8月31日晚上，小红书有人晒出自己的8月AI账单：一个月87亿个token，三万五千次请求，总共604块。小红书发帖的人说了一句特别真实的话——“平均每百万Token约0.07元，这么算好像又不贵。但我还是肉疼。”
同一天，知乎上挂着一个被顶上热榜的问题——程序员每天消耗几千万上亿的Token，到底产出了什么？知乎底下有个回答很扎心：Token不是资源，更像发动机排出的尾气——有尾气说明发动机在转，但车到底在拉货还是在原地空转，就不好说了。
这两条内容放在一起看，就是2026年9月大模型推理最拧巴的现实：全行业的token单价都在往下打，但重度用户的账单反而在肉眼可见地变厚。
先算总账：这轮降价是真的，你的账单变贵也是真的
先把事实摆清楚，不玩虚的。
降价这一头：7月底，OpenAI把GPT-5.6系列里的Luna一口气砍了80%；8月中旬，前沿档的Sol又来一轮限时促销，部分服务再降逾20%。微博更早的7月初，还有报道称OpenAI找到了新的系统优化方案，能把推理成本砍掉一半以上，过去几万张GPU才能满足的需求，现在几百张就足够了。36氪国内这边不用说，7月份DeepSeek V4 Flash在高缓存命中率下，1亿Token的成本一度不到3块钱。知乎
用量这一头，涨得更猛：MiniMax在8月底中报电话会上说，今年7月，全平台的Token消耗量已经达到了1月份的20倍；B端收入同比暴涨703.1%，占比从三成翻到六成多。36氪行业口径的数字更夸张：中国日均Token调用量，2025年底还是100万亿，今年一季度末140万亿，到二季度末直接跳到500万亿。知乎半年涨20倍，这个说法不是营销号编的，是财报电话会里的原话。
一边是单价曲线往下，一边是消耗曲线往上，两条线交叉出来的结果，就是开头那位发帖人的604块：单位成本降了一个数量级，总消耗涨了两个数量级，落到账单上，反而是"越降价，越贵"。
问题来了：钱到底被什么吃掉了？如果你还是用"少写点字、别老问废话"的思路去省，那基本等于白省。因为吃掉账单的三样东西，跟你说多少话关系不大。
吃钱大户一号：Agent每一轮都在"重新背一遍全文"
过去用网页版聊天，一问一答，token消耗约等于对话长度。现在用Claude Code、Codex这类Agent工具写代码，计费单位悄悄变了：你不再是"问一个问题"，而是"派一个任务"。
有个知乎回答把账算得很透：Agent每进行一轮对话，都要把系统提示词、工具定义、全部消息历史重新发送一遍，一个跑了30轮的会话，累计发送的prompt token是单轮的几十倍。知乎你以为你只是在"继续刚才的任务"，在计费系统眼里，你把同一本使用说明书从头到尾重印了30遍。
这就是为什么"省token"的核心从来不是"少说话"，而是让重复发送的部分尽可能命中Prompt Cache。这个机制本质上是对KV Cache的复用：模型第一次读完一段前缀（系统提示、工具定义、代码库上下文）后存下中间结果，后续请求只要前缀一致，就能直接复用。官方口径是最高把延迟降低80%，把输入token成本降低90%——注意，这是同一个任务在"命中"和"没命中"两种状态下高达10倍的价差。36氪
有人从9月1日起高强度实测V4系列，晒出了自己的分时面板：deepseek-v4-flash在中午12点到13点这一小时，命中缓存的输入token有993万，未命中只有2.3万，输出仅5.1万——Agent重复发送的前缀才是账单的大头，命中率直接决定这近千万token按什么折扣计费。
顺带一句反常识：缓存命中的红利正在收窄。7月那个"1亿token不到3块"的黄金窗口，进入8月后各家调价，已经回不去了。所以9月才做成本管理的个人开发者，和7月就动手的人，面对的是两套价格体系——这也是为什么账单监控要从第一天就建，而不是等肉疼了再回头查。
吃钱大户二号：思考模式在按"秒"收费，只是账单上写的是token
DeepSeek V4正式拆成Flash和Pro两条线之后，“该用哪个"成了选型题。Pro的设计哲学是"慢工出细活”：面对复杂问题先拆解、再推理、必要时检查中间结论——这些"内心戏"全部按输出token计费。它的正确用法是用在刀刃上：低频、高价值、错误代价大的任务，才值得为每一次深度推理付费。知乎反过来，用在"帮我写个正则"这种任务上，就是纯烧钱。
有实测可以参照：有人从9月1日开始高强度混用V4 Pro、V4 Flash和刚开源的Flash-Vision-Exp，1.2亿token花掉24元多。小红书也就是说，同一个人、同一个工具链，钱的分布极不均匀——账单结构本身就是你的任务结构。
而小红书那条604块账单的帖子，百万token均价0.07元，明显是在Flash档和缓存命中的加持下跑出来的；知乎那位两个月烧100亿token的重度玩家，把结论收成了一句大实话：聪明的做法是给任务分级——真正贵的从来不是用得多，而是没把任务路由好。知乎
吃钱大户三号：最隐蔽的一档——弱模型返工，才是真烧钱
这条是最违反直觉的：很多人觉得用小而便宜的模型能省钱，实际跑下来，弱模型的理解能力差，一个需求它可能来回改五六轮才搞对，每一轮都在把整个上下文重新发一遍。知乎算总账，弱模型的消耗经常反超强模型一轮过——这还没算你盯着屏幕等输出、逐行审查、写修改意见的时间成本。
省Token这笔账里，返工才是隐藏税率最高的那个税种。合理的姿势是反过来的：预算允许时优先上能力强的模型保一轮过率，然后把省下来的预算用任务分级花出去——核心逻辑、架构决策、代码审查上Pro；格式转换、简单抽取、量大面广的检索问答，Flash甚至更小的模型就够。先默认便宜档，输出质量明显过剩就降级，明显不达标才升级，动态校准，而不是靠印象站队。
不同人怎么动：三档清单
低频问答用户（偶尔写文档、查资料、一个月几十块以内）：这轮降价你是纯赚的，什么都不用改。单价从0.3跌到0.07，你的账单只是从两杯奶茶变成一杯。别被"token焦虑"带节奏去折腾工具链。
个人重度用户 / vibe coder：按优先级做四件事——①第一天接上用量看板（掘金的AI用量统计、各家控制台导出都行），没历史数据连问题出在哪都找不到；②保持上下文干净，这是缓存命中的前提，别让AI每次开口前重读一堆没用的历史；③任务分级，默认 Flash，复杂升级 Pro，把选型做成可配置项而不是写死。知乎④每隔一个月拿固定测试用例重跑你关注的几个模型——模型的世界里两个月就是一个世代，你的"XX不行"的印象随时会过期。
企业和小团队：账单超预算的根源通常不是单价，是"无限续杯"——没有任务级成本上限、没有路由策略、没人对单功能算ROI。企业侧的正解是把AI成本从"糊涂账"变成"投资账"。知乎值得抄的作业：网关层路由（默认Flash、命中规则升Pro）、Flash先做分块摘要、Pro只做深度结论的瀑布式调用、重复请求前置缓存，以及把省下来的token预算定期拿去评测新模型。
最后：盯住两个信号
一个是降价的成色：OpenAI这轮Sol是"限时促销"不是永久调价，而且GPT系此前一直没有国内厂商那种缓存命中折扣——如果下轮跟进降价带上缓存折扣，个人账单会再松一档；如果只是限时价到期回调，9-10月的账面成本可能反弹。36氪
另一个是用量的斜率：MiniMax的20倍、行业日均500万亿，这些数字说明推理成本的大头还在往Agent和企业端迁移。对普通用户，真正的省钱窗口不在等下一次降价，而在把自己的调用结构先理顺——单价决定你的成本下限，调用结构决定你的账单上限，而后者从来不在厂商的定价表里，在你自己手里。
你8月的token账单多少？评论区晒一下，看看重度玩家的分布到底长什么样。
