我过去 13 个月付给 Anthropic 一共 US$1,892.38。那是每月 $200 的 Claude Code Max，再加上给 OpenAI 的 Codex 每月另付的 $20-100。加起来，光 AI 工具链每个月就要花掉 $200 到 $300。
四月份我取消了 Claude Max。我写过这件事——而且不止一次。每一篇都是我的诚实尝试：在脚下的工具不断变化的情况下，搞清楚什么配置才是对的。
两个月前，我彻底放弃了双开。我把工作收敛到单一模型——开启 High Thinking 的 DeepSeek V4 Pro——通过同一个编码工具使用。下面就是实际发生的情况。
六月：$57.01。七月：$33.09。
我的六月 DeepSeek 账单：处理了 41 亿个 tokens，总计 $57.01。
七月：21 亿个 tokens，$33.09。下降一部分是因为我六月份完成了一个大型本地化项目，另一部分是因为我在 prompt engineering 上更熟练了——prompt 更精简、重试更少、输出质量不变。
两个月加起来：$90.10。这还不到过去单月 Claude Max 的一半。如果再把 Codex 订阅算进去，连三分之一都不到。
成本下降 75% 时，每个人都会立刻问："你是不是放慢速度了？" 下面是答案。
786 次提交。4 个产品。没有减速。
我用 git 记录工作。它并不是一个完美的生产力指标——代码行数没有意义，一次提交可以是改了个错别字，也可以是一次数据库迁移。但从方向上，它反映的是真实的东西。
2026 年 6 月 1 日到 7 月 31 日之间，在我维护的四个产品上：
-
DIALØGUE（对话，播客平台）：382 次提交。上线了一个 6 语言的世界杯播客网络，自动发布到 YouTube、Spotify 和 Apple Podcasts。建立了一份 41 篇的 SEO 内容日历。跑了一整套管线评估框架，覆盖 40 期节目，每期由 LLM 裁判按 7 个维度打分。
-
chandlernguyen.com（这个网站 + Ask Sydney）：168 次提交。把一门 7 模块课程完整本地化成了日语。建立了一个 30 题的 Sydney 评估框架，用 LLM 当裁判打分。从头重构了 Sydney 的系统 prompt。重新设计了首页。
-
Prova（AI builder 教练）：228 次提交。上线了覆盖三个人设的统一课程序列。做了一套原生的 iPad 体验，支持拖放。加了跨设备草稿同步和简报驱动的重置路径。
-
STRAŦUM（斯特拉图姆，营销情报）：8 次提交。安静的阶段。有时候，不发布才是正确的选择。
我没有放慢。要说的话，我反而在加速——两个月 786 次提交，是我从 2023 年开始公开构建以来产出最高的一段。
模型：开启 High Thinking 的 DeepSeek V4 Pro
我在用的并不是 DeepSeek 最便宜的选项。V4 Flash 每百万输入 tokens（缓存未命中）$0.14，每百万输出 $0.28。我用的是 Pro 版——每百万输入 $0.435，每百万输出 $0.87——并且开启了 High Thinking 模式。这不是最便宜的配置。我大概应该换到 Flash——它更便宜。但当总账单只有 $33 时，那种迫切感真的不存在。
从现在起我会更多地用 Flash。但这恰好说明了一个关于便宜工具心理的有趣现象：当成本低到一定程度，你就停止优化了。你只是埋头构建。
没人谈过的缓存倍率
这是最关键的部分，也是上面那些数字能成立的原因。
我正在用的编码工具 OpenCode 会维护一个 DeepSeek prompt 缓存。我的缓存命中率在 90-95% 以上。这彻底改变了成本结构：
| Token 类型 | 每 1M tokens 价格 |
|---|---|
| 输入（缓存未命中） | $0.435 |
| 输入（缓存命中） | $0.003625 |
| 输出 | $0.87 |
缓存命中的输入 tokens 比缓存未命中的便宜 120 倍。命中率 90% 以上时，你的实际输入成本基本就是个可以忽略的零头。你付的大部分是输出——真正生成的代码、真正的回复。正是这样的架构，才让重度使用下每月 $33 成为可能。
如果没有缓存，按 $0.435/百万算，41 亿输入 tokens 大概要花 $1,780——还只是六月份。有了 95% 的缓存命中率，实际输入成本降到了大约 $7。模型本身很便宜，缓存让它几乎免费。
在这个价位，质量是什么样
诚实的问题：DeepSeek V4 Pro 产出的质量，和我过去每月 $200 的 Claude Max + Codex 组合一样吗？
答案是：取决于你衡量什么，但就我的工作负载来说，差距很小，而且在不断缩小。
在编码任务上： OpenCode + DeepSeek 能处理我之前用 Claude Code 和 Codex 做的所有工作——TypeScript、React、Next.js、FastAPI、Python、Swift、数据库迁移、YAML 配置、shell 脚本。我在 Codex 上注意到的 token 效率差异（做等价的工作，比 Claude 大约少用 3 倍的 tokens，这一点我在三月的文章里提过）在这里以另一种方式依然成立——DeepSeek 更简洁。注释更少，代码更多。
在写作任务上： 我也用同一个 DeepSeek 模型来写作——博客文章、课程内容、系统 prompt——直接在 OpenCode 里。编辑的循环和我习惯的 Claude 不太一样。Claude 的默认风格更圆润；DeepSeek 更直接。没有谁更好。你调整你的 prompt 就行。
在 Sydney 评估上： 把 Ask Sydney 换到 DeepSeek 之后，我跑了一个 30 题的评估，用 LLM 裁判打分。结果：检索质量没有变化，引用准确率平均 4.2/5，而声音保真度——Sydney（悉尼）听起来有多像我——拿到了 4.4/5。真正需要下功夫的是金融和医疗话题上的来源锚定，但那是 prompt engineering 能修的问题，不是模型质量问题。我收紧了一下系统 prompt——加了一条规则：敏感话题上的每个主要论断至少要引用一篇博客文章——然后重新部署。
我在 DIALØGUE 和 Ask Sydney 上都看到了同一个规律：在这个价位上，prompt engineering 的分量更重。当你每月付 $200 给 Claude 时，你付得起让模型自己去琢磨。当你只付 $33 时，你得说得更具体。好消息是：模型很听话。
一个工具，一个模型。没人谈过的心理简化。
大家注意到的是省了钱。但更重要的转变是：当你不再管理一堆订阅和工具链时，你的心智带宽就回来了。
我四月份的配置是：Claude Code 负责架构和前端，Codex 负责实现，Claude 的 API 负责 DIALØGUE 的播客管线。三种不同的认证流程。三种不同的限流行为。出问题的时候，要查三个不同的订阅页面。
我不想念双开的时代。一点也不。一个工具、一个模型、一套理解系统行为的心理模型。我打开 OpenCode，输入，它就能跑。
这才是真正重要的门槛。不是"它是不是更好"。而是："它是不是好到价格作为一个变量已经消失了。"
定价的现实——以及接下来会发生什么
DeepSeek 目前的定价里附带这样一段说明：
我们计划在近期上调 DeepSeek API 服务的整体定价，预计涨幅会相当显著。
价格会上涨。它们总是会涨。每月 $33 不会永远停在 $33。但这个模式是持久的——便宜到你不再优化，缓存命中率把输入成本变成可以忽略的零头，prompt engineering 把质量差距一点点填平。
两个月下来，总共 $90.10，786 次提交。除非有什么东西逼我，不然我不会再回到每月 $300 的工具链。而且我会更多地用 Flash——到这个份上，何乐而不为呢？
还在写代码，还在学习，还在发布（每月 $45）。
祝好，Chandler :P