你去年算不过来的账，今年能算过来了

50 倍。这是每年的降幅，不是三年的。

据 Epoch AI 的 LLM 推理价格趋势数据（2025 年 3 月 12 日），LLM 推理价格的年降幅在 9 倍到 900 倍之间，中位数约为每年 50 倍（原文 "prices declining between 9x per year and 900x per year, with a median of 50x per year"）。同一页还写了一句限定，一起读才完整："The fastest price drops in that range have occurred in the past year, so it's less clear that those will persist." ——那个区间里最快的降幅发生在该页发布前的一年，会不会持续并不确定。

另一组从不同角度得出的数：据 Stanford HAI《AI Index Report 2025》（2025 年 4 月 7 日发布），达到 GPT-3.5 级能力的推理成本，在 2022 年 11 月至 2024 年 10 月之间下降超过 280 倍。

这两个数字合起来说明一件对生意人很实际的事：你在一年前、两年前因为「太贵」否掉的那些需求，当时那笔账是真的算不过来，现在那笔账可能已经变了。否决意见有保质期，而大多数公司从来不给否决意见设复审日。

但同一段时间里，还有一个数字在往相反方向走，这一条必须一起说，否则整篇文章就是误导。

一、变便宜的是买 token，变贵的是囤高端卡

据 SemiAnalysis 于 2026 年 4 月 2 日发布的价格指数，H100 的一年期租赁合约价，从 2025 年 10 月的 1.70 美元/卡时，涨到了 2026 年 3 月的 2.35 美元/卡时。

$2.35 除以 $1.70 约等于 1.38——五个月内涨了约 38%。

把这条和开头那两条放在一起，会看到一个经常被混为一谈、但方向完全相反的结构：

• →买 token（调 API）：中位年降幅约 50 倍；GPT-3.5 级能力的成本在 2022 年 11 月至 2024 年 10 月之间下降超过 280 倍。
• →囤高端卡（租/买算力）：H100 一年期合约价五个月涨约 38%。

一个在跌，一个在涨。它们不是同一件事，也不该被同一句「AI 越来越便宜」或者「AI 越来越贵」概括。

为什么会这样，不是这篇文章要回答的问题——那属于算力供需，我们没有核到能支撑因果解释的材料，不做推断。但结果对采购是清楚的：

你在 API 那一侧买东西，时间站在你这边；你在算力那一侧买东西，时间不站在你这边。

这直接推出一条判断。对一家十几人到几十人的公司来说，如果有人在讨论「要不要自己买卡/包机器把模型跑起来」，那么至少要面对一个事实：你锁定的那个价格所对应的资源，在 2025 年 10 月到 2026 年 3 月这五个月里是涨的；而你如果不锁，去调 API，那一侧的中位年降幅是 50 倍。

我们把这条租金换算成一个更直观的数：按 $2.35/卡时，单张卡租满一年是 2.35 × 24 × 365 = $20,586。这是一张卡的年租金，不含电、不含机房、不含人。

这个数在第二节还会再出现一次——同样一笔钱在 API 那一侧能买到什么量级的调用，是一个会让很多人重新排优先级的对比。

需要说明的是，这条判断不覆盖那些「数据根本不允许出厂」的场景。数据不能出去的时候，自建不是选项之一，是唯一选项，涨价也得买。这一类不在本文的讨论范围里。

二、50 倍和 280 倍意味着什么：重算一遍只要几分钟

先说清楚这两个数该怎么用，尤其是不该怎么用。

不该这么用：把 50 倍直接套到你那个具体项目上，得出「去年报价 10 万，现在就是 2000 块」。

不行。理由有两个，都写在原始数据里。

第一，据 Epoch AI 的这条数据，年降幅的区间是 9 倍到 900 倍——这个区间宽得惊人。50 倍是中位数，不是你的项目会拿到的数。你的项目落在 9 倍那一侧还是 900 倍那一侧，取决于它用的是什么能力档位、什么模型族。

第二，Stanford HAI 那个 280 倍有两个非常明确的限定条件：达到 GPT-3.5 级能力的推理成本，以及 2022 年 11 月到 2024 年 10 月这一段固定区间。它测的是「维持同一个能力水平，成本降了多少」，不是「所有模型都降了 280 倍」。如果你的项目需要的是当前最强档的能力，这个 280 倍对你不适用。

该这么用：把它当成一个触发复审的信号，而不是一个换算系数。

这两个数唯一能告诉你的，是「否决意见的保质期比你以为的短得多」。至于你那个项目现在到底要多少钱，只有一个办法能知道——打开当前的官方定价页，按你的真实用量重算一遍。

而重算这件事，比大多数人以为的快。

用一个可替换的假设口径：一个工单送进去 2,000 个 token，回来 500 个。这是假设，不是数据，你应该换成自己业务的真实值。

1 万个工单就是输入 20 个百万、输出 5 个百万。据 DeepSeek 官方定价页（单价采集于 2026 年 8 月 18 日），V4 Flash 的高峰定价是 $0.44 / $1.32，低谷价是它的一半。

账单 = 20 × 0.44 + 5 × 1.32 = 8.8 + 6.6 = $15.4。

如果这是每月的量，一年 12 万单 = $184.8。

（这一节的 DeepSeek 单价采集于 2026 年 8 月 18 日。这家在 2026 年 8 月 16 日刚改过一次计价结构、并把价目全线上调——做任何超过一个季度的预算之前，重新打开一次定价页。这一条正是本文自己在讲的那件事。）

整个计算过程是两次乘法一次加法。你手上任何一个被否掉的需求，把它的月处理量和平均长度代进去，五分钟能算完。

现在把它和第一节那个数放在一起：一张 H100 租一年是 $20,586，而按上面这个口径，月一万单的模型账单一年是 $184.8。

这两个数不能直接比——它们买的不是同一样东西，一个是算力一个是调用额度，用途和承载量完全不同。我们不做等价换算。但它足以说明一件事：在决定自己搭之前，先算一遍调 API 要多少钱，这个动作的成本是五分钟，可能省掉的是五位数。

回到那些被否掉的需求。当年那句「太贵，不做」的背后，一定有一个具体的数——一个报价、一个估算、一个人力折算。找到那个数，用上面这套算法重算一遍。大多数会依然算不过来，少数会翻案。翻案的那少数，就是这篇文章的全部价值。

三、缓存命中：差三十到九十倍，而且最容易被漏掉

有一个省钱点几乎不出现在任何选型讨论里，因为它不在价格表最显眼的那一行上。

据 DeepSeek 官方定价页，V4 Flash 的高峰标准价是输入 $0.44 / 输出 $1.32，而高峰缓存命中价是 $0.014；低谷价是这三个数各自的一半。

把它们相除：

• →$0.44 ÷ $0.014 ≈ 31 倍
• →$1.32 ÷ $0.014 ≈ 94 倍

也就是说，标准价和缓存命中价之间差的量级，和 Epoch AI 那条「中位每年 50 倍」的年降幅是同一个数量级。

这里有一个便于记忆的说法，但必须先声明它只是类比、不是等价关系：把缓存用起来，在账单上的效果，和多等一年的价格下降处在同一个量级。这句话不能拿去做预算，但可以拿去排优先级——很多公司在等降价，却没有先把手边这个已经存在的数量级用掉。

回到那 1 万个工单。V4 Flash 原本 $15.4，其中输入端是 20 × $0.44 = $8.8。如果这 20 个百万 token 全部命中缓存，输入端变成 20 × $0.014 = $0.28，总账单降到 0.28 + 6.6 = 约 $6.88。

$15.4 变成 $6.88。什么模型都没换，只是命中了缓存。

条件是什么？前缀重复。同一份长系统提示词、同一份产品手册、同一套规则文档、同一版报价规则被反复送进去。命中的是重复的那一段，不是整个请求。

什么形状的业务命中率高？判断标准很朴素：你送进去的内容里，有多大比例是每次都一样的。

• →客服问答：每次都带同一份产品手册和话术规则 → 重复比例高
• →单据抽取：每次都带同一套字段定义和校验规则 → 重复比例高
• →内容审核：每次都带同一份审核标准 → 重复比例高
• →一次性的资料翻译、每次内容完全不同的长文档总结 → 重复比例低，这个价格你用不上

为什么它最容易被漏掉？因为它在价格表上是一行小字，而供应商报价的时候通常只报标准价。一份不区分「标准输入价」和「缓存命中价」的报价单，在前缀重复度高的业务上，可能把成本高估好几倍。

我们的看法是：在重算任何一个被否掉的项目时，第三件事必须是单独把「每次都一样的那部分内容」拎出来算。不拎出来，你算出的是一个偏高的数，而这个偏高的数可能刚好让一个本该翻案的项目继续躺着。

四、重算清单：四步，一个下午

这一节是可以直接执行的部分。不需要技术背景，需要的只是能翻到过去的会议记录或者立项申请。

第 1 步。翻出过去 12 到 18 个月里，因为「太贵」被否掉的需求。

只翻这一个理由。因为「没人做」被否的、因为「不合规」被否的、因为「老板不喜欢」被否的，都不在这次范围里——价格下降解决不了那些问题。

为什么是 12 到 18 个月？因为按 Epoch AI 那条中位数，这个跨度对应的价格变化足够大到值得重算；再往前的项目，业务前提本身多半也变了，等于是个新项目，不属于「翻案」。

把它们列成一张表，每行记三件事：当年估算的成本、当年估算依据的用量、被否时的判断线（比如「一个月不能超过 5000 块」）。

第 2 步。按当前的官方单价重算一遍。

打开你候选的那几家的官方定价页，取当前的数，用第二节那个算法：账单 = 输入百万数 × 输入单价 + 输出百万数 × 输出单价。

用量沿用第 1 步记下的那个当年估算值，先不要调整——这一步只换单价，不换用量，才能看清楚是不是价格这一个变量把结论翻过来了。

第 3 步。把重复度高的部分单独标出来，按缓存价再算一遍。

对每一行，问一句：送进去的内容里，每次都一样的那部分大概占多少。是同一份手册、同一套规则、同一份字段定义反复送，就属于这一类。

把这部分的 token 数按缓存命中价单独算，其余按标准价算，两个数相加，得到第二个账单。

第 2 步和第 3 步会给出两个数字。这两个数字之间的距离，就是你在报价环节最容易被高估的那一段。

第 4 步。只挑单位成本降幅超过一个数量级的，重新立项。

这是最关键、也最反直觉的一步：降了三成、降了一半的，不要重新立项。

理由是，一个当年被否的项目，除了成本还有别的阻力——要占人、要改流程、要有人验收。这些阻力没有随价格下降而变小。只有当成本降到原来的十分之一以下，节省才大到足以压过那些没变的阻力，翻案才立得住。

降幅在一倍两倍之间的，标注一下，明年再看。它们不是不能做，是现在做还不划算。

四步走完，你手上会有一张表，上面大部分行的结论仍然是「不做」，少数几行会变成「重新提一次」。这个产出是符合预期的——如果重算之后一多半都翻案了，那更可能是第 1 步没筛干净，把当初因为别的原因被否的需求也捞进来了。

代价：单价降了，不等于你的总账会降

这一节必须写，因为前面三节全是在讲「变便宜」。

第一，单价降，用量会涨。

一件事从「太贵不能做」变成「便宜到可以做」的时候，人的行为会跟着变：原来只处理重要工单，现在全部都处理；原来一天跑一次，现在实时跑；原来只给一个部门用，现在全公司开放。单价降 50 倍、用量涨 100 倍，总账单是往上走的。

所以第 2 步里那句「先不要调整用量」，只对判断「是不是价格把结论翻过来了」有效。真到立项那一步，你必须重新估一个放开使用之后的用量，用那个数再算一次。这两个数经常差一个数量级。

第二，模型账单从来不是这件事的全部成本。

对接要人、验收要人、出错了要人兜、流程要改、员工要重新学。这些成本没有跟着 token 价格一起降。一个模型账单从 5000 块降到 100 块的项目，如果要占一个人两个月，那两个月的人力成本可能仍然远大于省下的那 4900 块。

这也是第 4 步为什么要卡「一个数量级」——那道线的作用，就是把「省下的钱大到能覆盖没变的成本」这件事筛出来。

第三，也是最该写在最后的一条：重算之后，大部分项目仍然不该做。

价格下降能翻案的，只有那些当年唯一的阻力就是单位成本的项目。如果一个需求当年被否，真实原因是没人负责、没人验收、或者压根没想清楚做完之后谁用，那么价格降到零它也不该做。

我们的建议是：把这次重算的产出控制在两到三行。挑出降幅最大、当年阻力最单纯的那两三个，认真提一次。一次翻案十个，等于没有翻案——最后一个都推不动。

同系列里还有一篇讲怎么给候选模型建一套自己的验收样本集的，重新立项之前值得先看一遍。