预算驱动的选型：在 1.3 倍规则下为每次调用挑后端
本文介绍如何在 LLM API 聚合站的 ×1.3 计费规则下，根据固定的 USDC 预算，倒推选择合适后端和控制提示词长度，让一次会话不超支。提供三步法：明确预算与价格基准、估算单次调用成本、迭代优化选型与提示词。
预算驱动的选型：在 1.3 倍规则下为每次调用挑后端
在 LLM API 聚合站，你使用一个 API key 调用多个模型，费用按官方价 ×1.3 从充值 USDC 中扣除。若预算固定，选型就变成一个倒推问题：给定预算，能跑多少次调用？该选哪个后端？提示词该多长？
第一步：明确预算与价格基准
假设你为一次会话充值了 B USDC。每个后端的价格（每百万 token 输入/输出）需查阅官方定价，乘以 1.3 即为你实际支付单价。例如某模型官方输入价 pin、输出价 pout，则实际单价为 1.3pin 和 1.3pout。
第二步：估算单次调用成本
一次调用的成本由输入 token 数（提示词+上下文）和输出 token 数决定：
- 成本 = 输入 token 数 × 1.3pin / 1e6 + 输出 token 数 × 1.3pout / 1e6
- 输入 token 数 ≈ (提示词字数 + 历史对话字数) × 每字 token 系数（英文约 0.25，中文约 0.5-1）
- 输出 token 数可预设上限（如 max_tokens）
因此，在预算 B 下，单次调用成本必须 ≤ B / 预计调用次数。
第三步：迭代优化选型与提示词
给定预算和调用次数，可按以下顺序调整：
- 选择更低单价的后端：不同模型价格差异大，在满足质量要求的前提下，选输入/输出单价更低的模型。
- 精简提示词：移除冗余示例、缩短系统提示，直接降低输入 token。
- 控制输出长度：设置 max_tokens，避免生成过长文本。
- 管理上下文：多轮对话时定期截断历史，或使用摘要，防止 token 累积。
示例：预算 1 USDC 的会话
假设某模型官方输入价 $0.5/百万 token，输出价 $1.5/百万 token，实际单价为 $0.65 和 $1.95（×1.3）。若单次调用输入 1000 token、输出 500 token，则成本 ≈ 1000×0.65/1e6 + 500×1.95/1e6 = $0.001625。1 USDC 可支持约 615 次调用。若提示词增长到 2000 token，成本翻倍，调用次数减半。
通过这种倒推，你能在预算内合理选型并控制提示词长度，避免中途耗尽余额。