说实话，2025年之前AI API费用就跟"免费"差不多。token单价那么便宜，简单分类也用GPT-5，摘要也用Opus，自我说服"性能好，当然要用这个"。但进入2026年，HBM内存涨价、能源税开征、合规成本叠加，API价格明显上涨。一位HN开发者自曝"跟成本较劲了两周"，整个行业都开始形成共识："补贴时代结束了"。
3点概要
涨价核心原因：HBM内存成本、能源税、合规义务同时发力，AI API价格上涨。
降本关键：仅靠模型分层（简单任务→低价模型，复杂任务→高价模型），就能节省60~80%成本。
实战策略：提示词精简、批量API、缓存、本地算力组合使用，可在不降低性能的前提下大幅降低成本。
这是什么？
虽然叫"精益工程（Lean Engineering）"这个响亮的名字，但核心很简单：别把昂贵的AI模型用在所有地方，选择适合任务的合适模型。
独立开发者David Vartanian坦言："没有VC资金，用自己的积蓄创业，以为离浪费很远，但不是。每次都用最贵的模型已经成了习惯。" 这不是个例。2026年现在，前沿模型（GPT-5、Claude 4.5 Opus等）以输出token计算，每百万$15~$75。 而能处理同样任务的小型模型只需$0.05~$1。
成本感知测试：每天处理1000次聊天机器人对话（平均2K token），用GPT-5是月$1050，用Gemini 3 Flash只要月$12。差了整整87倍。
有什么不同？
| 以前（全押前沿模型） | 精益工程方式 | |
|---|---|---|
| 模型选择 | 所有任务用GPT-5/Opus | 按复杂度三级分层 |
| 月成本（聊天机器人1K/天） | $1,050/月 | $12~$132/月 |
| 延迟 | 800ms+（大模型特性） | 50~100ms（小模型） |
| 吞吐量 | ~15 tok/s（GPT-5） | 200~544 tok/s |
| 提示词管理 | 上下文无限塞入 | 去除填充词，最小token设计 |
| 基础设施 | 100%依赖云端API | 本地/混合架构 |
60~80%模型分层时的成本节省率
10~30x小模型vs大模型推理成本差
70%+推理token可节省量（短推理）
核心总结：如何开始
- 了解当前成本结构
先测量哪些模型被用于哪些任务、token用量是多少。用Finout这类工具可以按项目追踪成本。 - 将任务分成三级
简单（分类、提取、简单Q&A）→ Gemini 3 Flash、Claude Haiku等经济模型。中等（摘要、一般推理）→ Claude 4.5 Sonnet、o4-mini。复杂（多步骤分析、创意工作）→ GPT-5、Claude Opus。 - 给提示词减肥
激进地删除不必要的上下文和填充词。将4K系统提示词中的静态部分做缓存，仅此一项就能减少40%输入成本。 - 非实时任务用批量API
OpenAI和Anthropic的批量API都提供50%折扣。文档分析、内容生成等不需要即时响应的任务，成本直接减半。 - 考虑本地算力
反复且可预测的任务长期来看在本地GPU上运行更便宜。将Mixtral 8x7B这样的开源模型本地部署，省去per-token计费，还能保证数据隐私。
