第六本账：一个人的 AI 账单

yage.ai 的《智能越便宜，账单越贵：医院和保险公司已经打起来了》把 AI 支出拆成了五本账：个人订阅背后的厂商补贴、企业按量付费的用量膨胀、政府为测试前沿能力掏的钱、医院和保险公司拿同一套工具互相消耗、以及最外圈那笔连精算都开不出价的风险敞口。拆得很清楚，结论也站得住：单位 token 价格每季度腰斩，系统层的总支出照样往上走。

读完我注意到一件事。这五本账全是机构的账。医院、商业保险公司、国家安全局、年化收入几百亿的厂商、人均月付八千美元的头部百分之一企业。每一本背后都有一个财务部门，有人按月对账，有人为超支负责。

第六本账没人写，就是一个人的账。

而且恰好是第一本账最关键的那个数字最虚。个人订阅的补贴倍数，文中引的是 SemiAnalysis 的估算，四十到七十倍，原文明确标了未经厂商确认，测法是买顶配账号跑满每周配额、再按 API 牌价折算。这是一个上限，不是一张画像。我自己就是那个被估算的对象，所以我把自己的账拉出来算了一遍。

一、42 天，24 亿 token

数据来源是本机的会话记录。每一次 API 返回都带一个 usage 字段，里面记着这次调用的全新输入、缓存写入、缓存读取、输出，缓存写入还按一小时和五分钟两种有效期分开计。我把 2026 年 9 月 1 日到 10 月 12 日的全部记录按请求 ID 去重，再按官方牌价逐条折算。

42 个自然日，其中 30 天有调用记录。8,377 次调用。原始 token 总量 2,395,867,191，按官方牌价折算是 1,939.14 美元。

折成日均，有调用的那 30 天平均每天 64.6 美元；摊到 42 个自然日是 46.2 美元，折一个整月约 1,385 美元。单次调用平均 0.23 美元，平均吞吐 286,005 token。

这是一个人。没有团队，没有产品在跑，没有对外服务，就是一个人在自己的机器上干活。

要先说清楚一件事：1,939 美元不是我付的钱，是把同样的量放到 API 牌价上应该收多少。我实际付的是订阅费。这个差额本身是后面要谈的东西，但在谈它之前，更值钱的是账单的形状。

二、九成的钱花在搬运上下文

总额不是这份数据里最有意思的部分。构成才是。

1,939 美元里，缓存读取占 1,099 美元，56.7%；缓存写入占 634 美元，32.7%；输出占 206 美元，10.6%。全新输入占 0.29 美元，0.01%。

把前两项并起来，89.4% 的账单花在把上下文搬进去、再搬回来。模型真正生成东西的部分占一成。而我自己敲进去的全部文字，42 天加起来 36,130 个 token，0.29 美元。

按量看更极端。24 亿 token 里，缓存读取占 97.31%，全新输入占 0.0015%。

这个结构值得停一下。我在终端里打字，感觉上我是在跟一个工具说话，它回答我。实际发生的事情是：每一次我按回车，整个会话的历史、项目的规则文件、工具的声明、文件的内容，全部重新过一遍模型。我那句话挂在这列火车的最后一节。火车本身的重量，是我那节车厢的六万倍。

顺便说一个附带的数：输出里有 39.8% 是思考 token，2,895,462 个。模型想了多少和它说了多少，大约是 2 比 3。

三、同一个比例，两个数量级之前就出现过

9 月我写过另一件事。在一个内部问答系统上接国产大模型，我算单次提问的成本，发现每次调用里大约 96% 是重复内容，system prompt 加工具声明，每轮完整重发。真正属于用户那句话的只有个位数百分比。那套系统的总量是 120 万 token。

现在这份数据的总量是 24 亿，放大了大约两千倍，工具换了，供应商换了，用法从一问一答换成了长流程的代理协作。重复的比例从 96% 变成 97.3%。

比例没变。所以它不是那一个系统的毛病，是这类工具的形状。一个会话越长、项目规则越多、工具越多，这个比例就越往 100% 靠。它靠的那个方向上，用户输入在成本里的占比趋于零。

这件事对选型的含义是直接的。我的支出里有 83.6% 来自一个模型，看上去换模型是最大的杠杆。但账单的九成是上下文搬运，换模型动的是单价，而单价乘的那个量是上下文长度乘调用次数。平均单次吞吐 286,005 token，这个数是可以管的：会话该在什么时候切断，规则文件该不该每次全量加载，工具声明该不该按场景裁剪，子任务该不该带着全部历史出去。这些动作改的是乘数那一侧。

换模型可以在会议室里决定，压上下文得先把日志打出来。这是大多数成本讨论停在选型上的原因。

四、缓存不是优化，是承重墙

我做了一个反事实计算：如果把那 23 亿缓存读取和 5,712 万缓存写入全部按全新输入计价，同样的工作量牌价是 13,326 美元，是实际牌价的 6.9 倍。缓存省下了 11,387 美元。

所以这里的因果要排对。不是我用得多所以需要缓存，是因为有缓存，这种用法才成立。个人尺度上那种开着会话干一整天、让工具自己读文件自己改文件的用法，在没有缓存折扣的定价下根本不会出现，成本会高到一开始就不会这么用。

这也意味着这条曲线上有一个别人替我做的决定。缓存读取的折扣率是厂商定的，一个模型给基础输入价的 10%，另一个给 5%，最新的那个给 2.5%。这个倍率往回调一档，我的账单就乘以二到四倍，而我的使用习惯不会在同一天改过来。

我 9 月那篇文章的结论是：只要一个开关不在你的代码里，你就没有那个开关。缓存折扣率是同一类东西，而且比额度开关更深，因为它不只决定账单，它决定了哪些用法是存在的。

五、补贴倍数：上限不等于画像

现在可以回到第一本账那个数了。

40 到 70 倍，测法是跑满配额。我这份数据不是跑满配额，是正常干活 42 天，其中 12 天完全没用。牌价 1,939 美元。

换算下来，这 42 天的牌价相当于 20 美元档的 97 倍、100 美元档的 19.4 倍、200 美元档的 9.7 倍。

要做同档比较。SemiAnalysis 那个 40 倍测的就是 200 美元一档的账号，8,000 美元牌价除以 200。同一档上，它测出 40 倍，我正常干活 42 天测出 9.7 倍。

两个数差了 4 倍，而两个数都没错。40 到 70 倍回答的是这个账号最多能顶多少，9 到 20 倍回答的是一个真实使用者实际顶了多少。前者是容量，后者是画像。

这个区别有实际后果。所有关于补贴什么时候结束的讨论，用的都是容量那个数。如果厂商按容量定损失，那么补贴窗口关得比预期早；如果按实际画像定,窗口比预期宽。而决定厂商怎么算的是实际画像的分布，不是上限。能跑满配额的人占多少，没有公开数据，我也只能提供一个样本。

所以这一节我能贡献的只有一个点：这里有一个实测值，测法可复现，欢迎别人也量一遍自己的。一个样本不构成分布，但零个样本连分布的形状都讨论不了。

六、这本账没有会计

五本机构账的共同点是都有人对账。医院有财务，保险公司有精算，企业有 Ramp 这样的卡商替它逐笔记流水，厂商自己就是账本。它们的问题是账算得清楚但花得失控。

第六本账的问题反过来。一个人的 AI 支出，账面上只有一个订阅价，每月固定，看起来是这份账里最可控的一项。而我上面所有的数字，在我算之前一个都不知道。我不知道自己一个月消耗 24 亿 token，不知道九成的钱花在搬运上下文，不知道我打的字只值 0.29 美元，也不知道缓存折扣率是我这种用法的承重墙。

固定价格买来的不是成本可控，是成本不可见。而这两件事在一张账单上长得一模一样，直到价格变动的那一天才分开。

对个人来说，这件事的实际后果不在钱上。订阅费是已知的，涨价是可承受的。后果在依赖上：我已经把一套工作方式建在一个我没有计量过的资源上，而这个资源的单价、折扣率和可用额度全部由对方定义，变更不进发布说明。

所以我现在定期拉一次自己的用量，口径就是上面那套。拉出来不为了省钱，是为了知道自己站在什么量级上。等哪天价格结构动了，我至少能当天算出来动了多少，不用等感觉变贵。

方法与边界

口径：取本机会话记录里每一次 API 返回的 usage 字段，按请求 ID 去重，同一请求 ID 下有多条流式快照时取最大值，再按官方价目表逐条折算，缓存写入按一小时和五分钟两种有效期分开计价。去重这一步必须做，不去重会把同一次调用按内容块数重复计算，我这份数据会从 1,939 美元涨到 4,181 美元。

边界有四条。一，1,939 美元是牌价折算值，不是实付金额。二，这份数据只覆盖一个工具，不含我在其他平台的调用，也不含网页端的使用，所以它是我 AI 支出的一部分而不是全部。三，42 个自然日里只有 30 天有记录，日均数按两种分母都给了。四，这是一个人的一个样本，用来证伪上限即画像的读法够用，用来推广到人群不够。

价格取自 2026 年 10 月 12 日的官方价目表。价目表会变，上面每一个美元数字都带这个日期。

参考来源

• 五本账那篇：yage.ai《智能越便宜，账单越贵：医院和保险公司已经打起来了》 https://yage.ai/share/ai-cost-five-ledgers-20260929.html
• 本文所有美元数字的依据，官方价目表，2026 年 10 月 12 日取 https://platform.claude.com/docs/en/about-claude/pricing