成本优化相关 AI 资讯

7月11日

03:11

lmarena.ai@lmarena_ai

精选73°

Muse Spark 1.1 在 Code Arena: Frontend 基准测试中排名第9，得分1541，混合成本350万美元（输入每百万token 1.25美元，输出每百万token 4.25美元）。Meta 称这款模型重塑了成本-性能帕累托前沿，以低廉价格提供前沿表现。同时，Meta 推出了新 Meta Model API 公开预览，开发者可通过该 API 访问 Muse Spark 1.1，模型也已在 Meta AI 应用的“Thinking”模式上线。

推荐理由：Meta 发了 Muse Spark 1.1，代码生成得分1541，成本只要350万美元，比同类便宜不少，适合做前端开发的玩家。

原文

7月9日

15:04

15:04IT之家（博客/媒体）

精选

技巧 Claude Fable 5 Sonnet 5 Anthropic 智能体成本优化

推荐理由：Anthropic 教你两种搭配方案，用便宜好用的 Sonnet 5 分担大部分活，成本降到一半甚至更低，性能几乎不掉。

原文

06:22

Jerry Liu@jerryjliu0

LlamaIndex 旗下 LlamaParse 推出改进的智能路由层，能根据页面复杂度自动选择文档解析方式。简单文本优先使用低成本 OCR 技术，复杂页面（密集表格、图表）则切换为视觉语言模型（VLM）以保持准确度。用户可一键在产品中切换。该功能旨在降低处理成本，同时保证质量。

AI产品 LlamaParse LlamaIndex OCR 文档解析成本优化

推荐理由：LlamaParse 现在会根据页面难度自动选解析方式，简单文档用 OCR 省成本，复杂表格才上 VLM，想省钱又不想降精度的话可以试试。

原文

05:59

elvis@omarsar0

精选

Databricks联合创始人Matei Zaharia在推文中分享了内部编码智能体基准测试结果。Pi harness在Opus和GPT模型上获得相同成功率，但成本降低2倍。GLM 5.2被描述为开源编码智能体性能的一次重大进步。测试表明包括开源在内的许多模型已达到真正具有竞争力的水平。

AI模型 Pi Opus GPT GLM 5.2 编码智能体开源模型成本优化

推荐理由：Matei Zaharia刚透露Databricks实测：用Pi harness成本省一半，效果和Opus、GPT一样好；GLM 5.2这个开源模型也追上来了。

原文

00:49

官方账号Decoder@Matthias Bastian

精选

技巧 Fable 5 Sonnet 5 Anthropic 智能体成本优化

推荐理由：想省钱又用上Fable 5？让它当经理分配任务给Sonnet 5，性能几乎不减，成本省三成。

原文

7月8日

07:03

LlamaIndex@llama_index

LlamaParse Cost Optimizer推出改进，智能层级路由更可靠地平衡成本与准确性。在处理大型文档时，简单页面默认使用低成本层级，复杂页面仍由高准确率、高成本的agentic和agentic plus层级处理。用户只需为每页实际所需的质量付费，该功能现已对所有客户生效。

AI产品 LlamaParse 文档解析成本优化

推荐理由：LlamaParse升级了成本优化器，自动把简单页用便宜方案、复杂页用贵方案，按需付费省钱了。

原文

05:21

OpenRouter@OpenRouterAI

精选

OpenRouter 用 1,730 道视觉推理题测试了 5 个模型，检验将图片细节设为“low”的省钱技巧。结果发现该技巧适得其反：模型为看清模糊图像消耗更多推理 token，总体成本不降反升。这一发现提示开发者在使用视觉模型时需谨慎选择图片细节参数。

AI模型 OpenRouter 推理模型多模态成本优化图片细节

推荐理由：想省成本把图设成低清？OpenRouter 测了5个模型1730道题，告诉你这招可能更费钱。

原文

05:19

OpenRouter@OpenRouterAI

OpenRouter 发布博客对比推理模型与非推理模型在不同细节设置下的成本与性能。推理模型推荐保持 auto 或 high 细节以保留精度；非推理模型设为 low 细节可真实节省费用和延迟，但需接受准确度损失。博客附有详细基准表格和每模型分表，帮助用户按需选择。

技巧 OpenRouter 推理模型成本优化 API使用基准测试

推荐理由：OpenRouter 实测告诉你：非推理模型调低细节真的能省钱省时间，但推理模型别省，自己看表格选策略。

原文

7月7日

16:29

AI Will@FinanceYF5

第三方服务商通过SGLang推理引擎、Prefill-Decode解耦架构、专家并行技术及AMD MI300 GPU，将DeepSeek模型的API调用成本降至官方价格的1/5。该技术栈组合显著降低了推理开销，使小型团队和企业能以更低成本使用高性能模型。方案中涉及的专家并行与Prefill-Decode分离是核心优化手段。

技巧 DeepSeek SGLang AMD MI300 推理优化成本优化

推荐理由：想低成本跑DeepSeek？有第三方用SGLang和AMD MI300把API成本压到官方的五分之一，技术方案公开，值得参考。

原文

7月5日

02:37

官方账号Decoder@Matthias Bastian

精选

开源工具pxpipe通过将长文本提示转换为紧凑PNG图片，利用Anthropic按像素而非文本内容收费的定价策略来节省费用。开发者Steven Chong报告在Claude Code和Fable 5上实现了59%到70%的token成本降低。这种节省以牺牲准确性和速度为代价。该工具完全免费且开源。

AI产品 pxpipe Claude Code Fable 5 Anthropic 成本优化

推荐理由：想省Claude Code的token费？试试pxpipe，把提示藏进PNG，据说能省70%，不过会慢点。

原文

7月1日

04:06

官方账号Tri Dao (FlashAttention)@tri_dao

精选

Etched公司仅用2年就完成了芯片设计和出货。该芯片将注意力机制硬编码到硅片中，实现了极高的模型利用率（MFU）。这种为LLM推理定制的硬件有望将智能成本降低10倍。

AI产品 Etched 推理芯片 LLM推理成本优化

推荐理由：Etched把注意力写进芯片里，2年搞定，LLM推理成本要降10倍了。

原文

6月30日

14:17

AI Will@FinanceYF5

一位开发者将其产品使用的AI模型全部替换为中国系模型，涉及6类任务逐一对比。替换后成本下降87%，收入未受影响，而模型输出质量平均仅下滑4%。该案例展示了中国模型在性价比上的显著优势。

技巧中国模型成本优化质量对比任务分类

推荐理由：有人实测把模型全换成中国的，成本省了87%，质量只差4%，收入没掉，这性价比太香了。

原文

12:35

官方账号Together AI@togethercompute

行业 Together AI 开源模型推理市场生产基础设施成本优化

推荐理由：开源模型越来越猛，推理市场开始拼速度成本了。Together AI让开源模型直接上生产，值得关注。

原文

6月29日

00:01

官方账号Clement Delangue@ClementDelangue

Brian Armstrong在推文中分享了Coinbase控制AI成本的实践。他提到，通过将默认模型切换到开源模型如GLM 5.2和Kimi 2.7，91%的员工从未触及使用上限。通过改进缓存，LibreChat的缓存命中率从5%提升到60%。这些措施使AI支出减少近一半，同时token用量仍在增长。他还强调路由优化和精简上下文的重要性。

技巧 Hugging Face GLM 5.2 Kimi 2.7 成本优化缓存

推荐理由：Coinbase创始人Brian Armstrong分享了一套实际操作方案：用更便宜的默认模型、优化缓存和路由，能把AI成本砍半。开源模型GLM 5.2和Kimi 2.7是主角，缓存命中率从5%跳到60%。

原文

6月28日

20:24

官方账号Decoder@Matthias Bastian

精选

Coinbase CEO Brian Armstrong将公司系统切换至中国AI模型GLM 5.2和Kimi 2.7。自动路由系统根据任务和价格选择最佳模型，缓存命中率从5%提升至60%。尽管token使用量持续增长，Coinbase的AI支出已减半。此举凸显西方AI实验室正面临定价压力测试。

行业 Coinbase GLM 5.2 Kimi 2.7 成本优化定价压力

推荐理由：Coinbase用GLM 5.2和Kimi 2.7替换了西方模型，成本砍半，缓存命中率翻了12倍。想知道为什么中国模型更便宜？

原文

6月27日

13:20

官方账号LangChain@LangChainAI

Alex Olsen 加入 LangChain 团队后发表首篇文章，详解 Deep Agents 如何利用 prompt caching 技术减少 API 调用次数。该方案通过缓存重复提示词，最高可降低 50% 的 API 成本。文章提供了具体实现步骤和代码示例，帮助开发者快速集成。

技巧 LangChain Deep Agents prompt caching 成本优化

推荐理由：LangChain 新成员 Alex 手把手教你给 Deep Agents 加缓存，省下一半 API 钱，实用技巧别错过。

原文

12:17

Harrison Chase@hwchase17

Coinbase CEO Brian Armstrong在推文中介绍了公司通过更优默认设置、智能路由和缓存来控制AI支出增长。他们默认使用开源模型如GLM 5.2和Kimi 2.7，使91%员工未触发使用上限。缓存命中率在LibreChat中从5%提升至60%。这些措施使AI支出降低近一半，同时token使用量持续增长。

技巧成本优化缓存 Coinbase GLM 5.2 Kimi 2.7

推荐理由：Coinbase用缓存和默认模型省了一半钱，还让token随便用，想省成本的团队可以照抄作业。

原文

6月26日

22:42

Gary Marcus@GaryMarcus

UBS调查显示，60%监控AI预算的企业已开始转向更便宜的模型和开源中国模型。企业面临极端账单，有用户每月花费高达35,000美元，团队超出配额200%，部分公司从5个AI内部工具削减至2个。企业通过模型路由策略，将简单任务分配给便宜模型，如Qwen、DeepSeek、MiniMax、GLM、Kimi，而保留高级模型用于推理、编程和长上下文任务。这些中国开源模型可以本地运行或通过云目录使用，符合企业成本曲线。

行业 UBS DeepSeek Qwen MiniMax 开源模型成本优化企业AI应用

推荐理由：大厂AI账单太高了，UBS说60%的企业已经在换更便宜的模型，像DeepSeek、Qwen这些中国开源模型成了新选择。想省钱的企业可以看看这个趋势。

原文

6月22日

18:48

官方账号腾讯混元 Tencent Hunyuan@TencentCloud

日本游戏厂商Aiming Inc.将数据库迁移至腾讯云分片解决方案和CVM（云虚拟机），实现数据库成本降低50%。迁移后游戏性能得到优化，同时运维复杂性显著下降。团队得以更专注于游戏内容开发。案例详情已发布。

行业 Aiming Inc.腾讯云游戏开发云端迁移成本优化

推荐理由：日本游戏老厂Aiming用腾讯云分片方案，数据库成本直降一半，还省了运维精力，有案例可看。

原文

6月18日

10:07

官方账号阿里云 Alibaba Cloud@alibaba_cloud

阿里云日本区域经理Takeshi Kurita与CyberAgent高管Takahito Naito探讨如何通过Qwen模型降低企业生成式AI成本。双方分享了基于Alibaba Cloud的Agentic Cloud策略的实际部署经验。会议聚焦于企业级AI模型的高效运用与未来方向。

行业 Alibaba Cloud Qwen CyberAgent 企业AI 成本优化

推荐理由：阿里云和CyberAgent聊用Qwen降成本，有实战干货，搞企业AI的可以听听。

原文

03:54

官方账号LangChain@LangChainAI

LangChain实验室与Alibaba Qwen及FireworksAI合作发布一项研究，探讨如何从每条trace中高效提取重要信号，同时保持前沿性能。研究对比了不同方法在成本与效果上的权衡。报告指出，通过优化模型选择和推理策略，可在保持95%以上准确率的情况下将成本降低80%。该研究为大规模trace分析提供了实用方案。

论文 LangChain Alibaba Qwen FireworksAI trace分析成本优化

推荐理由：LangChain联合Qwen和FireworksAI出了个办法：从每条trace里低成本挖出关键信号，性能还不打折，适合做可观测性的团队看。

原文

6月17日

02:37

LlamaIndex@llama_index

精选

LlamaIndex 团队为 Claude 构建了自定义 PDF 解析技能，利用真实使用痕迹发现 AI agent 反复读取同一文件、不必要截图等浪费步骤。修复后，每问题成本降低 37%，回答质量全面提升且浪费步骤减少。该案例展示了如何通过分析 agent 痕迹来定位并修复性能瓶颈。

技巧 Claude LlamaIndex 智能体 PDF 解析成本优化

推荐理由：LlamaIndex 手把手教你用 traces 优化 Claude 的 PDF 解析，成本直降 37%，答案还更准了，值得一试。

原文

6月15日

18:03

官方账号阿里云 Alibaba Cloud@alibaba_cloud

阿里云推出了一个AI就绪平台，专为智能体（Agentic AI）构建。该平台提供智能自动化，支持大规模部署。相比现有方案，成本可降低高达50%。

AI产品 Alibaba Cloud 智能体 AI云平台成本优化

推荐理由：阿里云推出AI就绪平台，专为智能体AI设计，成本比现有方案低50%，适合迁移省钱。

原文

12:35

Jerry Liu@jerryjliu0

精选

OpenRouter 推出 Fusion API，这是一种复合模型，能以一半的价格达到 Fable 级别的智能。该 API 通过混合多个模型来优化成本与准确率，使得非前沿实验室的公司也能利用这一优势。例如，在发票对账等特定任务中，通过混合模型调优可大幅降低成本和提升可靠性。

AI产品 OpenRouter Fusion API Fable 模型混合成本优化

推荐理由：混合模型做到半价高智能

原文

6月13日

00:19

OpenRouter@OpenRouterAI

OpenRouter 宣布本月为“成本削减月”，将每周至少推出一次重大功能更新，帮助用户降低推理成本。他们基于过去三年的数据发现，每次重大技术突破后，用户都会面临成本压力。首批策略包括多种优化方法，已在客户中广泛使用。这些措施旨在让开发者更经济地使用 AI 模型。

AI产品推理成本 OpenRouter 成本优化 AI 产品开发者工具

推荐理由：OpenRouter 直接瞄准 AI 推理成本痛点，做模型调用的团队可以每周关注其新功能，能省下真金白银。

原文

6月12日

13:19

AI Will@FinanceYF5

一位开发者分享了使用Claude Code时避免触达API限额的优化方案：让Fable 5作为编排模型，负责调度和分配任务，而将Opus用于需要深度推理的关键阶段。Fable 5的智力足以胜任大部分中间步骤，无需每一步都调用最强模型。这种分层策略能节省约一半的计算资源，同时保持最终效果不打折扣。对于频繁使用Claude Code的团队，这是一种实用的成本控制方法。

AI产品 Claude Code API限额模型编排成本优化 Fable 5

推荐理由：频繁用Claude Code的开发者最怕触限额——这个分层策略用Fable 5做调度、Opus只干重活，算力省一半效果不变，建议直接抄作业。

原文

12:39

官方账号Noam Brown (OpenAI 推理)@polynoamial

73°

OpenAI 的 GPT-5.5 模型在一项公开评测中取得了最高分。更令人关注的是，它在考虑 token 消耗、成本和实际运行时间后，依然保持最佳表现。这表明 GPT-5.5 不仅在能力上领先，在效率方面也具备显著优势。对于追求高性能与低成本平衡的开发者来说，这是一个重要信号。

AI模型 GPT-5.5 OpenAI 模型评测效率成本优化

推荐理由：GPT-5.5 在评测中不仅性能第一，还兼顾了 token 和成本效率，做模型选型的团队可以直接参考这个结果来优化预算。

原文

07:25

Ate-a-Pi@svpino

开发者 Santiago 测试发现，为 Claude Code 添加 MCP 服务器（@withneo）后，相同语音转文字基准测试任务成本从 $1.96 降至 $0.74，降幅达 60%。该 MCP 服务器通过优化工具调用和资源管理，显著减少了不必要的 API 调用。对于频繁使用 Claude Code 的团队，这一优化能大幅降低运营成本。

技巧 Claude Code MCP/工具成本优化编程助手 API 调用

推荐理由：做 AI 编程或自动化任务的团队，用 Claude Code 成本高？加个 MCP 服务器就能省 60%，建议直接试这个方案。

原文

02:13

OpenRouter@OpenRouterAI

AI产品基准测试模型比较帕累托曲线 OpenRouter 成本优化

推荐理由：做模型选型或成本优化的开发者终于有了可视化工具——帕累托曲线直接帮你找到性价比最优解，建议打开 Benchmark Explorer 试试。

原文

01:11

OpenRouter@OpenRouterAI

OpenRouter 发布了新的基准测试探索器，允许用户绘制 10 个不同基准的帕累托曲线。该工具整合了包括 @ArtificialAnlys 和 @Designarena 在内的多个基准数据，帮助用户直观比较模型性能与成本之间的权衡。这对于评估和选择 AI 模型具有实用价值，尤其适合需要平衡性能与预算的开发者。用户可以通过 openrouter.ai/rankings#bench… 直接访问该工具。

AI产品基准测试帕累托曲线模型评估 OpenRouter 成本优化

推荐理由：OpenRouter 的基准探索器让模型选型从凭感觉变成看数据，做模型评估或成本优化的团队可以直接用帕累托曲线挑出性价比最高的模型。

原文

6月11日

16:35

AI Will@FinanceYF5

shadcn 发布了一个名为 improve 的新工具，核心思路是让最强模型（如 GPT-4）负责智能决策和规划，而低成本模型负责具体执行。该工具可以在整个代码库或当前工作分支上运行，自动生成包含审计、调研、范围界定、执行、测试及终止条件的完整计划。这解决了大型代码库自动化重构中成本与质量平衡的痛点，让开发者能以更低成本获得高质量代码优化。项目已在 GitHub 开源，值得关注。

AI产品代码优化 shadcn/improve 开源/仓库智能体成本优化

推荐理由：做代码库重构或自动化优化的开发者，终于有了一个兼顾成本与质量的方案——用强模型定方向、弱模型干苦活，直接开源可试。

原文

08:15

Scott Wu@ScottWu46

精选

Scott Wu 引用 Walden 的观点，指出工程团队必须像提升智能体编排一样提升人类自身的编排能力。AI 已能修复复杂 bug、进行 UI 测试、编写优质代码，应作为第一道防线处理 bug 和反馈，人类只需在 AI 审核后查看 PR。团队应建立云软件工厂，让智能体自动管理工单、生成屏幕录制，并利用更小、更便宜的模型降低成本。Walden 强调，组织若想跟上 AI 的指数级增长，必须重新思考人类时间分配，避免手动处理本可由 AI 完成的任务。

行业 AI编排工程团队智能体 DevOps 成本优化

推荐理由：工程团队的组织效率正在成为 AI 落地的瓶颈——Walden 的实操建议（如 AI 先审 PR、自动生成工单）能直接帮团队提效，做软件工程管理的建议点开看看怎么落地。

原文

6月10日

23:17

Milvus@milvusio

精选

股票媒体平台123RF拥有2亿+视觉资产，从关键词搜索转向语义搜索。迁移至Zilliz Cloud后，成本降低50%，查询延迟从100ms降至30-50ms。Zilliz Cloud支持CLIP生成稠密向量、动态扩缩容、解耦数据写入与在线查询、自定义排序逻辑。该方案帮助平台在保证检索质量的同时控制运营成本。

技巧 123RF Zilliz Cloud 语义搜索向量数据库成本优化

推荐理由：123RF用Zilliz Cloud省了一半成本

原文

14:36

14:36IT之家（博客/媒体）

哈佛大学与Perplexity联合研究，基于10000组真实生产数据，对比了对话式搜索与AI智能体（Perplexity Computer）的效率。结果显示，智能体在自主性上提升48倍，任务时间缩短87%，总成本下降94%，且质量未降反升（不满率1.3% vs 2.9%）。智能体虽单次模型成本更高（4-10美元 vs 0.05美元），但大幅降低了人力边际成本（从2.05美元降至0.16美元）。研究建议，短小单步任务适合搜索，多步骤、需调用工具的工作应交给智能体。

行业 AI智能体效率提升成本优化 Perplexity 人机协作

推荐理由：这份研究用真实数据证明了AI智能体在复杂任务中的效率优势，做自动化流程或知识管理的团队可以直接参考成本收益模型，评估是否值得投入。

原文

09:34

shao__meng@shao__meng

精选

一条推文通过对比 Claude Fable 5 和 Step 3.7 Flash 的官方 API 价格，揭示了 Claude Fable 5 的昂贵程度：输入价格约为 Step 3.7 Flash 的 50 倍，输出也是 50 倍，缓存命中输入更是高达 100 倍。若启用 Fast Mode（速度提升 3 倍，价格翻 6 倍），差距进一步拉大至 300 倍和 600 倍，且 Fast Mode 下 Step 3.7 Flash 输出速度反而更快。作者还用一个真实 Coding Agent 任务测试了 Step 3.7 Flash，它成功将混乱的 Agent 运行痕迹转化为一个可检查的本地 HTML 工具，展示了模型在复杂任务中的实用性。

AI产品 Claude Fable 5 Step 3.7 Flash API 价格对比 Coding Agent 成本优化

推荐理由：如果你在选 API 或做成本敏感的开发，这条对比能帮你省下真金白银——Claude Fable 5 的溢价远超想象，而 Step 3.7 Flash 在速度和价格上都有明显优势，做 Coding Agent 的团队值得关注。

原文

6月9日

00:44

OpenRouter@OpenRouterAI

精选

OpenRouter 宣布其平台支持智能体仅在需要时调用前沿推理模型，其余操作使用低成本小模型，从而大幅降低运行成本。用户只需在工具列表中添加一个条目，即可开始迁移至更经济的定价曲线。这一功能解决了智能体长期运行中推理成本高昂的问题，尤其适合需要频繁调用 AI 的开发者或团队。目前该功能已上线，用户可通过 OpenRouter 文档中的指南快速上手。

AI产品智能体推理模型成本优化 OpenRouter API/平台

推荐理由：做 AI 智能体开发的团队终于不用为每次推理都付高价了——OpenRouter 让前沿模型只在必要时出场，其余用低成本小模型，建议直接试试这个配置，能省不少钱。

原文

6月8日

18:42

Julien Chaumond@julien_c

Coinbase CEO Brian Armstrong 在 X 上分享了对模型路由趋势的看法，认为对智能的需求近乎无限，但未来 12-18 个月内，80% 的工作负载将运行在便宜 99% 的模型上，仅 20% 需要最新高端模型。他类比高端 MacBook 或游戏 PC 的配置比例，指出价格下降速度远超摩尔定律，因此瓶颈将是能源和算力而非模型本身。Coinbase 正积极将提示路由到更便宜的模型，在 token 使用量指数增长的同时保持成本基本持平。

行业模型路由成本优化 Coinbase AI 基础设施行业趋势

推荐理由：做 AI 应用或负责成本优化的团队，这条关于模型路由的洞察直接关系到你的预算和架构选择——Coinbase 已经验证了在 token 使用暴增时成本可控的路径，值得参考。

原文

13:30

Jerry Liu@jerryjliu0

精选

Jerry Liu（LlamaIndex 创始人）认为，AI 创业公司将在“模型路由即服务”领域积累大量价值，这不仅是 OpenRouter 这样的通用路由，还包括垂直化的智能体和基础设施。他以文档基础设施（解析、提取、搜索）和网络搜索（Exa/Parallel）为例，说明在准确性与成本的帕累托曲线上找到最佳点既重要又困难。Brian Armstrong 补充说，未来 80% 的工作负载将运行在便宜 99% 的模型上，只有 20% 需要最新高端模型，而 Coinbase 已通过路由提示词到更便宜的模型来保持成本稳定。这揭示了模型路由作为降低 AI 应用成本、提升效率的关键基础设施，对开发者和创业公司是巨大机会。

行业模型路由 AI 基础设施成本优化智能体 OpenRouter

推荐理由：模型路由是 AI 应用降本增效的关键，做 AI 产品、智能体或基础设施的团队值得关注——它可能成为下一个像 API 网关一样的基础设施层。

原文

6月7日

18:57

官方账号Decoder@Jonathan Kemper

精选72°

Perplexity 推出了名为“Search as Code”的新架构，摒弃了传统的固定搜索 API，允许 AI 模型用 Python 编写自己的搜索例程。该系统在沙盒环境中处理过滤和去重，在关键基准测试上超越了 OpenAI 和 Anthropic，同时将 token 成本降低了高达 85%。这一创新使 AI 搜索更灵活、高效，尤其适合需要定制化搜索逻辑的开发者。

AI产品 Perplexity 搜索即代码 AI 搜索成本优化沙盒执行

推荐理由：Perplexity 的“Search as Code”解决了固定 API 的僵化问题，做搜索增强或 AI 应用的团队可以大幅降低 token 成本并提升性能，值得直接尝试。

原文

14:46

OpenRouter@OpenRouterAI

精选

OpenRouter 在定价页面新增了实时缓存命中率和历史流量数据，帮助用户了解不同模型提供商的实际缓存效果和有效价格。以 Opus 4.8 为例，用户现在可以直观对比各提供商的缓存效率，从而优化成本。这一功能解决了开发者难以评估缓存实际收益的痛点，让模型选择更透明。

AI产品 OpenRouter 缓存命中率有效价格模型选择成本优化

推荐理由：做 AI 应用开发的团队终于能看清缓存的实际效果了——OpenRouter 把缓存命中率和有效价格摆上台面，选模型时不再靠猜，建议直接去 Pricing 页对比一下。

原文