一、先把「中转站」这个词拆开
2026 年 9 月，一份行业榜单统计到 730 家以接口转发为主业的中转站。这个数字看着壮观，但把它们放在一张表里排名，等于把便利店、批发市场和期货交易所塞进同一张表——商业模式、成本结构、风险敞口完全不是一回事。
真正要分清的是三层。
1.1 路由层：赚的是「选择权」的钱
这一层自己不做推理，只做请求转发、模型名映射、供应商切换。上游什么价，它原样透传，赚钱靠充值手续费。代表是 OpenRouter、Cloudflare AI Gateway、Portkey、Requesty。这类中转站的价值不在模型多，而在「某家上游挂了，你的业务不用改一行代码」——是保险生意，不是零售生意。
OpenRouter 的账很能说明问题：对上游一分不加，收充值环节 5.5% 的手续费，单笔最低 0.80 美元；自带密钥在每月 2.5 万美元额度内免这笔费用。2026 年 5 月它完成 1.13 亿美元 B 轮，估值 13 亿美元；8 月 Stripe 敲定收购，媒体口径在 70 亿到 80 亿美元之间。每周过手约 25 万亿 token，用户超 800 万，连接 400 多个模型、80 多家供应商。
注意这里的商业逻辑：它的收入与你的 token 消耗量成正比，与单价无关。所以它没有动机给你推贵的模型，反而有动机让你用得更省——用量越大、留存越久，手续费越多。这是三层里唯一「利益和你同向」的结构。
1.2 推理层：赚的是「每张卡产出多少」的钱
这一层自己有 GPU，跑开源权重，按 token 卖算力。代表是 DeepInfra、Together AI、Fireworks、Groq、Novita、Baseten、Cerebras，国内对应硅基流动这类中转站。它的价格由卡型、量化精度、批处理能力、机房电价决定，不由「良心」决定。
同样是 gpt-oss-120b，DeepInfra 报每百万输入 0.037 美元、输出 0.17 美元，实测 46 token/秒；Groq 报 0.15 与 0.60，实测 477.6 token/秒；Baseten 报 0.10 与 0.50，实测 198 token/秒。一个月跑 5000 万输入加 1000 万输出，账单从 3.55 美元到 13.50 美元，差 3.8 倍——买的是速度和稳定性，不是同一样东西的两种标价。
推理层的成本曲线很陡。同一张卡，跑 8bit 量化和跑 fp16，显存占用差一倍，能塞进的并发差一倍；开连续批处理和不批处理，吞吐能差三到五倍。所以它的报价会随负载浮动，闲时便宜、忙时贵，这不是套路，是产能的物理属性。判断一家推理层中转站是否靠谱，看它敢不敢公开吞吐和首 token 延迟，敢公开的通常有底气。
1.3 转售层：赚的是「信息差加账期」的钱
第三层既没有卡，也没有路由技术，靠批量采购或拆卖订阅拿到低价再零售。那 730 家中转站里绝大多数属于这一层。它的成本不由技术决定，由「货从哪来」决定。
这一层的门槛极低：一套开源面板、一台境外服务器、一个收款码，一周就能开张。所以它的数量最多、生命周期最短、宣传最凶。你在搜索里看到的前二十个结果，多半都在这一层。
1.4 混着叫，才会算错账
把三层统称 Token 中转站，是这个行业最大的认知陷阱。用户往往拿着「最便宜那层」的报价，去要求「最稳那层」的服务水平，然后在出事时觉得被骗——其实一开始买的就不是同一件东西。
更麻烦的是，同一家平台常常同时扮演三层。一个看着像路由层的站点，可能 70% 的流量走正规上游，30% 走拆卖通道；一个看着像推理层的平台，可能自有卡只覆盖热门模型，冷门模型转手给别人。所以判断一家中转站，不能只看它的自我介绍，要看它对每个模型标的价格是否自洽——同一个模型，如果它比所有推理层都便宜，那它一定在转售。
二、钱从哪来：货源四档与毛利率
转售类中转站的成本结构，按货源从干净到脏分四档，每一档对应完全不同的毛利率和风险等级。
| 货源档位 | 拿货价 | 出货价 | 毛利率 | 典型形态 | 主要风险 |
|---|---|---|---|---|---|
| 正规代理 | 官方价七折 | 九折 | 22.2% | 签了分销协议的服务商 | 最低，但价格最不诱人 |
| 大厂余量 | 三折 | 五折 | 40% | 年度框架采购的剩余额度 | 政策收紧即断，余量不稳 |
| 订阅拆卖 | 不到一折 | 五折 | 84% | 把包月账号拆成接口卖多人 | 封号、限流、并发穿透 |
| 号池与逆向 | 趋近于零 | 任意 | 80%–100% | 免费额度池、非官方通道 | 随时失效，数据几乎必然外流 |
2.1 一个 200 美元的账号怎么变成 2500 美元
订阅拆卖的价差大得离谱，但它是算得出来的：一份 200 美元每月的 Claude Max，按官方单价折算等效额度约 2500 美元，中间有 12.5 倍的制度性价差。拆给 20 个人用，每人收 50 美元，月入 1000 美元，成本 200 美元。
这家中转站的模型要成立，需要三个前提同时成立：并发不超、额度不穿、供应商不查。任何一个破掉，整套就崩。所以这一档的便宜，本质是把「什么时候崩」的风险卖给了你。
三个前提里最脆弱的是并发。官方订阅的风控看的是「同一账号在多少 IP、多少设备、多少条会话上同时活跃」，而不是 token 总量。20 个人只要有三个人在同一分钟提问，特征就露了。所以做这一档的人会做「排队」——你的请求看起来延迟高，其实是在等前面的号空出来。这也是为什么很多超低价中转站的响应时间忽快忽慢，和你自己的负载无关。
2.2 毛利差 4.5 倍，差的是风险定价
同样一天 20 万元流水：正规代理毛利约 4.4 万元，大厂余量约 8 万元，订阅拆卖约 16.8 万元，号池能摸到 20 万元。这个梯度不是效率差异，是风险定价差异——你付得越少，说明卖方替你承担的风险越大，而风险最终会以「某天早上打不开」的形式还回来。
从这个角度看，价格不是质量信号，是「谁在兜底」的信号。正规代理收 22% 毛利，是因为它要垫资、要开票、要承担账期；号池收 100% 毛利，是因为它随时准备第二天关站。你把钱付给谁，就等于把兜底责任交给谁。
2.3 还有三笔不写在价目表上的收入
差价之外，这类中转站通常还有三条进账。一是日志：你调了三小时才写对的提示词，连同全部上下文被整份收走，折扣只是获客成本。二是补贴：部分地区对特定时段的消耗有额度补贴，平台拿补贴、按原价卖。三是缓存：官方对重复输入按约十分之一计价，长对话能省很多，而平台对用户仍按全价结算。
第三笔最容易被忽略，也最值钱。一段五千 token 的系统提示词，在客服、代码助手、知识库这类场景里每次请求都要重发一遍。官方缓存命中后按 10% 计费，平台按 100% 收你的钱，中间 90% 全是净利。一个月一亿输入 token 的业务，这一项就能多出上万元。所以看账单时，除了单价，还要问一句：缓存命中怎么计价。
三、「1 元 = 1 美元」是怎么算出来的
这是整个行业最容易被话术糊住的地方。中转站的售价不由一个数字决定，而由三个参数共同决定。
| 参数 | 它决定什么 | 常见写法 | 猫腻在哪 |
|---|---|---|---|
| 充值汇率 | 人民币换多少额度 | 「1 元 = 1 美元」 | 只解决看起来便宜，不解决实际单价 |
| 模型倍率 | 该模型按官方价几倍扣 | 0.5 至 2.0 不等 | 便宜的模型倍率低，贵的模型倍率高 |
| 分组倍率 | 你的身份再乘几成 | 普通 1 倍、官转 2 倍 | 「官转」往往是最贵的分组 |
| 缓存计价 | 命中缓存的输入怎么算 | 多数不单列 | 官方打折，用户全价 |
3.1 一个真实算例
某家中转站首页写「1 元 = 1 美元额度」。照直觉，这像官方价的七分之一，也就是 14%。但它的模型倍率设成 1.5，官方转发分组再乘 2。按官方价折算，这个倍率本该对应 0.55 的系数。于是 1.5 ÷ 0.55 × 2 × 1 = 5.45，你以为是 1.4 折，实际是官方价的 7.68 折。
这不是孤例，是行业的标准做法。也正因为如此，730 家中转站里敢在首页明写「几折」的只有 7 家——写 3 折，可能只对某一个分组、某一个模型、某一个时段成立。
3.2 三步自查真实单价
第一步，选一个常用模型跑 1000 次固定长度请求，记录 token 数。第二步，用实际扣费除以 token 数，得到你的每百万 token 单价。第三步，除以官方挂牌价，就是真实折扣。整个过程不到半小时，比看宣传页准。任何一个中转站都该先过这一关。
补一个细节：跑测试时要把输入和输出分开记。很多中转站的输入价很漂亮，输出价却是官方 1.5 倍，而真实业务里输出往往占成本的四到六成。只看输入单价的比价，等于只看半张账单。
四、掺水：最贵的那种便宜
4.1 十次里换一两次，人感知不到
一个官方输出价每百万 25 美元的模型，后台悄悄换成每百万 0.28 美元的开源模型，毛利率 98.9%。哪怕按官方一折卖 2.5 美元，成本 0.28，还有 88.8% 的赚头。不需要全换，十次里掺一两次，普通用户几乎无法察觉。
所以「便宜得离谱但用起来还行」是可能的——大部分请求走了正品，偶尔几次走了替代品，而那几次恰好是你最没注意的时候。
4.2 五个自查动作
一是同一条提示词问 20 次，看风格是否漂移。二是问一个只有原模型才知道的细节，比如它知识截止之后才发生的事。三是翻返回体里的用量字段，有的会漏出真实模型标识。四是长上下文里塞一个「针」，看它能不能准确捞回来。五是同一段代码让它改三遍，看错误模式是否一致。
4.3 比掺水更隐蔽的两种手法
第一种是截断。你设了 4000 输出上限，它给你 1800 就停，理由是「模型认为答完了」。你的账单按 1800 算，看着没亏，但业务上你少了半篇文章，得再发一次请求，总成本反而更高。判断方法很简单：统计一段时间里 finish_reason 的分布，正常业务里 length 应该占少数，如果突然全是 stop 且长度集中在一个偏低的值，就有问题。
第二种是降级上下文。你发 3 万 token，它只把前 8000 传给上游，剩下的丢掉。表现是「前面说的它记得，中间说的它忘了」，很像模型能力问题，其实是管道问题。测法是做一个位置实验：在长文的首、中、尾各埋一个唯一编号，看它能不能全部复述。三个编号缺一个，就是被截了。
五、海外阵营：路由层与推理层各是谁
5.1 路由层
OpenRouter 是这类中转站的标杆，400 多个模型、80 多家供应商，一个密钥打通，支持按价格、延迟、吞吐路由，并提供供应商故障自动切换。免费层给 25 个以上模型、每天 50 次请求，历史充值满 10 美元后提到每天 1000 次。
Cloudflare AI Gateway 走另一条路：把网关做成边缘网络的一层，核心功能免费，计费按上游价透传。它的真正价值是把缓存、限流、重试、日志放在离用户最近的节点上，对已经用 Cloudflare 的团队几乎是零成本接入。
Portkey 偏企业治理，开发版每月 1 万次请求，强项是可观测性与策略拦截：可以按团队、按用户设预算，可以拦截包含敏感词的请求，可以把提示词版本化。它卖的不是通道，是管控。
Requesty 主打「自动路由到最便宜的可用端点」，实测把同一份负载压到 81.90 美元，比直连某些端点还低。它的思路是把比价做成实时竞价，每次请求都重新选一次供应商。
5.2 推理层
DeepInfra 的定位是地板价，多数开源模型报价最低，默认无服务器，同权重提供三档速度。它的商业逻辑是把 GPU 利用率榨到极限，所以冷门模型会排队，热门模型很快。
Together AI 强在微调与自定义检查点，从训练到推理一条链，适合有自有数据的团队。Fireworks 强在「推理跑在哪」可控，区域固定版本贵 50%，批量打五折，缓存输入按 2% 计价。Groq 用自研芯片换吞吐，是这批里最快的，代价是模型覆盖窄、只支持自家编译过的权重。
Novita AI 主打性价比批处理，适合离线任务；Baseten 主打托管自有权重，可以把你的微调模型部署成专属端点，按分钟计费而不是按 token。Cerebras 的 wafer-scale 芯片在超长上下文上有独特优势，但价格也在这批里偏高。
5.3 云厂商那一层
Amazon Bedrock、Google Vertex、Azure OpenAI 严格说不算中转站，但对公业务绕不开：合规链条完整、有合同、能开票、数据不出区域，代价是上架慢、没折扣、并发要单独申请。正确用法是当价格基准，不是当省钱工具。
一个实用做法是：把云厂商的挂牌价当成「天花板价」，任何中转站报出的价格如果高于它，就没有存在意义；如果低于它 30% 以上，就要问货源。这条线一画，选型范围立刻清晰。
5.4 七家平台逐一点评
| 平台 | 层 | 强项 | 短板 | 适合 |
|---|---|---|---|---|
| OpenRouter | 路由 | 覆盖最广，故障自动切换 | 充值手续费，国内访问需条件 | 多模型尝鲜、兜底通道 |
| Cloudflare AI Gateway | 路由 | 边缘缓存，接入零成本 | 治理能力弱于专业网关 | 已用 Cloudflare 的团队 |
| Portkey | 路由 | 预算管控、策略拦截 | 免费额度小 | 多团队共用一套密钥 |
| DeepInfra | 推理 | 开源模型地板价 | 冷门模型排队 | 成本敏感的批量任务 |
| Together AI | 推理 | 训练推理一体 | 价格中位 | 有自有数据的团队 |
| Fireworks | 推理 | 部署区域可控、缓存便宜 | 贵，配置复杂 | 对延迟和区域有要求 |
| Groq | 推理 | 吞吐最快 | 模型少 | 实时交互、语音 |
把这七家放在一起看，会发现一个规律：路由层的护城河是覆盖和切换，推理层的护城河是单位成本。前者越用越省心，后者越用越省钱，但省钱有上限——卡就那么多。所以一个成熟团队通常会两家都用：路由层做入口，推理层做主力，云厂商做兜底。
六、国内阵营：备案、发票、直连三件事
国内中转站的选型逻辑和海外完全不同。海外比模型覆盖和延迟，国内先比三件与钱和合规直接相关的事：有没有备案、能不能开增值税专用发票、是不是国内直连。
| 类型 | 代表平台 | 计价 | 发票 | 国内延迟 | 适合谁 |
|---|---|---|---|---|---|
| 有备案有专票 | DMXAPI | 人民币，按 token 分输入输出 | 6% 增值税专票与普票 | 实测 30–50ms | 需要对公结算的企业 |
| 国产开源为主 | 硅基流动 | 人民币，按量 | 支持 | 实测 40–60ms | 跑国产开源模型的团队 |
| 聚合但主体在海外 | 302.AI、AiHubMix、CloseAI-Asia | 美元或人民币混合 | 以平台实际口径为准 | 视网络环境 | 测试期对照、模型尝鲜 |
| 低价转售 | 云雾、TokenMix 及各类小站 | 常以「0.5 元兑 1 美元」计价 | 多数无 | 不稳定 | 个人临时用、非生产 |
| 运营商 | 移动、联通省级试点 | 套餐制 | 正规 | 本地节点 | 本地政企项目 |
6.1 有备案有专票这一类
DMXAPI 是典型：启用模型超过 500 个，覆盖 DeepSeek、千问、智谱、豆包、Kimi 以及文生图、文生视频、语音合成；人民币计价、输入输出分开算、缓存读写单列；1 元起充、余额不过期；开 6% 增值税专用发票，项目写「技术服务费」，支持公对公；国内直连实测首 token 30–50ms。折扣上，通义千问与豆包约 7.9 折，中文开源与多模态约 9.5 折，国产模型最低 5 折起。这类中转站的定价不是最狠的，但备案可查、发票能入账、链路不出境，恰好是企业采购的三道硬门槛。
6.2 国产开源那一类
硅基流动的模型池以国产开源生态为主，接口走 OpenAI 兼容路线，延迟实测 40–60ms，优惠价结算。优势是国产模型上新快、价格透明，劣势是闭源模型覆盖有限。
这类平台适合两类人：一类是明确只用国产开源模型的团队，比如做政企内网、做中文垂直场景；另一类是把国产模型当「低价备胎」的团队，主链路走前沿闭源，溢出流量切到国产开源，成本能压掉一大截。要注意的是，同一份提示词在不同模型上的表现差异很大，切换前必须做一轮回归测试，否则省下的钱会被返工吃掉。
6.3 聚合但主体在海外
302.AI 主打 500 多个模型聚合、零月费按量付费；AiHubMix 覆盖广但售后一般；CloseAI-Asia 强调官方转发与灾备，可开票。这三家的共同问题是主体、备案、发票口径要逐个核实，网络访问也常需额外条件。当中转站里的「测试期对照样本」合适，当长期对公渠道要谨慎。
6.4 低价转售与运营商
云雾这类中转站常打「0.5 元兑 1 美元」的招牌，TokenMix 主打多模型聚合加多种支付。价格确实低，但第二、三节讲的两件事在这里同时成立：货源大概率落在第三、四档，定价大概率用了三参数结构。个人临时跑脚本可以，接生产要命。
更值得注意的是运营商进场。2026 年，中国移动和中国联通的相关服务已下沉到省级试点，上海、北京、湖北等地上线本地化套餐。它们的优势不在价格，在开票、合同、属地服务天生齐备。对政企项目，这比便宜 20% 更有吸引力。
6.5 备案和发票怎么核
备案查两处：一是工信部备案系统里查域名主体，二是看它公示的算法备案编号。主体名称要和合同签约方、开票方三方一致，这三者对不上的，后面报销一定卡住。
发票核三处：票面项目是不是「信息技术服务」或「技术服务费」，税率是 6% 还是 3%，能不能开专票。有的平台只能开「软件服务」或「咨询服务」，财务不一定认；有的只能开普票，等于你的进项抵扣直接损失六个点。这些都要在付款前问清，不要等到月底。
七、多模态与专用通道：图、视频、语音怎么中转
文本之外，图像、视频、语音的中转逻辑完全不同，计价单位也不是 token，混在一起比价必然出错。
| 模态 | 计价单位 | 常见档位 | 最容易被做手脚的地方 |
|---|---|---|---|
| 文生图 | 按张 | 0.01–0.08 美元/张 | 降分辨率后放大、换小模型 |
| 文生视频 | 按秒 | 0.05–0.50 美元/秒 | 失败也扣、按最长档计 |
| 语音合成 | 按字符 | 0.5–3 元/万字符 | 标点也计费、换廉价音色 |
| 语音识别 | 按音频时长 | 0.1–0.6 元/分钟 | 静音段也计时 |
| 向量化 | 按 token | 0.02–0.13 美元/百万 | 截断长文本、降维度 |
7.1 图像：一张图的价格差在哪
同一条提示词，不同通道出来的图可能差一个档次。原因不在模型名，在参数：分辨率是 1024 还是 512、步数是 30 还是 15、有没有开精修。低价通道的常规做法是用 512 生成再放大到 1024，肉眼看小图没差别，放到详情页就糊。
验证方法很土但有效：让它生成一张带小字的图，比如招牌上的四个汉字。真 1024 的能看清，放大出来的是一团。另一个方法是看返回的图片元数据，很多通道会把实际尺寸和模型版本写进去。
7.2 视频：按秒计费的水最深
视频按秒卖，5 秒和 10 秒是两个价位，中间不是线性关系。有的平台按「生成档位」收费而不是按实际时长，你只要 5 秒也按 10 秒扣；有的失败任务照扣不误，重试三次扣三次。这两条加起来，实际单价能翻两倍。
下单前要问清三件事：失败退不退、按档位还是按时长、有没有并发限制。视频生成是重任务，一家小站同时跑不了几个任务，排队一小时很常见，而排队期间你的钱已经付了。
7.3 语音：字符和时长两个坑
语音合成按字符计费，标点、空格、换行算不算字符，各家口径不同。一段带大量标点的文案，按含标点计费可能比纯文字多出两成。语音识别按音频时长计费，静音段也算，一段会议录音里三成是沉默，这部分钱照付。
更隐蔽的是音色替换。你选了一个情感音色，实际合成用的是基础音色加轻微变速，听感差一截但账单一样。判断方法是合成同一句话，和官方 demo 逐字对比，重点听句尾的语调和停顿。
7.4 多模态的计价陷阱
图片输入在很多平台上按 token 折算，一张 1024×1024 的图可能折 1000 多个 token，也可能折 85 个，取决于它怎么切块。同一张图，两家账单差十倍，不是算错，是切法不同。做视觉类应用前，一定要用固定图片测一轮，把「一张图等于多少 token」这个系数测出来，再算成本。
八、横向对比一：同一批请求，五张账单
空谈折扣没意义，看同一份负载在不同中转站上的实际扣费更有说服力。以下是一组公开实测：用两个参考模型跑相同请求，再按各平台账单页的实际扣费折算成每百万 token 成本。
| 平台 | 定位 | 低价模型 每百万 | 前沿模型 每百万 | 整轮总账单 | 中位延迟 |
|---|---|---|---|---|---|
| DeepInfra | 推理层，地板价 | 0.058 美元 | 0.38 美元 | 0.78 美元 | 较快 |
| OpenRouter | 路由层，不加价 | 0.044 美元 | 0.46 美元 | 0.92 美元 | 0.76 秒 |
| Fireworks | 推理层，可控部署 | 0.23 美元 | 1.34 美元 | 2.81 美元 | 中等 |
| Requesty | 路由层，自动择廉 | 0.14 美元 | 1.63 美元 | 3.20 美元 | 中等 |
| Together AI | 推理层，训练一体 | 0.11 美元 | 1.67 美元 | 3.20 美元 | 中等 |
最反直觉的是：路由层不一定比推理层贵。OpenRouter 整轮账单 0.92 美元，比 Fireworks 的 2.81 美元低三分之二，因为它会把请求路由到最便宜的健康端点。好的中转站不但不该被消灭，反而应该更便宜——它把比价自动化了。
但要注意样本量。这类实测通常只跑几十次请求，延迟数据的方差很大，中位延迟只能看量级，不能看小数点。真正做决策时，应该用自己的真实提示词、真实长度、真实并发跑一遍，至少一千次，否则容易被单次抖动误导。
九、横向对比二：同一个模型，七个端点
| 端点 | 输入 每百万 | 输出 每百万 | 实测吞吐 | 首 token | 月成本（5000 万入 + 1000 万出） |
|---|---|---|---|---|---|
| DeepInfra 标准 | 0.037 美元 | 0.17 美元 | 46 token/秒 | 0.76 秒 | 约 3.55 美元 |
| DeepInfra 加速 | 0.15 美元 | 0.60 美元 | 159 token/秒 | 0.72 秒 | 约 13.50 美元 |
| Novita AI | 0.05 美元 | 0.25 美元 | 90 token/秒 | 0.97 秒 | 约 5.00 美元 |
| Baseten | 0.10 美元 | 0.50 美元 | 198 token/秒 | 0.24 秒 | 约 10.00 美元 |
| Groq | 0.15 美元 | 0.60 美元 | 477.6 token/秒 | 0.68 秒 | 约 13.50 美元 |
| Together AI | 0.15 美元 | 0.60 美元 | 未公布 | 未公布 | 约 13.50 美元 |
| Fireworks | 0.15 美元 | 0.60 美元 | 未公布 | 未公布 | 约 13.50 美元 |
这里有个陷阱：这三家中转站的挂牌价完全一样，都是 0.15 与 0.60，但实测吞吐分别是 159、477.6 和「没公布」。同样一分钱，速度可能差三倍，价格表看不出来，只有压测能看出来。所以选推理类中转站时，正确的问题不是「谁最便宜」，而是「在我要的那个模型上，谁的单位时间产出最高」——交互式看首 token 延迟，批处理看吞吐。
换算成更直观的口径：一条 800 token 的回答，46 token/秒要 17 秒，477 token/秒要 1.7 秒。前者用户会以为卡了，后者是「秒出」。如果你的产品是聊天、语音、实时助手，这十几秒就是生死线，省下的 10 美元账单远不够赔流失。
十、成本模型：五种业务场景的月度账单
比价之后要落到预算。下面五组数字按公开单价 0.15 美元输入、0.60 美元输出估算，只算模型调用，不含服务器与人力。真实业务请替换成你自己的单价。
| 场景 | 日请求量 | 单次输入/输出 | 月输入 token | 月输出 token | 月账单 |
|---|---|---|---|---|---|
| 客服机器人 | 3 万轮 | 1200 / 180 | 约 10.8 亿 | 约 1.62 亿 | 约 259 美元 |
| 代码助手 | 2000 次 | 3000 / 800 | 约 1.8 亿 | 约 4800 万 | 约 56 美元 |
| 内容生产 | 200 篇 | 2000 / 3000 | 约 1200 万 | 约 1800 万 | 约 13 美元 |
| RAG 知识库 | 2 万次 | 8000 / 600 | 约 48 亿 | 约 3.6 亿 | 约 936 美元 |
| Agent 任务 | 3000 个 | 4000×15 步 / 500 | 约 54 亿 | 约 4500 万 | 约 837 美元 |
10.1 客服：缓存是最大变量
客服场景的特点是系统提示词极长且固定，每轮都重发。一个月 10.8 亿输入 token 里，可能有七成是同一段提示词。开缓存后，这部分按 10% 计价，账单从 259 美元降到约 146 美元。所以谈价时不要只谈单价，要谈「缓存命中价」，这一项的杠杆比单价大。
10.2 代码助手：输出比输入贵
代码场景输出长，一次补全动辄几百行。4800 万输出 token 里，如果有一半是重复的样板代码，用模板或本地补全拦掉，账单能砍三成。这类场景更适合按「补全次数」包月，而不是纯按 token，因为单次成本波动太大。
10.3 内容生产：单价低但质量敏感
一个月 13 美元，几乎所有中转站都付得起。这类业务的问题不是钱，是稳定性——写到一半模型被换成小模型，出来的稿子风格突变，返工成本远超省下的钱。所以内容类业务优先选掺水风险低的通道，价格排第二。
10.4 RAG：输入长度是命门
RAG 每次要带 5 到 10 个检索片段，输入轻松到 8000 token。一个月 48 亿输入，账单近千美元。优化方向有三个：片段重排后只留前三条、把长文档预压缩成摘要、对高频问题做答案缓存。三招叠加能降 60%，比换便宜通道有效得多。
10.5 Agent：步数乘出来的成本
Agent 的成本是「单步成本 × 步数」，而步数不可控。一个任务 15 步，实际可能跑到 40 步。控制成本的办法是设步数上限、设 token 预算、把简单子任务路由到小模型。很多团队的费用失控，不是单价高，是某个 Agent 陷入循环，一晚上烧掉一个月预算。
十一、对账：怎么核对平台到底扣了多少
中转站的账单是一份「对方出具的对账单」，你不核，它永远是对的。核对只需要三个字段和一张表。
11.1 三个字段
返回体里的 usage 通常有 prompt_tokens、completion_tokens、total_tokens，有的还有 cached_tokens、reasoning_tokens。要确认三件事：缓存命中是否单列、推理模型的思考 token 算不算输出、失败请求是否计入。这三条口径不同，账单能差 20% 以上。
11.2 差额从哪来
常见五种：一是倍率四舍五入，单次看不出来，百万次就明显；二是失败请求照扣，尤其是流式中断；三是缓存未按折扣计；四是图片按 token 折算的系数被调高；五是分组倍率在你不注意时被改。前四种是技术性误差，第五种是商业行为。
11.3 对账表怎么搭
每天拉一次平台账单，同时用自己记录的 usage 汇总，两列相减得差异率。差异率超过 3% 就发起工单，连续三天超过 5% 就换供应商。这张表不需要复杂工具，一张表格加一个定时任务就够，但它能让你在损失变大之前发现异常。
| 日期 | 请求数 | 平台扣费 | 自算金额 | 差异率 | 处置 |
|---|---|---|---|---|---|
| 周一 | 12.4 万 | 18.62 美元 | 18.41 美元 | +1.1% | 正常 |
| 周二 | 13.1 万 | 19.80 美元 | 19.35 美元 | +2.3% | 观察 |
| 周三 | 11.8 万 | 19.15 美元 | 17.62 美元 | +8.7% | 发工单 |
| 周四 | 12.2 万 | 19.90 美元 | 18.10 美元 | +9.9% | 停止充值 |
这张表还能反推货源。如果某家中转站在你用量平稳时，差异率突然从 1% 跳到 9%，大概率是它换了上游——新的上游贵，它不想自己承担，就在计费上找补。这种事不会写在公告里，只能从账上看出来。
十二、工程实践：多通道、重试、熔断、降级
选好中转站只是一半，另一半是别把业务绑死在一条通道上。这一节是可以直接照做的工程清单。
12.1 多通道：至少两条，权重可调
主通道承担 80% 流量，备通道承担 20%。备通道不能是「备用状态」，必须常跑，否则真出事时它的密钥过期、额度用尽、模型下架，你一无所知。20% 的常态流量是保险费，不贵。
12.2 重试：只重试该重试的
429、500、502、503、504 和超时可以重试，400、401、403、404 不要重试——参数错、密钥错、模型名错，重试一百次也是错。退避用指数加随机抖动，第一次 1 秒、第二次 3 秒、第三次 8 秒，最多三次。超过三次就交给熔断。
12.3 熔断：别让一条坏通道拖垮全局
连续 10 次失败，或 30 秒内错误率超过 50%，就把这条通道熔断 60 秒。熔断期间所有流量走备通道，60 秒后放一个探测请求过去，成功就恢复，失败就继续熔断。这套逻辑不复杂，但能避免「一条通道慢，把线程池占满，整个服务雪崩」。
12.4 降级：三级台阶
第一级，同模型换通道；第二级，换同级模型；第三级，换小模型或规则兜底。三级都要预先配好，并且定期演练。很多团队写了降级代码，但从没触发过，真到用的时候发现降级目标也挂了。
12.5 可观测：五个字段必须记
每次请求记 model、upstream、latency、tokens、cost。有了这五个字段，你能回答三个关键问题：哪个上游最慢、哪个模型最贵、成本涨在哪个业务线。没有它们，所有优化都是猜。
十三、迁移：从 A 站换到 B 站要改多少
大部分中转站都兼容 OpenAI 的接口格式，所以迁移的主要工作是改两处：base_url 和 api_key。但「兼容」不等于「一致」，下面六处差异要在灰度阶段逐一验证。
| 差异点 | 表现 | 验证方法 |
|---|---|---|
| 函数调用格式 | tools 字段结构不同 | 跑一个带两个工具的用例 |
| 流式分片结构 | delta 里字段缺失 | 抓原始流，逐片比对 |
| 多模态入参 | 图片用 url 还是 base64 | 两种都试一遍 |
| 错误码 | 额度不足返回 400 而非 429 | 故意用错密钥 |
| 长度语义 | max_tokens 含不含输入 | 设小值看截断位置 |
| 系统提示位置 | 是否必须放第一条 | 放中间看是否报错 |
灰度按 1%、10%、50%、100% 四步走，每一步至少观察 48 小时，重点看三件事：错误率、P95 延迟、单次成本。三项都平稳再进下一步。最忌讳的是「一次全切」，出了问题分不清是新通道的锅还是自己代码的锅。
十四、自建：四条路怎么选
当你有三个以上上游密钥、需要按人分发、或者数据不能出内网时，自建网关比直接买一家中转站的服务更划算。主流方案有四种形态。
| 方案 | 部署 | 资源占用 | 供应商覆盖 | 管理界面 | 适合场景 |
|---|---|---|---|---|---|
| One API | Docker 一条命令 | 轻，单容器 | 30 多家渠道类型 | 有，界面朴素 | 个人、小团队控额度 |
| New API | Docker + 数据库 + 缓存 | 镜像约 30MB，整套超 500MB | 更广，含第三方格式 | 有，现代化 | 需要充值与运营闭环 |
| LiteLLM Proxy | Python 包或容器 | 镜像 500MB 以上，需数据库与缓存 | 100 多家 | 无，配置驱动 | 工程化、代码控路由 |
| 1Panel AI 网关 | 单容器 | 约 30MB，无外部依赖 | 主流厂商 | 有 | 企业私有化快速落地 |
14.1 三个方案的性格
One API 两万多星、中文资料最全、一条命令起，客户端只改接口地址和密钥；缺点是界面朴素、容灾靠渠道优先级。New API 是它的衍生版，把「渠道—令牌—用户分组—计费充值」做成闭环，代价是要额外挂数据库与缓存。LiteLLM 覆盖 100 多家供应商，配置能进版本管理，故障转移最顺手：同一逻辑模型名配两条上游链路，主链路 429 或 5xx 时自动切备链路；代价是镜像大、依赖多、上手易被文档绕晕。
14.2 自建的四个边界
一是单机没容灾，网关挂了调用就断。二是免费额度会变，2026 年就有平台把免费层模型改成企业专属，架构绑在免费额度上等于埋雷。三是密钥轮换、渠道失效、版本升级都要自己盯。四是自建省的是钱，花的是人——调用量上来后运维精力会变成新成本项。这也是很多人最后又回去买托管中转站服务的原因。
14.3 部署清单
机器：两核四 G 起步，磁盘 40G，出口带宽够跑并发。数据库：MySQL 或 PostgreSQL，单独一台或同机。缓存：Redis，用来存令牌和限流计数。反向代理：Nginx 加证书，开 gzip。备份：每天导一次库，保留七天。监控：探活接口每 30 秒一次，失败告警到群。以上七项配齐，才算能上生产。
还有一个常被跳过的动作：把网关的日志关掉或脱敏。自建的意义之一是数据不出内网，如果网关把完整请求体写进日志、日志又没设保留期，等于自己造了一个泄露源。
十五、便宜的四种代价
15.1 断供
订阅拆卖的号会被封，大厂余量会因政策收紧而消失，海外平台会对数据中心 IP 做风控。三种断供的共同点是：发生在凌晨，没有工单，没人接电话。唯一能做的是提前准备第二家。
15.2 掺水
见第四节。它比断供隐蔽，因为服务一直在，只是答案变差了。对内容业务是质量下滑，对代码业务是改了三遍还是错。
15.3 日志与跑路
你调试三小时才写对的提示词，包含业务逻辑、客户数据、内部术语，被整份收走。一个粗略判断是：某家中转站的售价长期低于官方价 20% 以上、又没有可见的补贴来源，那它大概率在别处变现。至于跑路，预充值加个体主体等于把沉没成本交给对方保管，「余额永不过期」反过来读就是：你的钱一直放在别人账上。
15.4 合规
这一项最容易被技术团队忽略。数据出境要走评估，生成内容要有标识，未成年人相关场景要有限制，行业监管还有各自的留痕要求。用一个主体在境外、没有任何备案的中转站接国内用户业务，出问题时责任在你，不在它。便宜省下的钱，可能不够一次整改。
十六、密钥与数据安全
16.1 密钥分三级
生产密钥只放在服务端，权限最小化，按业务线各发一把；测试密钥单独一把，额度设上限；临时密钥给外包和试用，七天自动失效。三级别混用，是泄露后无法定位、无法止损的根源。
16.2 泄露了怎么办
四步：立即在平台吊销、查最近 24 小时用量曲线找异常峰值、换新密钥并加 IP 白名单、复盘日志看有没有数据被拉走。最忌讳的是只换密钥不清查——有的密钥被拿去跑了几天，账单在你发现时才出来。
16.3 数据脱敏
手机号、身份证、银行卡、地址这几类，在出网关前用规则替换成占位符，回来再还原。人名和公司名用轻量模型做识别替换。这套处理会增加一点延迟，但对客服、医疗、金融类业务是必须的——你无法确认中转站会不会留存请求体，那就默认它会。
十七、选型的正确顺序：不是先比价
大部分人面对一屏中转站时从价格开始，这是错的。正确的顺序是四问，每一问都会砍掉一批候选。
17.1 第一问：数据能不能出境
金融、政企、医疗、法务这几类业务，这条是硬门槛。要对方提供链路部署说明和日志留存能力，能按账号、密钥、项目维度导出日志，才过得了内审。跨境链路的便宜中转站，这一步就该出局。
17.2 第二问：账单能不能入账
能不能开增值税专用发票、项目名是不是技术服务费、能不能公对公、能不能先票后款。这一条会直接砍掉一半候选，包括很多模型很全的海外平台。
17.3 第三问：断了怎么办
有没有多通道、自动切流、健康巡检。验证方法是压测时故意把一条通道打满，看返回是否 5xx 泛滥，还是自动切走。这一步能筛掉所有只有一条链路的中转站。
17.4 第四问：才轮到价格
把所有这些中转站的报价折算成「每百万 token 实际支出」，再叠加你的缓存命中率。缓存写入要单独算账，很多平台写入收费、命中免费，长对话场景下这一项能占总成本的三成。
十八、2026 年的三个结构性变化
18.1 路由层正在变成支付基础设施
Stripe 收购 OpenRouter 的意义不是又一个大厂买了个小公司，而是说明「帮开发者在能力、价格、速度、可靠性之间做选择」这件事，已经重要到值得支付巨头花钱买下来。当路由层嵌进支付和结算，它就不再是中间商，而是基础设施——选这类中转站，其实是在选一套结算通道。
18.2 token 上了货架
2026 年双十一，阿里云、DeepSeek、智谱、MiniMax、Kimi 把订阅和 token 充值做成了电商促销品类，平台还在设计面向学习、家庭、一人工作室的组合套餐。token 正在像手机流量包一样被打包、被比价、被赠送，运营商进场是同一个逻辑的延伸。
18.3 中间层被两头挤压
一头是模型厂商自己做直销和促销，一头是云厂商和运营商做合规通道。夹在中间的纯转售，既没有卡也没有网络效应，空间在收窄。能活下来的只有两种：有算力的和有网络效应的。这对选型有直接含义——尽量选能活到明年的那一家中转站。
十九、四类角色怎么选
个人开发者：一家推理层加一家路由层就够。推理层选地板价跑日常，路由层做模型尝鲜和兜底。月账单控制在 20 美元以内，不要一次预充几百元，你省下的折扣抵不过一次跑路。
三五个人的小团队：路由层做主力，自建 One API 做备份，两家密钥都放进网关。任一家出问题，改一个配置就能切；预算按项目打标签，月底对账十分钟能做完。
有对公需求的企业：国内有备案、能开专票的一家做主力结算，海外路由层做模型补充但走单独预算。合同里写清可用性口径、故障响应时限、数据不留存，别把业务压在一家没有承诺的中转站上。
政企与金融：走云厂商托管加私有网关，不碰第三方转售。这一步没有性价比可谈——数据不出境、审计可追溯、发票合规，价值远高于省下的 token 钱。
二十、常见问题
20.1 Token 中转站和官方接口到底差在哪
差在三件事：谁承担上游风险、谁的账单能入账、数据经不经过第三方。官方接口贵在原价但责任清晰；路由层贵在手续费，换来多供应商兜底；转售层便宜，是把风险转移给你。三者不是同一商品的不同价格，是三种合约。
20.2 为什么有的站能卖到官方价一折
因为它的货不是按官方价买的。订阅拆卖、大厂余量、号池，这三档拿货成本都远低于挂牌价。一折不是让利，是成本结构不同。代价是这类供给不稳定，随时可能消失。
20.3 「1 元 = 1 美元」是真的吗
这句话本身不假，但它只描述了三个参数里的第一个。真实单价还要乘模型倍率和分组倍率。常见的组合是「汇率看着狠、倍率悄悄抬」，最终落在官方价五折到八折之间。想验真，用第三节的三步法。
20.4 怎么判断一个站有没有掺水
五个动作：同题重复问看风格漂移、问知识截止后的事件、翻用量字段里的模型标识、长上下文塞针看召回、同一段代码改三遍看错误模式。任意两个异常，基本能确认。
20.5 自建网关和买中转，哪个更划算
看密钥数量和对中转站的依赖程度。三个以上密钥、需要按人分发、数据不能出内网，满足两个就该自建。只有一两个密钥、调用量不大时，自建的时间成本远高于省下的钱。
20.6 预充值安全吗
小额、短期、有正规主体的中转站，风险可控。大额预充、主体是个人或海外壳公司、只给余额不给合同的，本质是你给它做无息贷款。经验是单个平台余额不超过一个月用量，长期合作再谈账期与合同。
20.7 中转站跑路了余额能追回吗
几乎不能。你和它之间是服务合同，主体如果是个人或境外壳公司，诉讼成本远高于余额。唯一有效的动作是付款前控制敞口，而不是事后追讨。
20.8 同一家站为什么不同模型价格差这么多
因为货源不同。热门模型它可能自己有卡或拿到低价，冷门模型转手给别人，价格自然不同。价格表参差不齐不一定是坏事，全表都极低才值得警惕。
20.9 用小站省钱，出问题再换，可行吗
非核心业务可行，核心业务不可行。换站的成本不只是改配置，还有历史数据、提示词调优、输出格式适配。真出事那天，你没有时间做这些。
20.10 海外中转站必须科学上网吗
多数需要。这带来两个问题：链路不稳定、延迟高，以及合规上的不确定性。对国内用户业务，这条本身就构成筛选条件。
20.11 充值送额度是好事吗
看你打算用多久。送 50% 通常对应「锁半年」，本质是让你预付。如果这家半年内消失，送的部分和本金一起没。把它当成折扣可以，别当成资产。
20.12 为什么有的站响应特别慢
三种可能：上游排队、拆卖账号在等号空出来、服务器本身弱。区分方法是看首 token 延迟和总时长的比例，首 token 慢是排队，总时长慢是模型小或输出被限速。
20.13 中转站会不会偷看我的数据
技术上完全做得到，是否做取决于它的商业模式。判断依据是它靠什么赚钱：靠手续费的不需要看，靠价差的有动机看，靠「数据变现」的一定在看。合同里的「不留存」条款，只有能审计的平台才作数。
20.14 一个密钥能同时用在多个中转站吗
不能。密钥是平台内凭证，换个平台就无效。但你可以用同一个网关管理多家的密钥，对外只暴露一个地址，这是自建的核心价值之一。
20.15 流式输出中途断了怎么算钱
多数平台按已生成的 token 计费，也有的按整段计费。这条要写进测试用例：故意在第 10 个分片断开，看账单扣了多少。差异能到一倍。
20.16 为什么账单比我自己算的多
先查三处：失败请求是否计入、缓存是否按折扣、图片是否按高系数折算。这三处能解释八成差异。剩下的两成，去查分组倍率有没有被改。
20.17 免费额度可以长期用吗
不建议把业务建在上面。免费额度的规则随时会改，2026 年已有平台把免费层收紧成企业专属。当测试资源可以，当生产资源是给自己埋雷。
20.18 中转站支持开发票是不是就合规
不是。发票只解决税务，不解决数据出境、算法备案、内容标识。三件事是三套监管，别用一张发票当成全部合规证明。
20.19 小团队要不要自己搭网关
三个人以下、只有一两个上游，先用托管。人多了、密钥多了、要按项目算账了，再自建。过早自建会把精力耗在运维上，而这段时间本该用来做产品。
20.20 怎么判断一家站明年还在
看三条：有没有自有算力或独家渠道、有没有稳定的对公客户、有没有公开的团队和主体信息。三条都不占的，把它当临时工具，别当基础设施。
二十一、写在最后
把 730 家中转站列成一张表，看着像信息最全，其实没用——因为没有两个站卖的是同一个东西。真正有价值的信息只有三样：它的货从哪来、它的价格怎么算、它出事时你怎么办。
我的判断是，2026 年之后这个行业会越来越像电信业：上游是少数有算力和合规能力的批发商，下游是少数有网络效应的路由平台，中间靠信息差吃饭的会被慢慢挤掉。对使用者来说，选型目标不再是「找到最便宜的那一家」，而是「找到一家明年还在、并且愿意把账算清楚的那一家」。
便宜本身没有错，错的是把便宜当成唯一指标。一份 7.68 折的账单，如果它随时会断、数据随时会流出去，那它比 9 折的贵得多。
暂无评论内容