30 元跑完一单推理任务：Gemini 3.1 Pro 与 Claude Opus 5 的账单拆解

01 / 30 元预算先摊开：你买的是 token，不是次数

很多新手第一次调推理模型，看到账单会愣住：明明只问了几个问题，钱怎么少得这么快。原因不复杂，你买的从来不是次数，而是 token。CheapRelay 是按量付费的 AI API 中转服务，没有月费也不用订阅，用多少算多少，而且连缓存读取和缓存写入都按真实 token 计费。也就是说，账单上每一行都能和你的用量对上，不会出现包月没用完的浪费，也不会有藏在角落的固定开销。

先把预算写死：今天只花 30 元。这个数字的好处是，你在动手之前就不得不做取舍，而不是跑完才发现超了。30 元并不等于固定的 token 数量，因为它取决于你选的模型单价。正确的第一步是打开后台看当前价目表，把单价记作 P 元每百万 token，那么 30 元能买到的额度就是 30/P 百万 token。这是示例计算不是现价：若 P 是 2 元，就是 1500 万 token；若 P 是 10 元，就是 300 万 token。同样的 30 元，差距是五倍，所以先看清价目表再动手。

接着把它折算成调用次数。举例：一次轻量问答输入 2 万、输出 8 千，合计 2.8 万 token；而一次重推理任务动辄 50 万 token。两者差十七倍以上，你能跑几次完全由任务重量决定。顺便记住接口形态：CheapRelay 的 OpenAI 兼容路由挂在 /v1 下，Gemini 原生接口挂在 /v1beta 下，同一把 key 可以打通 Claude、GPT、Gemini 等多家模型，你用 OpenAI SDK、Claude Code 或命令行工具都不必换习惯，也只需维护一份账单。

02 / 推理提示词的 token 烧在哪里

推理任务和日常闲聊最大的区别在输出。同样是帮我分析这份数据，闲聊式回答两三百 token 就结束，而推理任务会在给出答案之前产生一长串中间思路。你在响应里未必看得到这部分，但它照常计费，而且输出单价通常高于输入单价，长推理的账单会迅速抬头。

• ■ 输入侧：上下文越长，输入 token 越多。把整份文档、全部历史对话、所有工具返回一股脑塞进提示词，是新手最容易犯的超支错误。多轮对话尤其明显，每一轮都重发一次背景，假设每轮背景 3 万 token，十轮就是 30 万输入。
• ■ 输出侧：中间推理链会明显拉长回答。一个要求五步推演的题目，输出从 1 千涨到 2 万并不罕见，而这两者都由输出单价结算。
• ■ 重复侧：一次没答对就整段重发，同样的输入会被再次计费；即使启用了缓存，缓存读取和缓存写入本身也是计费项，不是免费的。

所以省钱的第一原则不是换便宜模型，而是先把输入长度和重复次数这两项压住。这两项由你自己控制，效果立竿见影。最简单的检验办法是：把你这次发送的 prompt 复制到字数统计工具里，看看有多少字是任务真正需要的，有多少只是在重复背景。

03 / 一单 50 万 token 的任务，账单是怎么长出来的

这里只用 token 数说话，不编造任何单价。假设你要模型分析一份两千行的数据说明，输入 35 万 token，输出 15 万 token，合计 50 万。如果直接把整单交给 Gemini 3.1 Pro 一次跑完，账单就是 50 万 token 乘以它的单价。

如果你为了稳一点把它拆成五个 10 万 token 的小任务，问题就来了：每一段都要重新带上必要的背景说明。假设每段多带 3 万 token 的复述，输入总量就从 35 万涨到 50 万，加上输出 15 万，合计 65 万，比一次跑完多出 30%。拆任务不等于省钱，除非每一段真的互不相关。

另一个更容易踩的坑是来回改。第一次跑完你说不对重来，如果只是改了一句要求，却把原始材料整段重发，35 万输入 token 就再走一遍，累计输入直接变成 70 万，总账单接近 100 万 token，是理想方案的两倍。合理做法是只追加改动说明，或者把材料固定成一段可复用的前缀，让缓存读取承担重复部分，你只为新增的 token 付费。

由此得到三条硬规则：能一次说清的任务不要拆碎；上下文必须裁剪，只留任务真正需要的部分，判断标准很朴素，把这段内容删掉答案会变吗，不会就删；改动只发增量，绝不重发原文。

04 / 让两款模型各干各的活，预算才够花

Gemini 3.1 Pro 和 Claude Opus 5 都是强推理模型，但没必要让它们干一样的活。比较省钱的分工是：用 Gemini 3.1 Pro 承担前期探索，让它先铺开假设、做粗略分析、写草稿；把最难、最需要稳定推理的收尾交给 Claude Opus 5，比如最终结论、复杂逻辑校对、容易出错的边界条件。这样单价更高的那一档只处理已经收敛的问题，输入更短、输出更少，token 自然省下来。

用数字摆一遍这个分工。假设一个任务总共需要 46 万 token：探索阶段跑三轮，每轮 10 万，共 30 万交给 Gemini 3.1 Pro；收尾阶段跑两次，每次 8 万，共 16 万交给 Claude Opus 5。对比全部交给最强模型的做法，后者要把探索期反复试错的 30 万也按高档单价结算。反过来，如果把收尾校对也丢给便宜模型，可能因为漏掉边界条件而再跑一轮，16 万变 32 万，反而更贵。分工不是道德问题，是账单问题。

还有三个常见的失控点值得提前防住：一是把探索性问题也丢给最强模型，让它反复试错；二是没有约束输出格式，结果写成长篇散文，输出从 2 千涨到 1.5 万；三是每次都新开一段对话，完全不复用上下文。这三件事叠加，30 元可能一次调用就见底，而且你会以为是模型太贵，其实是用法太贵。

05 / 让 30 元多撑一倍的六个操作

• ■ 先用最小提示词跑一次，看返回里的 token 用量，再决定要不要加料。第一版就堆满材料，是最常见的浪费。
• ■ 明确写一句：直接给结论，必要时再展开步骤。这一句通常能把中间推理的输出压掉一大截。
• ■ 固定输出格式，比如只要列表或 JSON，去掉客套和重复解释。格式越死，输出越短。
• ■ 把反复出现的说明写成固定前缀，变动部分放在最后，配合缓存复用；同时记住缓存写入也计费，超短任务不要盲目开缓存。
• ■ 每次调用都记下输入、输出、缓存读取、缓存写入四列数字，一周后你就知道自己的钱到底花在哪一列，这比看模型名气靠谱得多。
• ■ 同一道题让两款模型各跑一遍，比较 token 消耗和答案质量，把预算往更划算的一边倾斜，而不是凭感觉选。

最后再强调一句：不要拿 30 元去比谁更强，先比谁更划算。等你手里有了自己的真实用量记录，再决定要不要加预算。如果你准备开始记第一笔账，现在就可以注册 CheapRelay，先把一小笔钱跑完，看到真实账单再往下走。