浏览笔记
模型目录、价格、免费 API 条款和数据政策于 2026-10-29 重新核实。正式集成前，仍应再次核对官方文档及账号内的实际限额。
选托管模型，先定档位，再挑厂商。我看了五家模型厂商（OpenAI、Anthropic、Google、xAI、DeepSeek）的目录，它们的产品线现在都能排成三档：旗舰模型攻坚难题，中端模型承担日常流量，小模型低成本处理重复性工作。图像、视频和实时语音也在向专用端点迁移。
档位本身清楚了，档与档之间的界线却在 9 月下旬变得不好划。OpenAI 称 GPT-6.1 Sol 的能力接近旗舰 Astra，标价却只有 Astra 的五分之一：每百万 Token 输入 2 美元、输出 10 美元，Astra 是 10 美元和 50 美元。Anthropic 的 Opus 5.5 标价低于 Opus 5，Sonnet 5.5 则维持 Sonnet 5 的价格。如果厂商说法属实，中端的价钱已经能买到接近旗舰的能力，所以选档位时，挂牌价的分量下降了，延迟、推理强度设置和任务失败的频率更值得看。
因此我不再问“哪家最强”，而是先问三个问题：这个任务值得上旗舰吗？中端模型能搞定吗？为了开放权重的控制权，自己维护推理栈是否划算？
托管 API：先定档位，再选厂商
厂商 当前产品线 我的解读 OpenAI GPT-6 Astra / GPT-6.1 Sol / GPT-6.1 Terra / GPT-6 Luna 目录中的旗舰系列现在列出四款，另有若干专用模型。Astra 仍是旗舰；9 月 29 日 DevDay 发布的 GPT-6.1 Sol 被描述为“以更低成本提供接近 Astra 的复杂任务能力”；GPT-6.1 Terra 被描述为“快速高效，擅长视觉推理、精确的电脑操作和清晰自然的写作”；Luna 负责范围明确的大批量工作。四者都标称 1.05M 上下文和 128K 输出，但长文档的可靠性不能只看容量。GPT-5.6 Sol / Terra / Luna 已不在当前模型列表中。 Anthropic Claude Fable 5.1 / Opus 5.5 / Sonnet 5.5 / Haiku 5.5 Opus 5.5（9 月 22 日）和 Sonnet 5.5（9 月 28 日）接替了 Opus 5 与 Sonnet 5，后两者转为旧版。Anthropic 建议多数任务先用 Opus 5.5，提高推理强度仍不够时再换 Fable 5.1。10 月 7 日发布的 Haiku 5.5 接替了 Haiku 4.5，标价从每百万 Token 输入 0.10 美元、输出 0.50 美元起；Haiku 4.5 转为旧版。 Google Gemini 4 Argon / Gemini 3.8 Flash（稳定版）/ Gemini 3.1 Pro（预览版），以及 Live、TTS、图像和视频模型 模态划分非常清晰。实时语音或原生媒体处理，应测试专用端点，而不是让文本旗舰模型包揽一切。9 月 30 日公布的 Gemini 4 Argon 起初只开放给 Fairwind 计划中的网络安全防御方和受信任的测试者；10 月 13 日 起，它以 gemini-4-argon 在 Gemini API 正式开放，但不进免费层。10 月 8 日，gemini-3.7-flash 和 gemini-3.5-flash 停用，发给它们的请求自动转到 3.8 Flash 和 3.6 Flash。自 9 月 18 日起，Gemini 2.5 系列只对此前已在使用的用户开放。 xAI Grok 4.7 / Grok 4.6，以及 Imagine 和 Voice API 9 月发布的 Grok 4.7 面向编码、Agent 任务和知识工作，上下文窗口 500K；4.6 仍可使用。时事信息依然依赖搜索工具，并非模型内置能力。 DeepSeek V4.1 Flash（1017）/ V4 Pro（0813） deepseek-flash 对应快照 DeepSeek-V4.1-Flash-1017，支持视觉；deepseek-v4-pro 对应 V4 Pro-0813，不支持视觉。两者均支持思考/非思考模式、Responses API，以及 OpenAI/Anthropic 格式访问。
旧 ID deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 仍被接受，但请求现在由 V4.1-Flash-1017 处理，并按 Flash 价格计费，不能再选中已退役的原模型。DeepSeek 的服务端 Search 和 Fetch 工具各按每 1,000 次成功请求 0.75 美元计费。经 DeepSeek Harness、Claude Code 或 Codex 发起的调用目前免费，从北京时间 2026 年 11 月 1 日 0 点起按次计费。
实操中我会从中端档 开始。GPT-6.1 Sol、Sonnet 5.5、Gemini 3.8 Flash、Grok 4.7 和 DeepSeek V4.1 Flash / V4 Pro 都可以进入首轮测试。任务是截图理解、电脑操作或写作时，价格只有 Sol 一半的 GPT-6.1 Terra 也进这一轮。只有当任务反复失败、值得承担更高成本时，我才会测试 Astra、Fable 5.1、Opus 5.5 或 Gemini 4 Argon。Opus 5.5 放在这一档，和 Anthropic 的建议不同：Anthropic 让拿不准的人多数任务先用 Opus 5.5，我按价格排，Opus 5.5 每百万 Token 4 / 20 美元，是 Sonnet 5.5（2 / 10）的两倍，所以首轮先用 Sonnet 5.5，它做不好的任务再交给 Opus 5.5。反之，已经跑顺的提取、分类和格式转换，应继续下放给 Luna 或其他更便宜的档位；Anthropic 这一侧对应的是 Haiku 5.5。如果输出只是在几个选项中选一个，决策模型 可能还要更便宜：OpenAI 的 Decisions API 跑在 gpt-6-luna 上，未缓存输入每百万 Token 0.10 美元；Jev 标价 0.042 美元。两者的输出都不收费。
这比每个问题都上旗舰更省钱，也比一开始就死磕最低 Token 单价更省心。
免费 API：维护短名单，而非永久榜单
对于个人原型，我现在保留三条主线：Gemini 处理长上下文和多模态，Groq 处理低延迟，OpenRouter 用一个接口试不同免费模型 。它们都能零付费起步，但在计量单位、重置周期和数据条款上差异巨大。
服务 当前零付费入口 我会怎么用 先看清的限制 Gemini Developer API Gemini 3.8 Flash 等模型有 Free tier，AI Studio 在支持地区免费；Gemini 3.1 Pro 没有免费 API 额度 长文档、多模态和研究原型 配额因模型和账号而异。未付费内容可能用于改进 Google 产品，也可能经人工审阅（见下文数据条款 ），敏感资料不放进去 Groq Free Plan，按组织和模型限制 RPM、RPD、TPM、TPD 低延迟聊天、语音和工具 Worker 官网只给高层摘要，账号内 Limits 页面才是当前精确值 OpenRouter :free 多供应商免费模型，共用一套兼容接口 快速试模型和做简单 Fallback 免费变体每分钟 20 次、每天 50 次 ，累计购买至少 10 Credits 后每天 1,000 次；余额为负或上游拥堵也会导致调用失败 Mistral Free mode 默认开放 API，无需信用卡 Mistral 模型原型 官方只承诺有限用量和限流，没有稳定的公开数字 Cloudflare Workers AI 每天 10,000 Neurons 免费，00:00 UTC 重置 已在 Cloudflare 上的边缘任务 Neuron 不是 Token。有八个模型 要求 Workers Paid 方案或预付 Credits。它们是 Kimi K2.6 与 K2.7-code，GLM-5.2、GLM-5.3 与 GLM-5.3-flash，以及 DeepSeek V4 Flash、V4.1 Flash 和 V4 Pro 的版本 智谱 GLM-4.7-Flash 文档仍放在免费模型路径下，提供 OpenAI 风格 Chat Completions 中文和 Agentic Coding 备选 文档页给出 200K 上下文和 128K 最大输出，但已不再写明免费或任何额度；依赖它之前先在控制台确认价格
最值得记录的不是又多了几家，而是三项退出：Cerebras 当前只有绑定验证支付方式后的 $5、30 天 Free Trial，并没有自动续期的免费层；GitHub Models 已在 2026-07-30 全面退役。 Hugging Face Inference Providers 也不再给 Free 账号每月额度。Free 用户要先购买 Credits；PRO 账号每月有 2 美元，可用于 Hugging Face 的各类算力服务。
因此我不会把免费入口接成单点依赖。个人项目可以先用 OpenRouter 统一接口，再把 Gemini 和 Groq 作为有明确任务分工的直连备用；Cloudflare 或 GLM 只在技术栈和语言场景合适时加入。所有免费服务都要处理 429、Retry-After、每日预算和失败切换，也都不该默认接收私有代码或客户数据。
这里讨论的是 API 推理额度 ，不是终端 Agent 的订阅内含次数。后者单独记录在 AI 编码 CLI 免费额度 。
数据条款：提示词会被谁留下
要看的是默认设置，因为没人改设置时，生效的就是它。各家把默认写在不同的页面上：
服务 默认用 API 提示词训练吗？ 默认留下什么 OpenAI API 不用：除非你主动选择加入，API 数据不用于训练或改进模型 滥用监控日志最多保留 30 天；Responses API 在 store 开启时（这是默认值）保留应用状态 30 天 Anthropic API 不用：商业条款 写明 Anthropic 不得用客户内容训练模型 输入和输出在 30 天内从后端删除 ；违反使用政策的内容最多保留 2 年 Gemini API 免费层 会用：按使用条款 ，未付费内容可能用于改进 Google 产品，也可能经人工审阅 欧洲经济区、瑞士和英国的用户即使用免费额度，也按付费服务的数据规则处理 Gemini API 付费层 不用 提示词和回复会为检测滥用保留一段有限时间。自 10 月 26 日 起，新开通计费的项目还默认记录 Generate Content 请求；日志 默认最多保留 55 天（可改为 7、14 或 28 天），不共享数据集就不用于训练，可在 AI Studio 中关闭 xAI 不用：没有明确许可就不训练（安全 FAQ ） 请求和回复为滥用审计保存 30 天 Groq 数据页面没有写明 默认不保留 ；排障和滥用调查日志最多保留 30 天Mistral API 页面没有写明默认值；可以选择退出 ：在管理后台的 Privacy 菜单里关闭“Anonymous improvement data” 该页面没有写明 OpenRouter 取决于上游供应商；账号设置 可以不再路由到会训练的供应商，付费模型和免费模型各有一个开关 由各供应商自定
本页引用的 DeepSeek 价格页没有写数据用途；发送私有代码之前，先读它自己的条款。
本地推理是另一项决策
当数据必须留在本地，或稳定负载足以支撑服务运行时，请转到本地 AI 技术栈 。硬件适配、编码候选、运行时和评测各有独立页面；本页不再复制这些快照。
价格只需扫一眼，别当策略
以下为 2026-10-29 核对的标准文本目录价格，按每百万输入/输出 Token 计价，单位为美元；它们不代表任务总成本或账号使用权益。缓存、批量作业、推理模式、长上下文及合同条款可能会显著改变实际账单。
厂商 当前层级（输入 / 输出） OpenAI Astra 10 / 50; GPT-6.1 Sol 2 / 10; GPT-6.1 Terra 1 / 5; Luna 0.10 / 0.50 Anthropic Fable 5.1: 10 / 50; Opus 5.5: 4 / 20; Sonnet 5.5: 2 / 10; Haiku 5.5: 0.10 / 0.50 起 Google Gemini 3.8 Flash：0.75 / 3.75（至 2026 年 12 月 31 日），2027 年 1 月 1 日起 1.50 / 7.50；Gemini 4 Argon：2 / 10（至 11 月 30 日），12 月 1 日起 4 / 20 xAI Grok 4.7 与 4.6 ：提示少于 200K Token 时 2 / 6；达到或超过 200K 时 4 / 12DeepSeek deepseek-flash：低谷 0.15 / 0.60，高峰 0.30 / 1.20；deepseek-v4-pro：低谷 0.66 / 1.98，高峰 1.32 / 3.96（输入按缓存未命中计）
我不会看完这张表就换模型。一次调用便宜一半，如果经常重试、修错或卡在工具调用上，最后反而更贵。真正值得记的是一类任务做成一次花多少，不是一个 Token 的挂牌价。
一个任务花多少：缓存与批量
Agent 循环每一轮都会重发同一段前缀：指令、工具定义、已经读过的文件。这段前缀一旦进了缓存，厂商只按输入价的一小部分收费；能等批量作业的工作还会再便宜一截。对 Agent 来说，这两项折扣对账单的影响，常常比换一个档位还大。
厂商 缓存输入占基础输入价的比例 批量与低谷 OpenAI Astra 10 中的 1（10%）；Sol 2 中的 0.10、Terra 1 中的 0.05（5%）；Luna 0.10 中的 0.01（10%） Batch 和 Flex 都是标准价的一半 Anthropic 读缓存在 Opus 5.5 和 Sonnet 5.5 上是 5%，Fable 5.1 上是 2.5%，其他模型 10%；写入缓存按基础输入价的 1.25 倍（5 分钟）或 2 倍（1 小时） Batch 输入输出都打五折，可与缓存叠加 Google Argon 2 中的 0.10（5%，只有隐式缓存）；3.8 Flash 0.75 中的 0.075（10%），另按每百万 Token 每小时 0.50 收存储费 Batch 半价，没有免费层 xAI 2 中的 0.50（25%） Batch 八折 DeepSeek deepseek-flash 低谷时缓存命中 0.003，未命中 0.15（2%）低谷价是高峰价的一半；高峰为周一至周五 UTC 01:00–04:00 和 06:00–10:00，中国法定节假日除外
拿 Opus 5.5 算一笔，不计输出：一次 20 轮的会话，每轮重发同一段 50,000 Token 的前缀。不用缓存，就是 1,000,000 个输入 Token，按每百万 4 美元算，共 4.00 美元。用 5 分钟缓存时，第一轮按每百万 5 美元写入 50,000 Token，花 0.25 美元。后 19 轮按每百万 0.20 美元读 950,000 Token，花 0.19 美元，合计 0.44 美元。不用缓存、只把整段会话降到 Sonnet 5.5，也只是减半，到 2.00 美元。缓存要前缀一致才能命中，所以提示词里不变的部分放前面，会变的部分放最后。
这些官网资料足够帮我缩小候选范围，但选不出总冠军。真正有用的下一步，是拿自己的仓库和文档跑同一批任务，保留失败案例，再决定默认用谁。