感觉token消耗量大的，推荐用kimi的k2模型，我测试了，消费还能接受。

[oiuv]

What would you like to be added?

我用Qwen的测试，的确几个问题花了200多万的token，产生近百块的账单。不过这个Qwen-code相比Gemini-cli最大的优势是可以自己定义模型，那就可以接kimi家新出的编程模型k2了。测试用k2完全从零写了一个小项目，代码量虽然不是很大，但因我测试时自己一句代码和文档没写，全让AI自己来，从开发到修BUG等消耗token是绝对不少的，账单不到20，可以接受，从我用Qwencode测试就修了一点小问题产生上百元的账单强多了。

项目示例：https://github.com/oiuv/MoonPalaceDB 我不知道直接用QwenCode会花多少钱，不敢测试。

而且我用这个还不只是测试开发了这一个项目，还测试分析其它项目，用了特别久，结果这里账单只有20元。

用kimi模型的优势价格低，官方提供了自动的缓存机制，命中缓存时消费低很多，虽然Qwen-code-plus也有缓存命中优惠，但是只在低token区间有优势，在高token区间也很贵，而要知道api的记忆功能就是每次请求都把你所有对话历史重复发一次，这样token的消耗真的是指数级的增长的，在高token消耗区间是常态的。关于价格对比，后面回贴中有详细内容，可以看看k2的价格优势很明显，除非Qwen-code-plus把价格降下来，否则对比起来太贵了。

用kimi模型的另一个好处是，你可以用moonpalace调试接口，清楚的记录接口到底发了什么东西，消耗的明明白白，不存在隐藏消费，数据自己都有记录可查。

从数据库的记录可以看到每次发的数据都包括很长的system prompt、大量的工具和每一次的历史会话，一直在滚雪球，聊多了真的会爆炸。这也是为什么明明感觉没聊多少，几百万token没了。

Why is this needed?

为了新中国

Additional context

No response

[Pidbid]

老哥 ，太有钱了，直接充值2W

[oiuv]

将带有缓存命中价格的 qwen3-coder-plus 与 kimi-k2-0711-preview 进行价格对比，主要从输入价格和输出价格两方面展开：

1. 输入价格对比

• qwen3-coder-plus：根据输入 Token 数量区间有不同价格，且命中缓存时价格有较大优惠。
  • 0 - 32k：未命中缓存时，每千 Token 输入价格是 0.004 元，即每百万 Token 价格为 4 元；命中缓存时，每千 Token 输入价格是 0.0004 元，每百万 Token 价格为 0.4 元。
  • 32k - 128k：未命中缓存时，每千 Token 输入价格是 0.0042 元，每百万 Token 价格为 4.2 元；命中缓存时，每千 Token 输入价格是 0.0024 元，每百万 Token 价格为 2.4 元。
  • 128k - 256k：未命中缓存时，每千 Token 输入价格是 0.005 元，每百万 Token 价格为 5 元；命中缓存时，每千 Token 输入价格是 0.004 元，每百万 Token 价格为 4 元。
  • 256k - 1M：未命中缓存时，每千 Token 输入价格是 0.01 元，每百万 Token 价格为 10 元；命中缓存时，每千 Token 输入价格是 0.008 元，每百万 Token 价格为 8 元。
• kimi-k2-0711-preview：
  • 缓存命中时，每百万 Token 输入价格是 1 元。
  • 缓存未命中时，每百万 Token 输入价格是 4 元。

对比总结：

• 在 0 - 32k 区间，qwen3-coder-plus 命中缓存时输入价格优势明显，为 0.4 元/百万 Token，远低于 kimi-k2-0711-preview 缓存命中的 1 元/百万 Token；未命中缓存时，qwen3-coder-plus 价格与 kimi-k2-0711-preview 缓存未命中时相同。
• 在 32k - 128k 区间，qwen3-coder-plus 命中缓存时价格为 2.4 元/百万 Token，低于 kimi-k2-0711-preview 缓存命中的 1 元/百万 Token；未命中缓存时，qwen3-coder-plus 价格 4.2 元/百万 Token 略高于 kimi-k2-0711-preview 缓存未命中的 4 元/百万 Token。
• 在 128k - 256k 区间和 256k - 1M 区间，qwen3-coder-plus 命中缓存时价格分别为 4 元/百万 Token 和 8 元/百万 Token，均高于 kimi-k2-0711-preview 缓存命中的 1 元/百万 Token；未命中缓存时，qwen3-coder-plus 价格也高于 kimi-k2-0711-preview 缓存未命中的价格。

2. 输出价格对比

• qwen3-coder-plus：
  • 0 - 32k：每千 Token 输出价格是 0.016 元，每百万 Token 价格为 16 元。
  • 32k - 128k：每千 Token 输出价格是 0.0168 元，每百万 Token 价格为 16.8 元。
  • 128k - 256k：每千 Token 输出价格是 0.02 元，每百万 Token 价格为 20 元。
  • 256k - 1M：每千 Token 输出价格是 0.1 元，每百万 Token 价格为 100 元。
• kimi-k2-0711-preview：每百万 Token 输出价格是 16 元。

对比总结：在 0 - 32k 区间，两个模型输出价格相同；在 32k - 128k、128k - 256k 和 256k - 1M 区间，qwen3-coder-plus 的输出价格逐渐高于 kimi-k2-0711-preview。

3. 其他差异

• 上下文长度：qwen3-coder-plus 未在上述价格信息中明确提及上下文长度，kimi-k2-0711-preview 模型上下文长度为 131,072 tokens，这在处理长文本时可能会影响实际成本和使用体验，比如上下文长度长的模型可能减少因截断而导致的交互次数，从而影响总体成本。

总体而言，在输入成本上，qwen3-coder-plus 在低 Token 数量且命中缓存时有优势，随着 Token 数量增加和未命中缓存时，kimi-k2-0711-preview 更具价格优势；在输出成本上，除了 0 - 32k 区间两者相同，其他情况下 kimi-k2-0711-preview 更有价格竞争力。

[oiuv]

老哥 ，太有钱了，直接充值2W

😅这不是重点啊

[Pidbid]

将带有缓存命中价格的 qwen3-coder-plus 与 kimi-k2-0711-preview 进行价格对比，主要从输入价格和输出价格两方面展开：

1. 输入价格对比

• qwen3-coder-plus：根据输入 Token 数量区间有不同价格，且命中缓存时价格有较大优惠。

  • 0 - 32k：未命中缓存时，每千 Token 输入价格是 0.004 元，即每百万 Token 价格为 4 元；命中缓存时，每千 Token 输入价格是 0.0004 元，每百万 Token 价格为 0.4 元。
  • 32k - 128k：未命中缓存时，每千 Token 输入价格是 0.0042 元，每百万 Token 价格为 4.2 元；命中缓存时，每千 Token 输入价格是 0.0024 元，每百万 Token 价格为 2.4 元。
  • 128k - 256k：未命中缓存时，每千 Token 输入价格是 0.005 元，每百万 Token 价格为 5 元；命中缓存时，每千 Token 输入价格是 0.004 元，每百万 Token 价格为 4 元。
  • 256k - 1M：未命中缓存时，每千 Token 输入价格是 0.01 元，每百万 Token 价格为 10 元；命中缓存时，每千 Token 输入价格是 0.008 元，每百万 Token 价格为 8 元。

• kimi-k2-0711-preview：

  • 缓存命中时，每百万 Token 输入价格是 1 元。
  • 缓存未命中时，每百万 Token 输入价格是 4 元。

对比总结：

• 在 0 - 32k 区间，qwen3-coder-plus 命中缓存时输入价格优势明显，为 0.4 元/百万 Token，远低于 kimi-k2-0711-preview 缓存命中的 1 元/百万 Token；未命中缓存时，qwen3-coder-plus 价格与 kimi-k2-0711-preview 缓存未命中时相同。
• 在 32k - 128k 区间，qwen3-coder-plus 命中缓存时价格为 2.4 元/百万 Token，低于 kimi-k2-0711-preview 缓存命中的 1 元/百万 Token；未命中缓存时，qwen3-coder-plus 价格 4.2 元/百万 Token 略高于 kimi-k2-0711-preview 缓存未命中的 4 元/百万 Token。
• 在 128k - 256k 区间和 256k - 1M 区间，qwen3-coder-plus 命中缓存时价格分别为 4 元/百万 Token 和 8 元/百万 Token，均高于 kimi-k2-0711-preview 缓存命中的 1 元/百万 Token；未命中缓存时，qwen3-coder-plus 价格也高于 kimi-k2-0711-preview 缓存未命中的价格。

2. 输出价格对比

• qwen3-coder-plus：

  • 0 - 32k：每千 Token 输出价格是 0.016 元，每百万 Token 价格为 16 元。
  • 32k - 128k：每千 Token 输出价格是 0.0168 元，每百万 Token 价格为 16.8 元。
  • 128k - 256k：每千 Token 输出价格是 0.02 元，每百万 Token 价格为 20 元。
  • 256k - 1M：每千 Token 输出价格是 0.1 元，每百万 Token 价格为 100 元。

• kimi-k2-0711-preview：每百万 Token 输出价格是 16 元。

对比总结：在 0 - 32k 区间，两个模型输出价格相同；在 32k - 128k、128k - 256k 和 256k - 1M 区间，qwen3-coder-plus 的输出价格逐渐高于 kimi-k2-0711-preview。

3. 其他差异

• 上下文长度：qwen3-coder-plus 未在上述价格信息中明确提及上下文长度，kimi-k2-0711-preview 模型上下文长度为 131,072 tokens，这在处理长文本时可能会影响实际成本和使用体验，比如上下文长度长的模型可能减少因截断而导致的交互次数，从而影响总体成本。

总体而言，在输入成本上，qwen3-coder-plus 在低 Token 数量且命中缓存时有优势，随着 Token 数量增加和未命中缓存时，kimi-k2-0711-preview 更具价格优势；在输出成本上，除了 0 - 32k 区间两者相同，其他情况下 kimi-k2-0711-preview 更有价格竞争力。

对比下来kimi感觉算是最便宜的

[oiuv]

将带有缓存命中价格的 qwen3-coder-plus 与 kimi-k2-0711-preview 进行价格对比，主要从输入价格和输出价格两方面展开：

1. 输入价格对比

• qwen3-coder-plus：根据输入 Token 数量区间有不同价格，且命中缓存时价格有较大优惠。

  • 0 - 32k：未命中缓存时，每千 Token 输入价格是 0.004 元，即每百万 Token 价格为 4 元；命中缓存时，每千 Token 输入价格是 0.0004 元，每百万 Token 价格为 0.4 元。
  • 32k - 128k：未命中缓存时，每千 Token 输入价格是 0.0042 元，每百万 Token 价格为 4.2 元；命中缓存时，每千 Token 输入价格是 0.0024 元，每百万 Token 价格为 2.4 元。
  • 128k - 256k：未命中缓存时，每千 Token 输入价格是 0.005 元，每百万 Token 价格为 5 元；命中缓存时，每千 Token 输入价格是 0.004 元，每百万 Token 价格为 4 元。
  • 256k - 1M：未命中缓存时，每千 Token 输入价格是 0.01 元，每百万 Token 价格为 10 元；命中缓存时，每千 Token 输入价格是 0.008 元，每百万 Token 价格为 8 元。

• kimi-k2-0711-preview：

  • 缓存命中时，每百万 Token 输入价格是 1 元。
  • 缓存未命中时，每百万 Token 输入价格是 4 元。

对比总结：

• 在 0 - 32k 区间，qwen3-coder-plus 命中缓存时输入价格优势明显，为 0.4 元/百万 Token，远低于 kimi-k2-0711-preview 缓存命中的 1 元/百万 Token；未命中缓存时，qwen3-coder-plus 价格与 kimi-k2-0711-preview 缓存未命中时相同。
• 在 32k - 128k 区间，qwen3-coder-plus 命中缓存时价格为 2.4 元/百万 Token，低于 kimi-k2-0711-preview 缓存命中的 1 元/百万 Token；未命中缓存时，qwen3-coder-plus 价格 4.2 元/百万 Token 略高于 kimi-k2-0711-preview 缓存未命中的 4 元/百万 Token。
• 在 128k - 256k 区间和 256k - 1M 区间，qwen3-coder-plus 命中缓存时价格分别为 4 元/百万 Token 和 8 元/百万 Token，均高于 kimi-k2-0711-preview 缓存命中的 1 元/百万 Token；未命中缓存时，qwen3-coder-plus 价格也高于 kimi-k2-0711-preview 缓存未命中的价格。

2. 输出价格对比

• qwen3-coder-plus：

  • 0 - 32k：每千 Token 输出价格是 0.016 元，每百万 Token 价格为 16 元。
  • 32k - 128k：每千 Token 输出价格是 0.0168 元，每百万 Token 价格为 16.8 元。
  • 128k - 256k：每千 Token 输出价格是 0.02 元，每百万 Token 价格为 20 元。
  • 256k - 1M：每千 Token 输出价格是 0.1 元，每百万 Token 价格为 100 元。

• kimi-k2-0711-preview：每百万 Token 输出价格是 16 元。

对比总结：在 0 - 32k 区间，两个模型输出价格相同；在 32k - 128k、128k - 256k 和 256k - 1M 区间，qwen3-coder-plus 的输出价格逐渐高于 kimi-k2-0711-preview。

3. 其他差异

• 上下文长度：qwen3-coder-plus 未在上述价格信息中明确提及上下文长度，kimi-k2-0711-preview 模型上下文长度为 131,072 tokens，这在处理长文本时可能会影响实际成本和使用体验，比如上下文长度长的模型可能减少因截断而导致的交互次数，从而影响总体成本。

总体而言，在输入成本上，qwen3-coder-plus 在低 Token 数量且命中缓存时有优势，随着 Token 数量增加和未命中缓存时，kimi-k2-0711-preview 更具价格优势；在输出成本上，除了 0 - 32k 区间两者相同，其他情况下 kimi-k2-0711-preview 更有价格竞争力。

对比下来kimi感觉算是最便宜的

是的，主要是不只看价格，还要看效果，测试k2可以用，不知道是不是心理作用，我感觉不如gemini-2.5模型效果好，但能用，可以做为代替方案。

[Pidbid]

将带有缓存命中价格的 qwen3-coder-plus 与 kimi-k2-0711-preview 进行价格对比，主要从输入价格和输出价格两方面展开：

1. 输入价格对比

• qwen3-coder-plus：根据输入 Token 数量区间有不同价格，且命中缓存时价格有较大优惠。

  • 0 - 32k：未命中缓存时，每千 Token 输入价格是 0.004 元，即每百万 Token 价格为 4 元；命中缓存时，每千 Token 输入价格是 0.0004 元，每百万 Token 价格为 0.4 元。
  • 32k - 128k：未命中缓存时，每千 Token 输入价格是 0.0042 元，每百万 Token 价格为 4.2 元；命中缓存时，每千 Token 输入价格是 0.0024 元，每百万 Token 价格为 2.4 元。
  • 128k - 256k：未命中缓存时，每千 Token 输入价格是 0.005 元，每百万 Token 价格为 5 元；命中缓存时，每千 Token 输入价格是 0.004 元，每百万 Token 价格为 4 元。
  • 256k - 1M：未命中缓存时，每千 Token 输入价格是 0.01 元，每百万 Token 价格为 10 元；命中缓存时，每千 Token 输入价格是 0.008 元，每百万 Token 价格为 8 元。

• kimi-k2-0711-preview：

  • 缓存命中时，每百万 Token 输入价格是 1 元。
  • 缓存未命中时，每百万 Token 输入价格是 4 元。

对比总结：

• 在 0 - 32k 区间，qwen3-coder-plus 命中缓存时输入价格优势明显，为 0.4 元/百万 Token，远低于 kimi-k2-0711-preview 缓存命中的 1 元/百万 Token；未命中缓存时，qwen3-coder-plus 价格与 kimi-k2-0711-preview 缓存未命中时相同。
• 在 32k - 128k 区间，qwen3-coder-plus 命中缓存时价格为 2.4 元/百万 Token，低于 kimi-k2-0711-preview 缓存命中的 1 元/百万 Token；未命中缓存时，qwen3-coder-plus 价格 4.2 元/百万 Token 略高于 kimi-k2-0711-preview 缓存未命中的 4 元/百万 Token。
• 在 128k - 256k 区间和 256k - 1M 区间，qwen3-coder-plus 命中缓存时价格分别为 4 元/百万 Token 和 8 元/百万 Token，均高于 kimi-k2-0711-preview 缓存命中的 1 元/百万 Token；未命中缓存时，qwen3-coder-plus 价格也高于 kimi-k2-0711-preview 缓存未命中的价格。

2. 输出价格对比

• qwen3-coder-plus：

  • 0 - 32k：每千 Token 输出价格是 0.016 元，每百万 Token 价格为 16 元。
  • 32k - 128k：每千 Token 输出价格是 0.0168 元，每百万 Token 价格为 16.8 元。
  • 128k - 256k：每千 Token 输出价格是 0.02 元，每百万 Token 价格为 20 元。
  • 256k - 1M：每千 Token 输出价格是 0.1 元，每百万 Token 价格为 100 元。

• kimi-k2-0711-preview：每百万 Token 输出价格是 16 元。

对比总结：在 0 - 32k 区间，两个模型输出价格相同；在 32k - 128k、128k - 256k 和 256k - 1M 区间，qwen3-coder-plus 的输出价格逐渐高于 kimi-k2-0711-preview。

3. 其他差异

• 上下文长度：qwen3-coder-plus 未在上述价格信息中明确提及上下文长度，kimi-k2-0711-preview 模型上下文长度为 131,072 tokens，这在处理长文本时可能会影响实际成本和使用体验，比如上下文长度长的模型可能减少因截断而导致的交互次数，从而影响总体成本。

总体而言，在输入成本上，qwen3-coder-plus 在低 Token 数量且命中缓存时有优势，随着 Token 数量增加和未命中缓存时，kimi-k2-0711-preview 更具价格优势；在输出成本上，除了 0 - 32k 区间两者相同，其他情况下 kimi-k2-0711-preview 更有价格竞争力。

对比下来kimi感觉算是最便宜的

是的，主要是不只看价格，还要看效果，测试k2可以用，不知道是不是心理作用，我感觉不如gemini-2.5模型效果好，但能用，可以做为代替方案。

Token 消耗太大了，我也觉得2.5pro更好一些，最近在考虑自己搞32b 的 coder一类的模型试试

[oiuv]

新出的GLM 4.5好像更便宜了

[i-smile]

新出的GLM 4.5好像更便宜了

GLM 4.5 他们有两种收费模式，一种是扣费模式，一种是资源包模式。我看到资源包在打折，就买了来试用，发现token消耗很大，命中缓存依旧是按原token计算扣除。
看计费模式的时候，命中缓存应该是20%的价。（不确定是否确实如此，因为我有资源包，优先使用资源包中的token，还没出发计费模式）

[JohnsonGond]

如果有自定义模型的需求，可以用claude code呀，现在K2, GLM-4.5都支持claude code，系统变量里填上对应的url和api key就行

[oiuv]

如果有自定义模型的需求，可以用claude code呀，现在K2, GLM-4.5都支持claude code，系统变量里填上对应的url和api key就行

我也在用了，目前国内阿里Qwen3-Coder-Plus、kimi kimi-k2-turbo-preview、智谱GLM-4.5都提供了接入支持，只用在系统环境变量ANTHROPIC_BASE_URL改为对应模型提供的URL，ANTHROPIC_AUTH_TOKEN换成对应模型的密钥即可直接用。

QWEN base_url：https://dashscope.aliyuncs.com/api/v2/apps/claude-code-proxy
Kimi K2 base_url：https://api.moonshot.cn/anthropic
GLM 4.5 base_url：https://open.bigmodel.cn/api/anthropic

不过，不管用啥模型都的确太消耗token。用到最后我还是用gemini-cli了，要不你看这token得花多少钱，用国内的我很心疼钱~

[JohnsonGond]

千万级的token使用量确实遭不住...毕竟写码的话基本上是整个项目的代码作为context，确实开销很大。如果有cache就还好，但看了一些使用反馈，包括qwen3、GLM-4.5在内，好像都把cache命中的token按一般使用计算了。

[greister]

平时你们是怎么用的？
感觉，这个特别消耗，怎么去控制？

[oiuv]

平时你们是怎么用的？ 感觉，这个特别消耗，怎么去控制？

控制不住，我8月一个月用了1600了，而且还是不是天天用。

[gatspy]

老哥 ，太有钱了，直接充值2W

😅这不是重点啊

这才是重点啊~~~ 😄