AI大学 - 成本管理

我是个订阅多个服务的人。这里$20，那里$20。OpenAI, Anthropic, Gemini, Grok（$30，不值得）。这个夏天我一直在AI大学攻读博士学位。好吧，我失业了，把“不填写申请表”的时间用来构建我的AI员工工厂和AI员工团队，以此发展我的AI技能。所以我的$20级别订阅不够用了。我一直在构建/supervise技能，考虑我的订阅容量、模型对角色的适用性（通过我自己的基准测试和持续使用统计），以及工具链可以将相同LLM的成本改变多达1/3（Pi比Codex便宜）。目前的情况是，OpenAI订阅是每月$200。这是$100用量的4倍。我把Anthropic从$100降回了$20。新的OpenAI Astra模型在大多数能力上优于Anthropic Fable 5.1。在“不差钱”的世界里，我会两者都用。我最初对Gemini 3.8 Flash非常热情。以至于当OpenAI和Anthropic订阅都用尽时（当时我每月每个都是$100），我升级到$100层以应对溢出。但当我开始做自己的基准测试，并听Supervisor AI评估Gemini的编码性能时……它不可接受。即使在$100层的“近乎无限供应”下，它也不值得。但我们有一个新的出色低成本编码器：DeepSeek V4.1 Flash。当与高质量的规划者和代码审查器配对时，它非常 capable。这通过我的基准测试和使用后的行动回顾得到了确认。它成本如此之低，你只需支付API价格。但我确实使用OpenCode Go每月$10，因为你能获得$60的收益。如果我不经常使用Astra，我可以全天候以每月$200使用OpenAI。但我一直在使用Astra，所以我会提前一天用完每周的配额。所以我告诉我的参谋长：暂停使用OpenAI。转向Anthropic模型Opus 4.8和Sonnet 4.8（v5有问题）。除了编码，其他事情使用Gemini 3.1 pro。它规划得好，代码审查也做得好。别被OpenCode Go的“快用完了”迷惑，DeepSeek V4.1 Flash如此便宜，还有很多剩余。然后它就开始了，使用一组不同的LLM处理AI员工工厂V2。我的/supervisor技能还没有达到我需要的程度，所以我目前手动做出这些决定。数据驱动的决策——节省金钱。我正在将此整合到我的工厂中。LLM和工具链变化迅速。这是我的2026年9月15日设置。