总量，该请求的全部 token 按对应阶梯的单价结算；据 xAI 官方定价页，其同样写明 prompt 达到阈值后整个请求的全部 token 按高档计费。具体的量级：百炼 qwen3.7-flash 的输入价，32k 以内是每百万 token ¥0.2，32k 到 256k 是 ¥0.6，一次请求多塞一点，整单单价变成三倍；xAI 的 grok-4.6 在 200k 以上走长档，输入从 $2.00 变成 $4.00、输出从 $6.00 变成 $12.00。

坑二在内容产线上最容易出事的地方是「把一整批素材塞进一个请求」。看起来是省了调用次数，实际是把整单推过了阶梯线。改法是拆批，按阶梯线之下的长度切。

最后说什么时候这三个开关都不该拧。

第一，你的账单还没到值得优化的量。如果一个月的模型开销只有几百块，这三个开关加起来能省的钱，抵不过你花在上面的工时。这种时候正确的动作是把工时投到产量上，不是投到单价上。

第二，这条链路的输出还没稳定。提示词还在天天改、输出质量还在来回调的阶段，前缀不可能稳定，缓存拧了也没命中；降档更会把「是提示词问题还是档位问题」搅成一团。先把结构固定，再谈省钱。顺序反了，你会花两倍时间排查。

第三，你只有一个人，而这三件事都要维护。错峰要维护排程、缓存要维护前缀纪律、降档要维护回归集。三样都上，等于给自己加了三个每周都要看一眼的事。我的建议是一次只上一个，跑满两周，确认账单和质量都对得上，再上下一个。

第四，别为了省钱去动那个已经在赚钱的链路。产线上跑得最顺的那一条，不要拿它做优化实验。拿一条量中等、出错代价可控的链路先试，试通了再往主线上搬。

关于一张真实的月度 AI 账单由哪几块构成，站内另有一篇专门写过，本篇只讲不改架构就能拧的这三个开关。