适合大批量任务的最便宜大模型 API

分类、打标签、信息提取、内容审核、短文本翻译、请求路由，这类任务要运行数百万次，每 token 的价格决定它们是否划算。下面列出 GetVibe API 上价格最低的文本模型。价格在每次渲染页面时从目录实时读取，因此表格永远不会过时。

候选清单

这些是 2026 年 9 月 25 日我们目录中价格最低的一批文本模型。价格会变动，请在模型页面查看当前排序。

如何在它们之间选择

• 需要严格的 JSON 输出：选择支持 JSON 模式的模型，例如 GPT-6 Luna、Qwen 3.8 Flash、DeepSeek V4.1 Flash 或 Hy4 Preview。在我们的目录中，Gemini Flash 系列和 GLM-5.3 Flash 不提供 JSON 模式。详见我们的 JSON 模式对照表。
• 要处理长文档：Gemini 3.8 Flash、Gemini 3.7 Flash、DeepSeek V4.1 Flash 和 GLM-5.3 Flash 的窗口约为一百万 token。
• 希望能调低推理：GPT-6 Luna 支持全部六档 reasoning_effort，批量任务可用 minimal。Hy4 Preview 支持 low 和 high。见 reasoning_effort 详解。
• 输入包含图像：上表中的所有模型都支持图像输入。

压低批量任务成本的五个方法

1. 先用样本测试质量。把几百条真实数据交给两三个候选模型，与人工核对过的答案对比。能通过的最便宜模型胜出。
2. 把指令作为固定前缀。长指令和示例放在前面，待处理的条目放在最后，让重复请求命中提示缓存。缓存输入按输入价格的一小部分计费（缓存原理）。
3. 限制输出长度。把 max_tokens 设为一个标签或一个简短 JSON 对象所需的长度。上表所有模型的输出价格都高于输入价格。
4. 保持低推理档位。推理 token 按输出计费。对简单标签任务，在模型支持的情况下使用 minimal 或 low。
5. 只升级失败的请求。所有请求先交给低价模型，校验输出，只把失败的请求用更强的模型重试。

from openai import OpenAI

client = OpenAI(base_url="https://getvibeapi.com/v1", api_key="sk-pv-...")
INSTRUCTION = "Classify the ticket as billing, bug, feature or other. Reply with one word."

def classify(ticket: str) -> str:
    resp = client.chat.completions.create(
        model="gpt-6-luna",
        reasoning_effort="minimal",
        max_tokens=5,
        messages=[
            {"role": "system", "content": INSTRUCTION},
            {"role": "user", "content": ticket},
        ],
    )
    return resp.choices[0].message.content.strip()

下一步

在模型页面按价格排序整个目录，阅读 Hy4 Preview 与 Qwen 3.8 Flash，或从文档开始。按 token 从预付余额扣费，没有订阅。