如何衡量编程模型成本

最近，DeepSeek 和 OpenAI 发布了它们小型模型（Flash 和 Luna）的最新版本，据称在 DeepSWE 上的得分约为 GPT5.4，但人们很难理解它们的成本是多少。下面是一些基本的计算。一个好的经验法则是，如果你使用诸如 Codex Luna 的订阅，你获得的总量大约是你最大总使用量的 12-25 倍。粗略地说，通过 Codex 20x 订阅，你每月大约可以获得 1400 亿个 token。按实际美元成本计算，如果每月约 70 亿个 token，Luna 大约要花费 250 美元。相比之下，DeepSeek 每 70 亿个 token 需要 75 美元，大约是 Luna 价格的三分之一。但你需要直接购买。如果你的预算较少，比如每月 10-20 美元，你可能可以使用 opencode go，并取得相当不错的进展。要衡量一个模型的成本，需要计算 token 成本与分布的关系。对于编程用途，你的使用量平均分布大约是 93/95% 的缓存输入 token，非缓存约 2-4%，输出约 1-2%。输出会随着你是否使用 max 而成比例增加。DeepSeek flash 便宜得多的主要原因是，其缓存 token 定价约为 Luna 同等定价的 1/7，输出 token 约为其 1/5。如果你的使用场景显著不同，主要是生成 token，而不使用缓存，那么分布会改变。