关键词：GLM缓存计费、Kimi K3价格、DeepSeek Context Caching、Qwen隐式缓存、国产大模型API价格、prompt cache、灵眸AI、lmuai、Claude Code 国产模型接入

0. TL;DR

“缓存命中后价格能砍到十分之一甚至更低”——这句话本身没错，但四家国产模型说的不是同一件事，笼统一句话会让你算错自己的真实成本。

• 缓存机制不是同一种：GLM、Kimi、DeepSeek 是自动缓存，Qwen 是显式+隐式两套并存，显式需要手动加 cache_control。
• DeepSeek 刚涨过价（2026年8月16日16:00 UTC生效），且分峰谷时段，本文数据是涨价后的最新价。
• 四家命中价/未命中价的真实折扣比例相差近6倍，不能用一个数字套所有模型。
• 笔者实测接入这四个模型用的是灵眸AI（api。lmuai。com），本文配置示例和实测价格均以此为准，官方直连价与该平台按量价的对比放在第6节。

1. 四家缓存机制对照

模型	缓存机制	是否需要手动配置
GLM-5.2（智谱）	自动识别重复前缀，直接复用	不需要
Kimi K3（月之暗面）	官方文档明确"支持自动上下文缓存"	不需要
DeepSeek V4系列	磁盘缓存，官方文档写"服务自动运行，按实际命中计费"	不需要，且不需要改代码/改接口
Qwen（阿里云百炼）	显式缓存（手动加cache_control，5分钟有效期，创建按125%计费，命中按10%计费）+ 隐式缓存（自动生效，无法关闭，命中按20%计费）两套并存	显式需要，隐式不需要

四家里三家是"装好就自动生效"，只有 Qwen 这边如果想要更稳定的命中率，需要额外配置显式缓存的断点。

2. 四家官方价格与真实折扣比例（2026年8月17日核实）

模型	缓存命中价	缓存未命中价	输出价	命中价/未命中价比例
GLM-5.2（官方直连）	$0.26/M	$1.4/M	$4.4/M	约18.6%
Kimi K3（官方直连）	$0.30/M	$3.00/M	$15.00/M	约10%
DeepSeek V4 Pro（非峰时，新价）	$0.022/M	$0.66/M	$1.98/M	约3.3%
DeepSeek V4 Pro（峰时，新价）	$0.044/M	$1.32/M	$3.96/M	约3.3%

DeepSeek 的比例在四家里最低——命中缓存后的价格只是未命中价的约3.3%，比Kimi还低三倍。这不是"DeepSeek更便宜"这个笼统结论能覆盖的，因为未命中价本身也在四家里同样最低，两个变量叠在一起看才是真实情况。

3. 一个可运行的费用计算器

不同模型缓存命中率不一样，与其记价格表，不如记一个公式，自己代入真实用量算：

# 四家国产模型缓存费用计算器，单位：美元
# 价格数字来自各官方文档，2026-08-17核实

PRICE_USD_PER_MILLION = {
    "glm-5.2":              {"cached": 0.26,  "uncached": 1.4,   "output": 4.4},
    "kimi-k3":              {"cached": 0.30,  "uncached": 3.00,  "output": 15.0},
    "deepseek-v4-pro-off":  {"cached": 0.022, "uncached": 0.66,  "output": 1.98},   # 非峰时
    "deepseek-v4-pro-peak": {"cached": 0.044, "uncached": 1.32,  "output": 3.96},   # 峰时
}

def estimate_cost(model, cached_million, uncached_million, output_million):
    p = PRICE_USD_PER_MILLION[model]
    parts = {
        "cached_input": cached_million * p["cached"],
        "uncached_input": uncached_million * p["uncached"],
        "output": output_million * p["output"],
    }
    return parts, sum(parts.values())


# 示例：一段时间内累计消耗100M token，其中80M命中缓存、15M未命中、5M输出
for model in PRICE_USD_PER_MILLION:
    breakdown, total = estimate_cost(model, cached_million=80, uncached_million=15, output_million=5)
    print(f"{model}: {breakdown}, total: ${total:.3f}")

运行结果（已本地验证，与官方定价数字一致）：

glm-5.2: {'cached_input': 20.8, 'uncached_input': 21.0, 'output': 22.0}, total: $63.800
kimi-k3: {'cached_input': 24.0, 'uncached_input': 45.0, 'output': 75.0}, total: $144.000
deepseek-v4-pro-off: {'cached_input': 1.76, 'uncached_input': 9.9, 'output': 9.9}, total: $21.560
deepseek-v4-pro-peak: {'cached_input': 3.52, 'uncached_input': 19.8, 'output': 19.8}, total: $43.120

这组"80缓存/15未命中/5输出"的比例，模拟的是编程 Agent 连续会话场景。换成自己的真实用量比例，把三个数字改一下重新跑就行。

4. 换一组比例：命中率没那么高的场景

如果是新会话频繁、上下文经常变化的场景（命中率可能只有30%左右），账单结构完全不同：

for model in PRICE_USD_PER_MILLION:
    breakdown, total = estimate_cost(model, cached_million=30, uncached_million=65, output_million=5)
    print(f"{model}: {breakdown}, total: ${total:.3f}")

glm-5.2: {'cached_input': 7.8, 'uncached_input': 91.0, 'output': 22.0}, total: $120.800
kimi-k3: {'cached_input': 9.0, 'uncached_input': 195.0, 'output': 75.0}, total: $279.000
deepseek-v4-pro-off: {'cached_input': 0.66, 'uncached_input': 42.9, 'output': 9.9}, total: $53.460
deepseek-v4-pro-peak: {'cached_input': 1.32, 'uncached_input': 85.8, 'output': 19.8}, total: $106.920

命中率从80%掉到30%，四家的总费用都涨了一倍以上，其中Kimi涨得最多（$144→$279）。缓存命中率本身对总账单的影响，比选哪家模型的影响更大，很多人选型时只比价格表单价，没把自己场景的真实命中率代入算一遍。

5. Qwen3.8-27B：一个还没被完全占满的窗口

2026年8月14日，阿里发布了 Qwen3.8-27B，开源权重、Apache 2.0协议，27.78B参数的稠密多模态模型，主打"单张消费级显卡也能跑"——量化版本在双RTX 4090上能跑到约80 tokens/s。

截至本文核实时间（发布后3天），上架情况不统一：

渠道	是否已上架
OpenRouter	✅ 已上架，5个供应商提供服务，输入$0.40-0.48/M，输出$3.00-3.40/M
阿里云百炼	未上架（百炼目前只托管千问闭源系列）
硅基流动	未上架（首页模型列表最新还是上一代Qwen3.6-27B）

本地部署场景可能不需要中转，但如果你想直接用API方式调用而不想自己搭机器，目前只有 OpenRouter 一家能直接调用，国内几个主力聚合平台还没跟上。

6. 官方直连 vs 中转按量计费：实测价格差异

笔者接这四个模型用的是灵眸AI（api。lmuai。com），一个国内服务器节点的多模型聚合网关，Claude Code 配好 ANTHROPIC_BASE_URL 后可以直接用 /model 切换到这四个国产模型。实测按量计费单价和官方直连的差异如下，供参考：

模型	官方直连输入价	灵眸AI输入价	官方直连输出价	灵眸AI输出价
GLM-5.2	$1.40/M	$0.484/M	$4.40/M	$1.695/M
Kimi K3	$3.00/M	$1.327/M	$15.00/M	$6.637/M
DeepSeek V4 Pro	$0.66/M（非峰时未命中价）	$0.544/M	$1.98/M	$1.629/M
Qwen3.8-Max	官方百炼定价另计	$0.725/M	官方百炼定价另计	$2.171/M

（数据来自 api。lmuai。com/models，2026-08-17查证。灵眸AI 页面未单独列出缓存价格字段，如果场景高度依赖缓存计费，建议接入前先小额度实测账单明细里是否有对应字段。）

7. Claude Code 接入配置

~/.claude/settings.json：

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://api。lmuai。com",
    "ANTHROPIC_AUTH_TOKEN": "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxx",
    "API_TIMEOUT_MS": "3000000",
    "CLAUDE_CODE_ATTRIBUTION_HEADER": "0"
  },
  "effortLevel": "medium"
}

（注：实际使用时请把 api。lmuai。com 中的全角句号替换为半角，CSDN 编辑器对外链有过滤。）

配好后切换模型：

/model glm-5.2
/model kimi-k3
/model deepseek-v4-pro
/model qwen3.8-max

四个模型共用同一套 sk- 开头的账户 Key（国产模型内部互通，不需要为每家单独开账户），实际按任务复杂度切换：日常小改用 GLM，中等任务用 DeepSeek，长上下文任务用 Qwen，跨文件重构切回 Claude。

8. 常见问题

Q：为什么不能笼统说"国产模型缓存都是自动的，很便宜"？

自动缓存这条对GLM、Kimi、DeepSeek成立，但Qwen是显式+隐式两套并存，不配置显式缓存的话命中率不保证。"很便宜"这个说法也需要拆开——四家的命中价/未命中价比例差着好几倍，笼统一句话覆盖不了真实差距。

Q：DeepSeek刚涨价，现在用官方价格计算靠谱吗？

本文数据是涨价后（2026年8月16日16:00 UTC生效）的价格，涨价方案本身还分峰时/非峰时两档，用之前建议直接去官网核对当天生效的具体数字。

Q：灵眸AI 和官方直连的价格差是怎么做到的？

笔者没有深究具体的采购模式，实测下来这几个模型走灵眸AI 按量计费确实比官方直连便宜，接入方式是标准 Anthropic 协议转发，usage 字段返回完整，不是逆向接口。建议自己小额度先测一遍协议真实性再决定要不要长期用。

参考资料

• Z.ai（智谱GLM）官方定价：https://docs.z.ai/guides/overview/pricing
• Kimi K3 官方定价：https://platform.kimi.ai/docs/pricing/chat-k3
• DeepSeek 官方定价（含峰谷时段）：https://api-docs.deepseek.com/quick_start/pricing
• 阿里云百炼 Context Cache 说明：https://help.aliyun.com/zh/model-studio/context-cache
• 灵眸AI 按量计费价格页：https://api。lmuai。com/models

---

数据核实时间：2026年8月17日。价格随时可能调整，接入前建议自行核对官网实时页面。