月预算 50 美元的大模型组合方案：主力+廉价+免费档
手把手配一套月预算 50 美元的多模型组合：主力模型跑编程与复杂推理，廉价模型扛日常问答，超低价档处理批量后台任务，embedding 另算。全部按平台真实挂单价计算，含用量测算表与切换代码。
一个人用大模型，最容易犯的错误不是买贵了，而是什么都用同一个模型。早上让旗舰模型给代码文件生成一行注释，晚上又用同一模型写整套架构设计——前者浪费的是钱的零头，后者省错了地方可能返工三小时。按量计费时代，模型组合的本质是「按任务复杂度分层」：把预算大头给真正需要智力的任务，把零头任务交给几分钱一次的模型。
这篇文章以月预算 50 美元为例，配一套「主力 + 廉价 + 免费档（超低价）」的三层组合。所有价格取自平台实时挂单价（美元 / 百万 tokens，default 分组），可以在价格页核对。
三层分工：先定角色再挑模型
分层之前先想清楚你的任务分布。对绝大多数个人开发者，流量呈金字塔：顶层是每天几十轮的编程与复杂推理，中层是每天上百轮的问答、总结、翻译，底层是每天成百上千次的分类、打标签、格式转换、标题生成这类「不需要智力只需要不犯错」的调用。
| 层级 | 任务特征 | 质量要求 | 预算占比 |
|---|---|---|---|
| 主力 | 编程 agent、长文写作、复杂推理 | 出错代价高 | 60% 左右 |
| 廉价 | 日常问答、总结、翻译、草稿 | 中等即可 | 30% 左右 |
| 超低 | 批量分类、打标签、预处理 | 不出错就行 | 10% 以内 |
Embedding 是第四个独立账户，用量大但单价极低，单独列。任务该扔到哪一层，可以用一个粗暴的标准判断：这个任务的输出要不要给人看、错了要不要返工。两者都否，就往低层扔。
主力档：预算的大头花在哪
主力档的候选是各家旗舰或次旗舰。几个真实挂单价：
| 模型 | 输入 | 输出 | 特点 |
|---|---|---|---|
| claude-sonnet-5 | $4.00 | $20.00 | 编程与 agent 任务综合最强 |
| gemini-3-pro-preview | $3.00 | $18.00 | 1M 上下文，长文档友好 |
| gpt-5.4 | $7.50 | $45.00 | 输出贵，长回答要谨慎 |
| glm-5-2-260617 | $8.00 | $28.00 | 中文写作强势 |
| claude-sonnet-4-6 | $6.00 | $30.00 | 上一代备选 |
假设每天 20 轮主力调用、每轮平均 6k 输入 + 1k 输出（编程 agent 的典型量级），月用量是 3.6M 输入 + 0.6M 输出，各模型月成本：
- claude-sonnet-5：3.6×4 + 0.6×20 = $26.4
- gemini-3-pro-preview：3.6×3 + 0.6×18 = $21.6
- gpt-5.4：3.6×7.5 + 0.6×45 = $54.0（单这一项就超预算）
gpt-5.4 这种输出单价比输入贵 6 倍的模型，在固定预算下要么砍轮数要么换掉，否则一个「忍不住让它多写点」的晚上就能烧掉一周份额。50 美元预算下，主力选 claude-sonnet-5 或 gemini-3-pro-preview 都是安全解。
廉价档：扛住 80% 的日常流量
廉价档的要求是「比旗舰便宜一个量级，但常识和中文不能崩」。候选：
| 模型 | 输入 | 输出 | 同用量月成本 |
|---|---|---|---|
| deepseek-v4.1-flash | $2.00 | $8.00 | $14.0 |
| gpt-5.6-luna | $1.00 | $8.00 | $11.3 |
| qwen3.7-flash | $1.20 | $4.80 | $8.4 |
| gemini-3.5-flash | $2.50 | $15.00 | $23.0 |
| gpt-4o | $2.50 | $20.00 | $28.9 |
用量假设：每天 60 轮、每轮 1.5k 输入 + 0.6k 输出（月 2.7M 输入 + 1.08M 输出）。注意 gemini-3.5-flash 虽然输入不贵，但输出单价 $15 把账拖到 $23——廉价档选型时输出单价往往比输入更关键，因为对话场景输出 token 常常是输入的一半以上。qwen3.7-flash 输入输出双低，$8.4/月 是这档最省的。
免费档：把「几乎不要钱」用满
50 美元方案里没有真正的免费模型，但有一批单价低到可以当免费用的档位：
| 模型 | 输入 | 输出 | 同用量月成本 |
|---|---|---|---|
| gpt-4.1-nano | $0.30 | $0.60 | $2.70 |
| gemini-3.1-flash-lite-preview | $0.25 | $1.50 | $3.75 |
| qwen-flash | $0.32 | $2.00 | $4.92 |
用量假设：每天 500 次批量调用、每次 0.4k 输入 + 0.1k 输出（月 6M 输入 + 1.5M 输出）。每天 500 次听起来夸张，但如果你在跑客服分流、内容打标签、日志摘要这类后台任务，500 次只是起步。这一档即使全用 qwen-flash，月成本也不到 5 美元。
Embedding 另列：text-embedding-3-small 挂单价 $0.15 / 百万 tokens，100 万 tokens 的月增量只有 $0.15，基本可以忽略。
拼起来：50 美元预算的实际分配
| 层级 | 模型 | 月成本 |
|---|---|---|
| 主力 | claude-sonnet-5 | $26.4 |
| 廉价 | deepseek-v4.1-flash | $14.0 |
| 超低 | gpt-4.1-nano | $2.7 |
| embedding | text-embedding-3-small | <$1 |
| 合计 | 约 $44 |
留出 $6 的缓冲——预算表里没有缓冲的方案，月底一定超。如果你中文任务居多，把廉价档换成 qwen3.7-flash 能再省 $5，但要在自己的真实任务上先各跑 20 轮对比质量再切。
代码上没有额外成本，三层只是三个模型名。OpenAI 兼容接口下换模型就是改一个参数：
from openai import OpenAI
client = OpenAI(base_url="https://api.zaimod.com/v1", api_key="sk-...")
def pick(task: str) -> str:
if task in ("code_agent", "deep_write"):
return "claude-sonnet-5" # 主力
if task in ("chat", "summary", "translate"):
return "deepseek-v4.1-flash" # 廉价
return "gpt-4.1-nano" # 超低：分类/打标签/批量
resp = client.chat.completions.create(
model=pick("summary"),
messages=[{"role": "user", "content": "总结这段日志的异常点"}],
)Anthropic 原生协议的写法见 Claude 文档，首次接入的完整步骤在快速开始。用 Cursor、Cline 等工具时，各客户端怎么填 Base URL 见 Cursor / Cline / Cherry Studio 配置教程。
三个省钱但不省事的教训
一、别用主力模型跑 embedding 和批量任务。 这是浪费最严重的地方——旗舰模型做分类的效果和 nano 档几乎没有差别，单价却差 20 倍以上。
二、监控输出 token 而不是输入。 聊天场景输入可控，输出才会失控。给主力档的调用设 max_tokens，给廉价档设话术模板，比换模型更立竿见影。
三、每月做一次全量对账。 控制台的用量明细按模型分组，把账单和预算表对一遍。模型挂单价会调整，你的用量结构也会变，一个季度前配的最优组合现在未必还是最优。账单对不上时的排查思路在 API 报错与计费判定 里。
按量计费的好处是这套组合可以随时重配：注册后自带测试额度，把三个模型各跑几十轮真实任务，先看质量再定分配；余额不过期，50 美元可以慢慢花。