100次调用0.18美元：先算token，再选接口

01 / 先看0.18美元的账单，不要先争接口

新项目预算只有几美元，选Responses API还是Chat Completions？先记住：接口名称本身不是省钱开关。费用主要取决于模型单价、实际计费token、缓存命中情况，以及是否使用另行收费的工具。功能是否受支持，也要单独确认。

下面只做算术演示，不代表CheapRelay或任何模型的报价。假设输入每百万token收费1美元，输出每百万token收费4美元；每次输入1000个token、输出200个token，不涉及缓存、额外推理或工具费用。

• ■ 输入费用：1000÷1000000×1＝0.001美元。
• ■ 输出费用：200÷1000000×4＝0.0008美元。
• ■ 单次合计0.0018美元，100次就是0.18美元。

如果输出增加到400个token，100次就变成0.26美元。这个假设里，仅仅多写一倍答案，就多花0.08美元；换接口却未必改变账单。

02 / 两个接口的token字段不同，不等于收费不同

Chat Completions通常通过messages提交消息，返回的usage里常见prompt_tokens、completion_tokens和total_tokens。Responses API使用input，并可配合instructions；usage里常见input_tokens、output_tokens和total_tokens。

这些字段主要是不同的统计表达。相同模型处理相近内容时，没有“换成Responses就固定少用多少token”的通用结论。消息封装、工具定义、模型实现和服务端处理，都可能影响实际用量。

token也不等于汉字或单词。中文、代码、标点的切分方式可能不同。估算适合做预算，实际结算应查看响应中的usage和服务商账单，而不是按字符串长度猜。

03 / 历史记录不用重传，也可能继续计费

Chat Completions的常见用法，是每轮把需要的历史消息重新放入messages。对话越长，后续输入通常越大。只看用户最后一句话，很容易低估费用。

Responses API可在受支持的情况下，通过previous_response_id等机制衔接上下文。这能减少客户端管理历史的代码，却不代表历史内容免费：参与后续生成的上下文仍可能计入输入费用。请求体更小，不等于计费输入更少。

小预算项目可以先保留最近几轮，删除重复材料。需要摘要时，也要算上生成摘要的费用；短对话不一定值得额外调用一次。

04 / 缓存与推理token要单独查账

缓存可能让重复输入按更低价格计费，但能否命中取决于模型、前缀、长度门槛等条件，不能只靠切换接口保证。部分接口会提供cached_tokens等明细；它通常是输入用量的子集，不要在输入总量之外再重复相加。

支持推理的模型还可能消耗不直接展示给用户的推理token。可见答案很短，不代表输出侧用量一定很少。推理token如何包含在统计中、如何收费，应以对应模型和平台规则为准。

CheapRelay按实际token计费，包括缓存读取和写入，没有月费或订阅。比较成本时，应分别查看普通输入、缓存读取、缓存写入和输出的适用价格；不能把所有token乘同一个单价。

05 / 新项目先做10次小测试，再决定接口

从空白项目开始，若供应商完整支持所需功能，可以优先评估Responses API；已有聊天代码、只需要简单问答，或更重视跨服务兼容性时，Chat Completions同样实用。不要为了接口更新而重写已经稳定的流程。

• ■ 固定同一个模型、提示词和输出要求，各跑少量请求。
• ■ 记录输入、输出、缓存明细、实际费用与答案是否合格。
• ■ 先关闭不需要的工具，限制回答长度，检查是否发生重试。
• ■ 再测试多轮对话，避免只测第一轮就估算长期成本。

10次测试只能发现明显问题，不能当作稳定性能基准。两边输出不同，也不能立即归因于接口；先核对参数、上下文和功能是否一致。

06 / 把第一笔预算花在可核对的请求上

CheapRelay提供按量付费的多模型入口，可使用OpenAI SDK；其OpenAI兼容路由位于https://api.cheapapirelay.com/v1。但兼容SDK不代表每个模型都支持Responses API或全部工具，调用前应确认具体路由和模型能力。

想做第一轮小额验证，可以注册CheapRelay，先用少量请求核对用量与扣费。暂时不需要复杂代理流程，就从短提示词、短回答和有限历史开始：先把每次请求的钱算清楚，再决定是否需要更复杂的接口能力。