SillyTavern 接哪家 API 最划算：实测 30 轮会话成本，差 30 倍
前两篇讲了角色卡和世界书怎么搭。搭完就剩一个现实问题：接哪家的 API 最划算。
网上讲这个话题的，多半是列一张「每百万 token 单价」表就结束。但酒馆的计费方式和普通 API 调用不一样——它每轮都把所有内容重发一遍。同样一张单价表，配上酒馆的请求结构，结论会完全变样。
这篇先用分词器实测一场真实的中文角色扮演会话，看 token 到底长什么样；再按各家官方定价和官方缓存规则算成本；最后把最容易踩的几个坑单独列出来。
一句话结论：真正拉开成本的是缓存，不是单价
- 酒馆每轮重发全部上下文，所以一场 30 轮会话的输入量是单轮的 15 倍以上。实测一场中等强度的中文会话，累积输入约 12.7 万 token。
- 能命中缓存的部分占九成以上（角色卡、人设、示例、常驻世界书每轮都不变）。开不开缓存，同一场会话的成本差 60%–85%。
- DeepSeek、GLM、Kimi 的缓存是自动的，Claude 的要手动开，而且酒馆里默认是关的。这一条决定了同样的钱能玩多久。
- 实测价格差 30 倍以上：同样一场 30 轮重度会话，最便宜的一档不到 ¥0.1，最贵的一档接近 ¥2。
1）先搞清一件事：酒馆每轮都在重发全部上下文
官方文档写得很直白：每一轮请求，酒馆都会把角色卡、系统指令、历史对话和相关材料重新组装成一份完整的提示词发出去。只有截断线以内的消息会被发送，线以上的内容不发给模型。
这意味着成本不随回复长度增长，而随轮数的平方增长——第 1 轮只发一点，第 30 轮要把前 29 轮全带上。这不是酒馆的实现缺陷，是对话式 API 的通用结构。但它让「每百万 token 单价」这个指标彻底失效：你买的不是一次调用，是一整场会话的累积量。
所以下面先测 token。
2）实测：一场中文角色扮演会话的 token 结构
我构造了一份中等的 V3 角色卡（系统提示 + 描述 + 性格 + 场景 + 开场白 + 3 组示例对话 + 后置指令）、一份四条的世界书、一段用户人设，然后写了一段 10 轮的深夜居酒屋对话，角色每轮回复 40–70 个中文字。用 o200k_base 分词器逐轮统计：
| 轮次 | 单轮 prompt | 其中历史占比 | 累积输入 token |
|---|---|---|---|
| 第 1 轮 | 1,084 | 11.4% | 1,084 |
| 第 3 轮 | 1,215 | 21.0% | 3,456 |
| 第 5 轮 | 1,340 | 28.4% | 6,066 |
| 第 7 轮 | 1,438 | 33.2% | 8,892 |
| 第 10 轮 | 1,638 | 41.4% | 13,606 |
两个数字值得记住：
- 固定段 960 token。系统提示、描述、人设、示例、世界书这些每轮都要重发的部分，在这场会话里是 960 token。换成大卡加大世界书，这个数字能到 4,000–5,000。
- 每轮新增约 57 token。写得简短的话，历史增长很慢；但如果角色每轮回 300 字，这个数字会变成 300 以上。
按这个结构放大到常见的 30 轮会话（中等卡 1,900 token 固定段、每轮新增 150、角色每轮回 160 token）：累积输入 126,750 token，输出 4,800 token。再放大到重度档（固定段 4,600、每轮新增 300、每轮回 320）：累积输入 277,500 token，输出 9,600 token。
注意固定段和历史的比值：在 30 轮会话里，九成以上的输入是每轮重复的内容。这就是缓存能起作用的地方。
3）缓存是唯一的杠杆，但四家的机制完全不同
把「每轮重复的内容」按折扣价计费，叫上下文缓存。同样是缓存，各家做法差得很远，而且决定了你在酒馆里要不要动手设置。
| 厂商 | 是否自动 | 缓存读价 / 输入价 | 酒馆里要做什么 |
|---|---|---|---|
| DeepSeek | 默认开启，无需配置 | 2%（V4.1 Flash） | 什么都不用做 |
| GLM（智谱） | 隐式缓存，自动识别 | 20%–29% | 不用做，但前缀建议 500 token 以上 |
| Kimi（月之暗面） | 自动，默认 5 分钟 TTL | 10% | 不用做；写入按输入价另计 |
| Claude | 不自动，必须显式标记 | 5%（Opus 5.5 / Sonnet 5.5）；10%（Haiku 5.5） | 要手动改配置，默认是关的 |
Claude 这一格需要展开说，因为它最容易让人白花钱。
酒馆的默认配置里，claude.enableSystemPromptCache 是 false，claude.cachingAtDepth 是 -1——两个都是关的。也就是说，用 Claude 接酒馆，默认一分钱缓存都省不到。要开得改 config.yaml，重启服务。
更关键的是官方在那两行配置旁边写了两段警告，值得原样理解：
- 系统提示缓存只在该前缀在多次请求之间保持不变时才有用。如果你的提示词里用了
{{random}}这类每次结果不同的宏，或者世界书是以聊天内注入的方式放进去的，前缀每轮都在变——你只会买来一堆缓存未命中。 - 按深度缓存那项，官方原话是「谨慎使用，行为可能不可预测，不提供任何保证」，建议值
0。
这和上一篇世界书里讲的插入位置直接相关：条目可以放在角色描述前后（属于固定前缀，缓存友好），也可以放在 @D 指定深度的聊天中间（随对话推进位置漂移，缓存容易断）。同一份世界书，放的位置不同，长期成本不同。
如果前缀稳定，缓存多久回本？按官方价算：
| 写入方式 | 写入价 | 命中价 | 第几轮开始比不开缓存便宜 |
|---|---|---|---|
| 默认 5 分钟 TTL | 1.25 倍输入价 | 5% | 第 2 轮 |
| 1 小时 TTL | 2 倍输入价 | 5% | 第 3 轮 |
也就是说，只要前缀稳定，聊到第 2 轮就已经回本，后面全是赚的。真正的风险不是回本慢，而是前缀每轮都变、永远回不了本。
4）成本横评：同样一场会话，差 30 倍
把上面重度档的数字（30 轮、累积输入 277,500 token、输出 9,600 token、可缓存前缀占 95%）乘以各家官方单价，按各自的最优缓存方案计费，得到每场会话的实际成本：
| 模型 | 每场 30 轮 | 折人民币 | 缓存机制 |
|---|---|---|---|
| Claude Haiku 5.5 | $0.0080 | ¥0.05 | 显式，需手动开 |
| DeepSeek V4.1 Flash（夜间价） | $0.0086 | ¥0.06 | 自动 |
| GPT-6 Luna | $0.0088 | ¥0.06 | 自动 |
| GLM-5.3-Flash | $0.0147 | ¥0.10 | 隐式 |
| DeepSeek V4.1 Flash（高峰价） | $0.0172 | ¥0.11 | 自动 |
| GPT-5.6 Luna | $0.0195 | ¥0.13 | 自动 |
| DeepSeek V4 Pro（夜间价） | $0.0338 | ¥0.23 | 自动 |
| GLM-4.7 | $0.0499 | ¥0.33 | 隐式 |
| Gemini 3.8 Flash | $0.0660 | ¥0.44 | 隐式 |
| Claude Sonnet 5.5 | $0.1339 | ¥0.89 | 显式，需手动开 |
| GLM-5.3 | $0.1355 | ¥0.91 | 隐式 |
| Gemini 4 Argon | $0.1496 | ¥1.00 | 隐式 |
| Kimi K3.1 Pro | $0.1754 | ¥1.17 | 自动 |
| GPT-5.6 Terra | $0.1952 | ¥1.30 | 自动 |
| Claude Opus 5.5 | $0.2678 | ¥1.79 | 显式，需手动开 |
按每天 3 场重度会话、每月 30 天折算月成本：DeepSeek V4.1 Flash 夜间档约 $0.77（¥5.2），Claude Haiku 5.5 约 $0.72（¥4.8），Sonnet 5.5 约 $12.05（¥80.5），Opus 5.5 约 $24.10（¥161）。
这个结果的现实含义是：在酒馆这个场景里，贵模型的成本溢价主要体现在回合制的细腻程度上，而不是钱。一个每天玩两小时的人，用 Opus 5.5 一个月也就 ¥161。真正的分水岭是「有没有开缓存」——不开缓存，Sonnet 5.5 一场就从 ¥0.89 变成 ¥4.35，Opus 5.5 从 ¥1.79 变成 ¥8.70。
5）五个容易踩的坑
坑一：DeepSeek 的高峰时段是白天
DeepSeek 的峰谷定价按 UTC 划分：高峰是 01:00–04:00 和 06:00–10:00（UTC，周一到周五，中国法定节假日除外），其余时间都是谷价。换算成北京时间就是工作日 09:00–12:00 和 14:00–18:00。
也就是说，中国用户最常玩的白天时段，正好撞在高峰价上，价格直接翻倍。晚上和周末才是谷价。这个反直觉的时间表和国内用户的作息完全错位，值得放在显眼处。
坑二：DeepSeek 的缓存要求「完全匹配」
官方文档明确说，请求必须完整匹配一条已经持久化的缓存前缀单元才算命中，只有部分重叠不算。缓存是「尽力而为」的，缓存数据通常在几小时到几天内被清除。
落到实践上：如果你每次开新会话都换角色卡、换世界书预算，前缀就一直在变，命中率会远低于我这里算的理想值。
坑三：GLM 的缓存要够长才有用
智谱的隐式缓存不需要配置，官方给的建议是前缀 500 token 以上才会稳定命中，几句话的短系统提示通常打不中。命中情况可以在响应的 usage.prompt_tokens_details.cached_tokens 里看到。
另外要注意，智谱国内站 open.bigmodel.cn 和海外站 api.z.ai 是两套入口和两套计价。酒馆内置的 Z.ai 连接器走的是海外端点，如果你买的是国内站的额度，别选那个连接器。
坑四：Kimi 的写入费单独收，K2 系列在退场
Kimi 的缓存命中价是输入价的 1/10，但写入要按输入价另收一次：默认 5 分钟 TTL 按 ¥20/MTok，选 1 小时 TTL 是 ¥40/MTok（以 kimi-k3 为例）。官方说两次命中就能收回 1 小时档多付的写入费。这个结构意味着短会话不如长会话划算。
还要留意版本节奏：K2 系列从 2026 年 10 月 31 日起不再向新注册用户开放，官方计划 12 月底全部下线。照着老教程填 kimi-k2 的人，年底会撞上模型消失。
坑五：分词器差异，中文尤其明显
上面的数字全部按 o200k_base 分词器统计。同一个中文句子，换 cl100k_base 就会多出 35% 的 token（我实测的四段中文样本，o200k 106 token、cl100k 143 token）。
Claude 的官方文档自己也写了：4.7 及之后型号换用新分词器，同样的文本大约多 30% 的 token。所以表里那三行 Claude 的数字，按官方口径还要再上浮约 30%——Haiku 5.5 从 ¥0.05 到 ¥0.07，Sonnet 5.5 从 ¥0.89 到 ¥1.16，Opus 5.5 从 ¥1.79 到 ¥2.33。
DeepSeek、GLM、Kimi 用自家分词器，中文效率各有差异，我这里没法准确换算。所以本文的价格是「同一把尺子量出来的相对排序」，不是账单复刻——排名和量级可信，绝对值请以你自己的账单为准。
6）怎么选：按你的玩法分三档
只想要便宜、能长聊：DeepSeek V4.1 Flash。夜间档（北京时间晚上和周末）一场几十轮不到一毛钱，缓存全自动，什么都不用配。缺点是白天时段价格翻倍。
在意中文表达的细腻度和人设稳定性：Claude Sonnet 5.5 或 GLM-4.7。前者需要你花十分钟改 config.yaml 把缓存打开，且要保证前缀稳定；后者全自动、人民币计价、不用翻墙。
预算不是问题，就是要最好的角色感：Claude Opus 5.5。一个月重度玩也不会超过两百块，但一定记得开缓存——不开的话，同样玩法月成本会跳到 ¥780 上下。
无论选哪家，有三条通用省钱动作：把不变的东西都放进固定前缀（角色卡、常驻世界书、示例对话），别用会变的宏（{{random}} 之类会每轮打碎缓存），把世界书条目放在角色描述前后而不是聊天中间。
如果你不想自己维护这些，俱乐部这边有拼车套餐，用的是同一批上游，省掉的是账号和额度管理的麻烦。喜欢自己折腾的话，上面三档按你的玩法定就行。
小结
酒馆的计费逻辑是「每轮重发全部上下文」，所以单价表没意义，缓存命中率才有意义。实测一场 30 轮重度中文会话的累积输入约 27.7 万 token，其中 95% 是每轮重复的可缓存内容。开缓存之后，各家成本从 ¥0.05 到 ¥1.79 不等；不开缓存，全部上浮六到八成（Opus 5.5 从 ¥1.79 跳到 ¥8.70）。
选择其实不复杂：DeepSeek 便宜且全自动，GLM 人民币计价且全自动，Claude 效果最好但要你手动开缓存。唯一真正的坑是以为默认就是最优——DeepSeek 的高峰时段在中国是白天，Claude 的缓存默认是关的，这两处不注意，钱就白花了。
参考来源
- SillyTavern 文档：Common Settings（上下文与提示词组装）
- SillyTavern 文档：API Connections（内置连接器清单）
- SillyTavern 源码：default/config.yaml（claude 缓存配置与警告）
- DeepSeek 官方：模型定价与峰谷时段
- DeepSeek 官方：上下文缓存机制
- 智谱官方：API 定价
- 智谱官方：上下文缓存
- Kimi 官方：模型推理价格说明
- Kimi 官方：上下文缓存最佳实践
- Anthropic 官方：Claude 定价与分词器说明
- OpenAI 官方：API 定价
- Google 官方：Gemini API 定价
