!封面

先看两组数字。

第一组：2026年6月的前11天，我用DeepSeek跑了9.85亿token。总共花了114块人民币。

第二组：同一天，我在OpenRouter上跑了一个任务，用了几个顶级模型。20分钟，1750万token，32美金——按今天的汇率，大概230块。

换算一下：114块钱买将近10亿token；230块钱买1750万token。单位价格差了将近100倍。

不需要任何解释，你就能感受到某种荒诞。

但重点不是"DeepSeek好便宜"。你得理解这个差价背后的机制。理解了，才知道怎么选模型、怎么用AI、怎么花钱。

缓存命中：一个大多数人不知道的省钱机制

你每一次跟AI对话，系统会把之前的聊天记录、规则文件、上下文窗口内的所有内容重新投喂给大模型。每发一轮消息，它都要重新"读"一遍历史。

按常理想，聊得越久，投喂量越大，费用应该指数级增长。但实际上不是。

因为有一个机制叫缓存命中（cache hit）。

那些重复发送、没有变化的内容——你的系统规则、工作区指令、前几轮已经投喂过的上下文——AI系统会识别出来：这部分我不需要重新计算，直接复用上一次的结果。这个复用，按极低的价格计费。

DeepSeek的缓存命中价格是每百万token 2分5。正常的输入价格是每百万token 3块。差了120倍。

你的工作越结构化，AI就越便宜。

那些认真搭建了工作区规则、写了一整套CLAUDE.md、建立了分层rules体系的人——他们的AI使用成本不是更高，是更低。规则写得越多，缓存命中的内容就越多，每次对话的边际成本就无限逼近于零。

我跑的那些分析任务，大量是法律内容——合同审核、案件分析、法规检索。这些场景天然适合缓存命中：多轮对话、大量重复上下文。10亿token只要114块钱，不是奇迹，是结构。

频繁切换模型，才是最烧钱的操作

有一个很容易踩的坑：在同一轮对话里切换不同厂商的模型。

你第一轮用DeepSeek，第二轮切到千问，第三轮再切到GPT——每一次切换，对新模型来说，你的整个上下文都是全新数据，前面的缓存全部作废。每一次切换等于缓存清零，从头按input价格算。

这就是为什么我在OpenRouter上20分钟花30美金。不是模型本身贵到离谱，是在模型之间频繁路由，缓存命中率趋近于零。

省钱的第一原则：选一个主力模型，尽量不切。

包月还是按量？

模型付费两种模式：包月订阅，和按量付费。

一般规律是长期大量用包月划算，偶尔用按量更灵活。

但DeepSeek把这条规律打破了。

它没有包月套餐，只有按量付费。但它的按量付费，比很多厂商的包月套餐还便宜。而且按量付费有一个包月永远比不了的优势：不会停。

很多包月套餐有限制：5小时调用次数上限、每周调用上限、每月调用上限——三个维度叠加。你5小时没用完，一周指标到了，不能用；一周没用完，一个月到了，也不能用。任务正跑到一半，突然告诉你"请等待5小时后刷新"。

DeepSeek没有这些。账户里有余额，它就永远在工作。

我的建议：主力用DeepSeek按量付费，配一个GPT的20美金包月应急。日常任务——合同审查、法律检索、文书草稿——DeepSeek完全够用。偶尔特别复杂的任务，切到GPT处理一下，再切回来。

我个人的配置：DeepSeek按量（主力）+ 智谱包月（备用）+ GPT 20美金（应急）+ GitHub Copilot 10美金（编程场景）。四套加起来，一个月不到400块。比我之前任何一款法律数据库的订阅费都便宜。

用量，才是真正的指标

很多人花大量时间比较"哪个模型便宜几毛钱"。用量大的时候这有价值，用量还不够大的时候，它只是虚假的精打细算。

我在课程里跟学员说过一句话："每天平均消耗3000万token以上，我觉得可能算是入门了。"

这不是门槛，是信号。当你的token消耗到这个量级，AI已经嵌入了你工作的多个场景——你可能一边在审合同，一边在分析案件材料，一边在检索法规。你并行的不是任务，是思维。

在这个量级到来之前，不要太纠结哪个模型最省钱。先选一个好用的，把量用上去。用量本身，就是你与AI融合程度的真实度量。

10亿token，114块钱。这个数字的意义不是"便宜"——是它说明了一件事：一个法律人完全可以在不增加经济负担的前提下，把AI变成日常工作的基础设施。

四明山法师AI夜校第三期即将开放报名。算力策略、模型选择、本地部署——这些都是课程的一部分。但我们真正教的，不是"用哪个模型便宜"，是如何让AI成为你法律工作中的常量，而不是偶尔打开的玩具。

培养法律与AI的双语者。第三期见。

作者简介： 陈石律师，浙江海泰律师事务所副主任、高级合伙人、房地产与建设工程部主任，宁波市律师协会副秘书长、第七届宁波仲裁委员会仲裁员，聚焦建筑房地产、投融资、并购重组及商事争议解决。曾获多家法律媒体与专业机构认可，荣登 LegalOne 2025 中国区建工及房地产实务先锋 45 强、律新社 2025 年度管理合伙人 20 佳（华东），入选《商法》The A-List 法律精英，获评 ALB China 区域市场十五佳长三角地区律师新星，并获律新社 2024 年度并购领域品牌之星。长期为万科、华润置地、信达地产、保利置业、招商蛇口、中海地产等企业提供法律服务，承办"首宗百亿地王""长春第一高楼""台州第一高楼"等代表性项目，累计服务项目投资额超千亿。近年来持续推动 AI 与法律实务融合，强调以结构化方法打通技术逻辑、法律判断与商业场景；著有《赋能法律人：AI 底层思维与应用范式》，并在多地开展相关主题讲座与分享。四明山法师 AI 夜校（legalAGI.cn）发起人。

<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 600 240">
  <defs>
    <style>
      text { font-family: "PingFang SC", "Microsoft YaHei", sans-serif; }
    </style>
  </defs>
  <rect width="600" height="240" fill="#fff"/>
  <text x="300" y="32" text-anchor="middle" font-size="18" font-weight="700" fill="#1a1a1a">同一个任务，两种算力的代价</text>

  <!-- 左侧：DeepSeek -->
  <rect x="30" y="55" width="250" height="160" rx="6" fill="#f5f5f5" stroke="#e0e0e0" stroke-width="1"/>
  <text x="155" y="85" text-anchor="middle" font-size="14" font-weight="700" fill="#1a1a1a">DeepSeek 按量付费</text>
  <text x="155" y="115" text-anchor="middle" font-size="28" font-weight="700" fill="#2e7d32">¥114</text>
  <text x="155" y="138" text-anchor="middle" font-size="12" fill="#888">9.85亿 token</text>
  <text x="155" y="158" text-anchor="middle" font-size="12" fill="#888">11天 · 大量缓存命中</text>
  <text x="155" y="178" text-anchor="middle" font-size="12" fill="#888">无流量包限制 · 有余额永不停</text>

  <!-- 右侧：OpenRouter顶级模型 -->
  <rect x="320" y="55" width="250" height="160" rx="6" fill="#fff3f3" stroke="#ffcdd2" stroke-width="1"/>
  <text x="445" y="85" text-anchor="middle" font-size="14" font-weight="700" fill="#1a1a1a">OpenRouter 顶级模型</text>
  <text x="445" y="115" text-anchor="middle" font-size="28" font-weight="700" fill="#c62828">$32</text>
  <text x="445" y="138" text-anchor="middle" font-size="12" fill="#888">1,750万 token</text>
  <text x="445" y="158" text-anchor="middle" font-size="12" fill="#888">20分钟 · 频繁切换模型</text>
  <text x="445" y="178" text-anchor="middle" font-size="12" fill="#888">缓存命中率趋近于零</text>

  <!-- 中间分隔线 -->
  <text x="300" y="140" text-anchor="middle" font-size="20" font-weight="700" fill="#999">vs</text>
</svg>