正在加载，请稍候
同样日活一万、每人三次会话，模型月账单能从 2,955 美元跳到 11,331 美元。差别在缓存命中率、模型分层，和一张算到每千次会话的台账。
日活一万、每人每天三次 AI 会话，模型侧月账单可以是 2,955 美元，也可以是 11,331 美元。差距不来自模型贵不贵，而来自缓存命中率、模型分层，以及你有没有把账算到「每千次会话」这一层。
本篇不给方法论，只给一张能直接抄进预算表的台账。单价全部取 2026 年 9 月的公开数据，你可以自己复算。
先固定口径：一次会话 6 轮，每轮输入 4,000 个 token（system prompt、工具定义、检索片段、累积上下文都算在内），输出 500 个。单次会话合计 24,000 输入 + 3,000 输出。按 DeepSeek 2026 年 9 月份 API 价格（命中缓存的输入 0.003 美元 / 百万单位，未命中的 0.15，输出 0.6；以上均为低谷价，高峰翻倍）折算，单位美元：
| 档位 | 时段 | 命中缓存 | 未命中 | 输出 | 千次合计 |
|---|---|---|---|---|---|
| deepseek-flash | 低谷 | 0.043 | 1.44 | 1.80 | 3.28 |
| deepseek-flash | 高峰 | 0.086 | 2.88 | 3.60 | 6.57 |
| deepseek-v4-pro | 低谷 | 0.32 | 6.34 | 5.94 | 12.59 |
落到单个用户身上更直观：弱档位一次对话约 0.0033 美元，旗舰档位 0.0126 美元。这个量级比单价表好谈得多，因为它直接对应业务量。
放大到日活 10,000、人均 3 次、每月约 90 万次会话：
| 配置 | 千次合计 | 月度 |
|---|---|---|
| flash，低谷 | 3.28 | 2,955 |
| flash，高峰 | 6.57 | 5,910 |
| pro，低谷 | 12.59 | 11,331 |
| 七三分层，低谷 | 6.07 | 5,463 |
| 分层 + 缓存命中 85%，低谷 | 4.31 | 3,879 |
同一套业务量，最贵与最省的配置差 2.9 倍。这才是立项会上该争论的数字。
很多团队只算模型侧，然后被云平台账单打脸。微信云开发的定价页写得很直白：数据库、云函数、云存储、CDN 流量与大模型调用共享同一个资源点池，1,000 资源点约合 1 元人民币。免费环境每月 3,000 点，个人版 19.9 元/月给 40,000 点，标准版 199 元/月给 330,000 点，企业版 999 元/月起给 1,500,000 点。
这里有个容易踩的坑：官方定价页没有公布「模型用量折算成多少资源点」的比例。也就是说，模型侧能靠公式算，平台侧只能靠真实流量采样。任何声称纯靠公式就能得出小程序 AI Agent 总支出的说法，都缺了一块。移动端之外的账可以对照 桌面端 AI Agent 成本拆解，两端的费用结构差异比想象中大。
行业侧的判断也指向同一处。InfoQ 2026 年 9 月 29 日的报道里，视源股份商用显示 BG 副总裁王玉龙提到，单价确实在降，但「真正要输出好的效果，是需要非常完善的上下文的」，上下文规模正在快速扩张；英特尔王景佳说得更直接——推理成本下降，推理需求却成倍增长，「账单未必会随之下降」。这解释了为什么小程序的 AI 支出经常与单价走势相反。
同篇报道里商米科技的拆法值得借鉴：点餐、加购、结算这类要实时响应的操作，依赖云端网络并不稳妥；而「智慧店长」那种综合大量经营数据的复杂计算，反而可以放云端慢慢跑。这里要做的，本质上是一道分线题。
把上述内容摊平，持续支出可以归成六项，外加一笔一次性投入：
| 开销项 | 计费单位 | 高峰是否更贵 | 可压缩空间 |
|---|---|---|---|
| 模型输入（区分命中与未命中） | 按量、分时定价 | 是，约 2 倍 | 最大 |
| 模型输出 | 按量、分时定价 | 是，约 2 倍 | 中 |
| 云函数执行 | 调用次数与 GBs，折算资源点 | 否 | 中 |
| 数据库与文件存储 | 读写次数、存储量，折算资源点 | 否 | 中 |
| CDN 与静态资源 | 下行流量，折算资源点 | 否 | 低 |
| 审核与返工 | 人力，一次性 | 不适用 | 中 |
还有两个平台约束会倒逼架构、进而影响支出：代码体积靠分包加载管理，偏大的模型资产与示例数据要么塞进分包、要么放远端；长任务不能在单次请求里干等，必须拆成异步任务加轮询或订阅消息。这两条不是「优化项」，是设计前提。分层账的完整算法另见站内 企业 AI 小程序的成本模型，本篇只处理其中与模型用量直接相关的那一层。
支出失控通常不是因为价格，而是因为看不到数据。在云函数里按会话聚合记一条台账，代价极低：
// 每次请求只做累加、不落库；一次会话结束写一条，省数据库写次数
const PRICE = {
flash: { hit: 0.003, miss: 0.15, out: 0.6 }, // 低谷价，美元/百万单位
pro: { hit: 0.022, miss: 0.66, out: 1.98 },
};
function costOf(model, usage) {
const p = PRICE[model];
const cached = usage.cached_tokens||0;
const miss = (usage.prompt_tokens||0) - cached;
return cached * p.hit / 1e6
+ miss * p.miss / 1e6
+ (usage.completion_tokens||0) * p.out / 1e6;
}
let ledger = { turns: 0, input: 0, cached: 0, output: 0, usd: 0 };
ledger.turns += 1;
ledger.input += usage.prompt_tokens||0;
ledger.cached += usage.cached_tokens||0;
ledger.output += usage.completion_tokens||0;
ledger.usd += costOf(model, usage);两个注意点：缓存对应的字段名以所用模型返回体为准，官方文档也强调一切以响应体里的用量字段为准；台账必须带 session_id，否则算不出前面那几张千次口径的表，也就无法判断该买哪档套餐。我们在 蓝曜炬辉 交付小程序 AI Agent 时，会把这张台账列进验收清单——上线前先跑一周真实流量采样，再定资源点套餐与分层策略，而不是拍脑袋选最贵的一档。
前端直连会暴露密钥，而且小程序对请求域名有白名单要求。常规做法是前端调云函数或自有服务端，由服务端持有密钥并代理请求，限流与记账也放在这一层。选型与上线节奏的取舍可参考 企业 AI 小程序开发的关键决策。
只够原型验证。免费环境不支持资源包加购与超限按量，而 AI 会话会同时消耗云函数、数据库与模型调用。要放到线上，最低应从个人版 19.9 元/月这一档起步。
不是，那只是模型侧。云函数、数据库、存储与 CDN 从同一个资源点池扣减，需要真实采样才能定。总支出等于模型侧加平台侧，别漏后者。
因为多数请求不需要。意图分类、参数抽取、FAQ 这类任务上，弱档位的准确率差距往往小于支出差距（本模型下差近 4 倍）。分层路由是性价比最高的改动之一。
能省特定链路。InfoQ 报道里希沃的课堂观察用 32–48 TOPS 本地算力做预处理，只上传脱敏数据——对应到小程序，就是敏感数据不出端，以及把高频小任务从云端账单里摘出去。