核心结论：AI 调用成本高，往往不是因为你用得多，而是钱花错了地方：输出 token 按 3–10 倍于输入的价格计费、缓存不命中、按量付费没有账单上限。本文给出三条经过核实的省钱路线——① 把常规任务换到 GLM-5.3-Flash（输出 $0.50/1M，约为旗舰 GLM-5.3 的 1/9）；② 高频编程用 Z.AI Coding Plan 包月封顶（官方口径最高省 92%，配额耗尽不扣余额）；③ 用 Hermes Agent 免费层级把一类业务（如站内客服）的边际成本直接归零，并附上我们站内已跑通的真实案例。
一、先看清：AI 调用成本到底花在哪？
一份 Token 账单通常由三部分构成，而它们的单价差异极大：
| 计费项 | 典型单价关系 | 省钱杠杆 |
|---|---|---|
| 输入 token | 基准价 | 精简提示词、剪掉冗余上下文 |
| 缓存命中输入 | 约为标准输入的 1/5 | 固定前缀，提高缓存命中率 |
| 输出 token | 常为输入的 3–10 倍 | 控制输出长度，重任务分流到低价模型 |
以 GLM 系列为例：旗舰 GLM-5.3 输入 $1.4/1M、输出 $4.4/1M，输出是输入的 3 倍多；而缓存命中输入只要 $0.26/1M。这意味着同样一次调用，「缓存是否命中」和「输出了多少字」对账单的影响，往往比换一家供应商还大。省钱的优先级应该是：先压输出和缓存，再谈套餐，最后用零成本方案兜底。
二、路线一：换用极低价的模型 —— GLM-5.3-Flash
GLM-5.3-Flash 是 GLM-5 系列首个原生多模态模型，官方定位为「专攻可视化编程的多模态编程模型」。工程上是 320B 总参数、18B 激活的稀疏架构：相较旗舰 GLM-5.3，注意力计算降低 3.01 倍、KV cache 降低 4.44 倍——省下的算力直接反映在价格上。
2.1 价格：输出价约为旗舰的 1/9
| 模型 | 输入 /1M | 缓存输入 /1M | 输出 /1M |
|---|---|---|---|
| GLM-5.3-Flash | $0.15 | $0.03 | $0.50 |
| GLM-5.3-FlashX（加速版，200 tokens/s） | $0.37 | $0.075 | $1.25 |
| GLM-5.3（旗舰） | $1.4 | $0.26 | $4.4 |
三个数字值得记住：输出 $0.50/1M 约为旗舰的 1/9；缓存命中输入 $0.03/1M 只有标准输入的 1/5；缓存存储限时免费（以官方定价页为准）。
2.2 能力与适用场景
价格低不代表能力缩水。GLM-5.3-Flash 提供 1M tokens 上下文窗口和 128K 最大输出，支持视频/图片/文本/文件输入、思考模式、流式输出、函数调用与上下文缓存。适用场景包括：
- 可视化与前端编程、游戏与 3D（Blender）场景；
- GUI 与浏览器自动化操作；
- Office 文档产出（PPTX/PDF/DOCX/XLSX）；
- 金融研究、长文档处理等大规模上下文任务。
一个务实的分流策略：日常草稿、批量处理、长文档摘要交给 Flash；关键决策与复杂架构仍用旗舰把关。另外，Z.AI 侧还有完全免费的 GLM-4.7-Flash、GLM-4.5-Flash、GLM-4.6V-Flash，适合零成本试验场景。
三、路线二：用包月套餐替代按量付费 —— Z.AI Coding Plan
如果你的调用是高频、可预期的编程场景，按量付费就像没有套餐的手机话费。Z.AI Coding Plan 的思路是包月封顶：一次订阅解锁一整套 Agent 工具额度，官方口号是「用一个套餐替代多个工具订阅」。
3.1 三档额度与价格
| 档位 | 5 小时额度 | 每周额度 | 挂牌月费 | 年付约 | 定位 |
|---|---|---|---|---|---|
| Lite | 2,000 | 10,000 | $18 | $12.6/月 | 小仓库轻量迭代 |
| Pro | 12,000 | 60,000 | $80 | $56/月 | 中仓库日常开发 |
| Max | 28,000 | 140,000 | $168 | $117.6/月 | 中大型仓库重度使用 |
注意区分两种口径：$18/$80/$168 是挂牌月费；订阅页默认展示的 $12.6/$56/$117.6 是年付 7 折折算价（季付 8 折）。所有档位均可调用 GLM-5.3 与 GLM-5.3-Flash（其中 Flash 享 3 倍额度；FlashX 加速版暂未上线套餐），并支持 ZCode、AutoClaw、Claude Code、Codex、Cline、Cursor、OpenCode 等 20 多个工具，附赠视觉理解、Web Search、Web Reader、Zread 四个 MCP 工具。
3.2 省钱机制：为什么最多能省 92%
Coding Plan 的额度按倍率折算：额度 =（输入×输入倍率 + 缓存输入×缓存倍率 + 输出×输出倍率）÷ 10000。两个模型的倍率不同：
| 计费项 | 输入倍率 | 缓存输入倍率 | 输出倍率 |
|---|---|---|---|
| GLM-5.3 | 6.9 | 1.7 | 24 |
| GLM-5.3-Flash | 2.3 | 0.56 | 8 |
官方给出的省钱逻辑有三层：
- 非高峰 5 折：高峰时段为周一至周五 14:00–18:00（UTC+8），其余时间按标准额度的一半计费；
- 账单封顶：配额用尽后，工具体内不会扣账户余额，等下一个 5 小时周期刷新即可——按量付费最怕的「意外账单」在这里不存在；
- 官方口径：充分利用非高峰折扣，相比按量调用 GLM-5.3 标准 API，最高可省 92%。
限时活动（以官方页面为准）：2026-09-25 至 10-07 全天按非高峰 5 折计费；2026-09-03 至 10-07 每日 23:00–次日 09:00，付费用户经 ZCode / AutoClaw 使用 GLM-5.3-Flash 不限量，其他 Agent 额度加倍。团队协作可选 Team Plan（最少 2 席），超额部分按 API 挂牌价 9 折计费，默认不用于训练。两点提醒：订阅不可退款，取消需在下次扣费前 24 小时操作。
四、路线三：把一类业务成本直接归零 —— Hermes Agent 免费层级
前两条路线是「把单价压低」，第三条路线更彻底：让一类业务的模型调用直接免费。Hermes Agent 由 Nous Research 提供，模型与工具额度走 Nous Portal 订阅，其中 Free 档完全免费：
| 档位 | 价格 | 月度额度 | 模型范围 | 限速 |
|---|---|---|---|---|
| Free | $0 | $0 credits | 仅免费模型 | 标准限速 |
| Plus | $20/月 | $22 credits | 200+ 模型 | 高限速 |
| Super | $100/月 | $110 credits | 200+ 模型 | 高限速 |
| Ultra | $200/月 | $220 credits | 200+ 模型 | 高限速 |
免费档可用的模型包括 inclusionAI Ling 3.0 Flash、Meituan LongCat 2.0/2.5 Preview、Poolside Laguna、StepFun Step 3.7 Flash、Upstage Solar Pro 4 等（$0.00/1M）。网页搜索由 Perplexity Fast Search 提供，对所有档位免费。
必须说清边界：免费档是「仅免费模型 + 标准限速 + 无月度 credits」，不是不限量。请求次数和并发量都有约束，适合客服问答、文本理解等基础场景；业务量上来后要评估升级。
4.1 开通流程
hermes setup # 1. 命令行初始化
# 2. 选择 quick setup（仅全新安装时出现）
# 3. 打开授权链接，用 Gmail 一键登录
# 4. 套餐选 free plan（需绑卡，但费用为 0）
hermes setup --portal # 重走 OAuth / 更换 provider / 开 Tool Gateway
hermes auth logout nous # 想彻底重来先登出完整图文流程见站内教程：如何免费使用 Hermes agent（Nous 免费订阅开通全流程）。绑卡环节建议使用虚拟信用卡，免费开卡教程见 虚拟信用卡免费开卡教程。
五、落地案例：免费 AI 智能客服，24h×7 零边际成本
免费层级听起来抽象，我们站内已经跑通了一个完整案例：如何给网站配置免费的 AI 智能客服——24h×7 业务助手。核心是三步：
受限子用户 ──► Hermes Agent + Service API ──► Nous 免费订阅 ──► 集成站内客服
（权限隔离） （绑定子域名/API Key/模型ID） （免费模型+免费搜索） （对话接入/业务联动）- 搭建底座：创建受限子用户，部署 Hermes Agent 并启用 Service API，绑定子域名、API Key 和模型 ID；
- 接入免费模型：通过 Wizard 授权登录 Nous，启用免费订阅，全部调用走免费模型；
- 集成业务：用开源复合业务系统接入对话，并联动业务数据。
这个案例最有价值的启示是：省钱不只是压单价，而是重新划分「哪些业务值得花钱」。客服问答这类高频低难度任务，用免费模型就能覆盖大部分流量；真正需要强度的开发任务，再交给 GLM-5.3-Flash 或 Coding Plan。原文有一句关键提醒：免费模型通常带有使用限制（如请求次数、并发量），请根据业务量合理规划——建议提前做好限流与人工兜底。子用户与 Service API 的详细配置见 Hermes Agent 子用户与 Service API 配置，业务系统选型见 开源复合业务系统。
六、决策清单：你该选哪条路？
| 你的场景 | 推荐方案 | 理由 |
|---|---|---|
| 偶发轻任务、批量文本处理 | GLM-5.3-Flash 按量 | 输出 $0.50/1M，成本几乎无感 |
| 高频编程、日常开发 | Z.AI Coding Plan | 包月封顶 + 非高峰 5 折，最高省 92% |
| 站内客服、FAQ 问答 | Hermes 免费层级 | 免费模型 + 免费搜索，边际成本归零 |
| 团队协作、多人开发 | Coding Plan 团队档 | 席位管理 + 用量看板 + 超额 9 折 |
三条路线并不互斥，成熟打法是组合：GLM-5.3-Flash 打底常规调用，Coding Plan 封顶高频编程，Hermes 免费档兜住零成本业务。
七、结语与行动清单
Token 开支的下降，从来不只靠某个「便宜模型」，而是计费结构上的三次优化：先让缓存命中、压短输出；再把可预期的重度使用装进包月套餐；最后把低难度高频业务交给免费层级。对照下面的清单，本周就可以开始：
- 先开 Hermes 免费档试跑，把客服/问答类流量迁过去；
- 查看调用日志，把重任务挪到非高峰时段（避开 14:00–18:00）；
- 固定提示词前缀，提高缓存命中率；
- 高频编程切换到 Coding Plan，享受账单封顶；
- 限时活动 2026-10-07 截止，价格以官方页面为准。
省钱的本质不是「用更差的模型」，而是「让每一类任务都落到它应得的价位上」。
评论区
0 条评论 · 评论需审核通过后显示
发表评论