模型能力越来越同质化之后，账单的合理性正在成为新的竞争力。同样是调用大模型 API，个人实际使用花费差异很大——差别不在用的模型，而在“什么时候用、怎么用”。
今天我根据目前主流的五种折扣机制（数字均附官方出处），再给三类用户的一些实操建议，最后从平台侧视角拆一层：错峰和批量定价，到底是怎么设计出来的。
一、API 定价为什么是动态的
大多数人调用大模型是“想到就用”：打开对话框问一句，或者代码里直接调 API。但同样的模型能力，在不同时间、不同调用方式下，价格可能差出一倍甚至更多。
这有点像打车：高峰期和深夜不是一个价，拼车和专车不是一个价。大模型服务也是如此，只是价格杠杆藏在产品条款和 API 文档里，不主动找很难发现。
省钱不是让你换更差的模型，而是在合适的时间、用合适的方式，调用同样的能力。
二、目前主流的五种折扣机制
先给结论：最该优先做的是 Batch API 和缓存命中，这两项是官方明码标价的折扣，不抢时段、不拼手气。
- Batch API 批量：最该先上的一档 折扣：OpenAI、Anthropic 均 50% off
代价：结果延迟，最长 24h 返回
适合：数据标注、批量翻译、离线分析
OpenAI 官方定价页写明：通过 Batch API 异步运行任务（24 小时内返回），输入输出各省 50%。Anthropic 的 Message Batches API 同样打五折，官方文档原话是 “compared to standard API prices 50% discount”，输入、输出、特殊 token 都适用。
一个容易被忽略的细节：OpenAI 的 batch 折扣不设最小量门槛，单行 JSONL 的请求也按 50% 计。
- 缓存命中：重复上下文不重复计费
折扣：OpenAI 缓存输入约为基础输入 10%；Anthropic 命中读取 0.1×
代价：需要固定重复前缀，首次写入有加价
适合：长 system prompt、模板化批量调用
大模型计费的大头在输入（prefill）阶段。各家都在对“重复的部分”降价：
OpenAI：GPT-5.5 输入 $5/百万 token，缓存命中 $0.5，便宜 90%；GPT-5.4 mini 同理（$0.75 → $0.075）
Anthropic：缓存写入 5 分钟 TTL 加价 25%（1.25×），1 小时 TTL 加价到 2×；命中读取只要 0.1×（Claude Opus 系列命中价 $0.5 vs 基础 $5）
DeepSeek：V4.1 Flash 缓存命中输入 0.02 元 vs 未命中 1 元，只有 2%
实践要点：把固定内容（system prompt、公共文档、Few-shot 样本）放在前缀，保持每次请求的前缀一致，重复部分自动命中缓存。
- 错峰时段：国内已有现成案例
折扣：DeepSeek 闲时 = 高峰半价，周末全天闲时价
代价：任务要挪到闲时时段
适合：不紧急的批量、离线处理
DeepSeek 从 2026 年 8 月 17 日起实行峰谷计费：工作日北京时间 9:00-12:00、14:00-18:00 为高峰，其余时间为闲时，闲时价格是高峰的一半；8 月 23 日起，周末两天全天按闲时价计费。
以 V4.1 Flash 为例，同一模型：闲时缓存命中输入 0.02 元 / 百万 token，高峰未命中输入 2 元 —— 一次调用，100 倍价差。
- 订阅年付 / 新用户价
折扣：通常比月付省 20%-40%
代价：一次锁一年
适合：已验证工作流、确定长期用
传统玩法。年付的前提是你确定长期用。
- 竞价实例
折扣：约为按需价 1/3 到 1/5
代价：随时可能被回收
适合：能接受中断的自部署
自部署开源模型时，云 GPU 竞价实例可能只有按需价的 1/3 到 1/5，代价是实例可能被随时回收。适合有技术能力、能接受中断的开发者。
三、三类用户的实操策略
个人用户：把不急的事挪到便宜时段 长文写作、翻译、资料整理，安排到批量任务或闲时时段
年付前算一笔账：月付 × 12 vs 年付，差价是否值得锁定
避免同时订阅多个功能重叠的工具，按实际使用频率取舍
开发者：三层叠加
第一层：能用 Batch 的绝不用实时 API—— 直接五折
第二层：批量任务再挪到闲时时段 —— 部分平台可再降（如 DeepSeek 闲时半价）
第三层：开启缓存命中 —— 重复前缀按基础价 10% 计
算一笔账（输入侧）：标准输入价 1 元 → Batch 五折 = 0.5 元 → 缓存命中再一折 = 0.05 元。输入成本降到标准价的 5%。输出不受缓存影响，但可以走 Batch 打五折。
（注：以上是叠加口径，具体数字以各平台当期定价表为准。）
小团队 / 企业：混合策略 实时交互任务：全价 API，保证体验
批处理任务：Batch + 错峰，压缩成本
敏感数据：本地部署开源模型，省 API 费用也避免数据外泄
预算监控：设置用量告警，防止月底账单失控
四、避坑：哪些任务不该省钱
以下情况建议走实时全价：
用户等待的实时对话
时效性强的数据（新闻摘要、实时监控）
对结果顺序有严格要求的任务
折扣时段的隐性成本：
响应变慢，可能拖慢下游流程
部分平台闲时限流更严，超了会被限流
折扣档可能不支持某些高级功能
原则就一条：核心业务用全价，边缘任务走折扣。
五、成本优化清单
盘点当前所有 AI 支出：订阅 + API，按月统计
区分任务类型：实时 vs 批量，核心 vs 边缘
批量任务迁移到 Batch API
非紧急任务安排到错峰时段
检查是否有重复订阅，砍掉低频工具
长期工具评估年付是否划算
开发场景开启缓存命中（固定前缀结构）
设置用量告警，防止意外超支
每季度复盘一次：价格变了没？用量结构变了没？
六、平台侧视角：错峰与批量定价怎么设计
这一节从平台运营视角展开。错峰、批量、缓存这些折扣，用户在消费侧看到的是“省钱”，平台侧要回答的是：让利之后还能不能赚钱，以及怎么定价才不会伤害实时业务。
6.1 为什么值得做：算力利用率的账
GPU 是重资产。白天高峰算力紧张，夜里大量闲置。错峰和批量定价的本质，是把闲置算力用低价换出去：用户省了钱，平台把 GPU 利用率提上来，两边都划算。
前提是成本模型算得清。闲时 GPU 的边际成本确实低，让利空间是真实存在的，不是拍脑袋打折。让利幅度一旦超过边际成本，折扣就变成了亏损，这是平台侧的第一道红线。
6.2 时段定价：时段怎么划、按什么计
DeepSeek 的做法可以直接借鉴：
时段划分：工作日按北京时间 9-12、14-18 划高峰，其余为闲时；周末全天闲时价
折扣幅度：闲时 = 高峰半价
计费锚点：按“服务端收到请求的时间”计费，不是按返回时间
最后这条很关键。如果按请求完成时间计费，用户会想办法把实时请求“拖”到闲时结算，定价体系就乱了。按接收时间计费，规则简单，争议也少。
设计要点：
时段要和目标用户的作息匹配。做 To B 批处理生意的，真正的“高峰”是批处理任务集中的时段，不一定是自然时间意义上的白天
先小范围灰度再全量，避免一次性打乱整个价格体系
条款里写清楚计费锚点，前端明示当前是峰是谷
6.3 Batch 产品：SLA 和通道隔离
Batch 的 50% 折扣，换的是“确定性”：
SLA 要明确：OpenAI 的批量 SLA 是 24 小时内完成。不承诺 SLA 的批量等于没保障
通道隔离：batch 队列不能挤占实时通道的算力。否则批量任务跑起来，实时用户开始投诉延迟，省下的钱不够赔口碑
门槛越低，用户越容易迁移：OpenAI 单行 JSONL 也享受 50%，先用低门槛把用户拉进来，再用任务量说话
结果轮询和错误重试：批量任务要提供清晰的轮询接口和失败重试机制，让用户敢把核心流程交过来
6.4 缓存定价：把“重复”变成“折扣”
Anthropic 的缓存定价模型值得借鉴：
写入加价：5 分钟 TTL 的缓存写入 1.25×，1 小时 TTL 2×—— 用户为“存储”付费
命中降价：读取只要 0.1×—— 用户为“重复使用”省钱
TTL 分档：5 分钟适合短会话，1 小时适合长任务，按场景给档位
平台侧落地的关键，是帮用户把“可缓存前缀”结构化：固定 system prompt、公共文档、Few-shot 样本放前面，变化部分放后面。缓存命中率越高，用户越愿意留下来，算力成本也越低 —— 这个杠杆双向受益。
6.5 套餐怎么和时段结合
套餐和时段结合有两条常见路线：
闲时额度包：基础档全时段可用，加购“闲时流量包”给批量用户
档位分层：按模型档次（旗舰 / 经济）和调用方式（实时 / 批量）拆成不同档位，让用户按自己的调用结构选
核心取舍是：套餐设计的第一原则是可预期。
折扣和时段规则越多，用户越算不清，越不敢充值。所以套餐内的折扣要简单（一个百分比、一个时段），复杂的让利放在 API 计费层做，别塞进套餐里。
6.6 平台侧的风险与边界
收入波动：折扣让利要有成本模型支撑，定期核算折扣后的毛利，避免折扣跑亏
实时业务保护：batch 和闲时流量不能和实时通道抢资源，架构上要物理隔离
用户教育：折扣条款要透明，写明限流规则、最低消费、SLA。把“折扣”做成“陷阱”，用户会用脚投票
套利监控：平台侧同样要盯监控 —— 有没有人把实时任务包装成 batch 提交、有没有人在闲时时段批量囤积再转售
模型能力越来越同质化之后，账单的合理性会成为新的竞争力。对用户，把“不急的事”挪到便宜时段，是零成本的省钱方式；对平台，错峰、批量、缓存这三个杠杆，是把闲置算力变成收入的三条路。
附：本文事实来源
OpenAI 官方定价页：Batch API 50% off、缓存输入价格
Anthropic 官方文档：Message Batches API 50% off、Prompt Caching 定价倍率
DeepSeek 官方定价文档：峰谷时段划分与 V4.1 Flash 价格
北京商报、广州日报等媒体关于 DeepSeek 峰谷计费生效及周末调整的报道
价格随时可能调整，文中数字截至 2026 年 9 月，实际以各平台官方定价页为准。
想进一步优化大模型 API 成本？欢迎了解我们的批量调用与缓存优化能力，或直接查看定价页。