8.0
热点
AI SCORE
技术实践2026-11-22 16:30
用成本埋点和请求分流控制大模型账单
dev.to · AI#成本优化#模型路由#可观测性
Editor brief · 编辑速览
文章给出一个基于 OpenAI SDK 的 Python 封装,按功能记录输入与输出 Token 数并估算费用。它还建议按请求复杂度选模型,将意图分类与多步推理分开处理。
文章思维导图
Knowledge map
AI brief
原文暂未完整获取,基于公开信息的快读
dev.to 上的一篇文章给出了控制大模型 API 账单的做法。作者先用 OpenAI SDK 按功能统计 Token 用量并估算费用,再按请求复杂度选模型,让轻量模型处理意图分类等简单任务,把旗舰模型留给多步推理。原文节选还提到了提示词缓存、压缩和批处理。
目前能确认什么
作者给了一个 Python 封装,给每次调用加上功能标签,读取 API 返回的输入和输出 Token 数,分别估算费用,再把总用量和估算费用写入日志。按功能汇总后,就能看出哪些功能花得最多。示例用的是代码里写死的价格表,日志里的金额是估算值。
路由示例先让轻量模型判断请求复杂度,再选模型执行。缓存则是另一条路:把固定的系统指令和参考资料放在前面,把每次变化的用户问题放在后面,让多次请求更容易复用相同的前缀。作者也提出删减冗余上下文,以及把无需实时返回的任务放进批处理。
我的判断
我会先看高支出功能里有没有能直接按业务入口分流的任务。比如意图分类若已有独立入口,就可以直接选用轻量模型,省掉一次判断复杂度的调用。需要动态分流时,要把分类调用和误判后的重试都算进成本,再用同一批请求对照任务成功率。
示例里的分类器只看用户问题,执行模型才会拿到上下文。一个短问题也可能依赖长文档做多步推理,容易被分到轻量模型。节选没有交代这类误判如何兜底,也没有给出质量对照结果。缓存的命中条件和计费口径,则要以所用 API 的官方文档为准。