模型可用性和 ID 已于 2026 年 10 月 14 日 根据 haimaker 目录 核实。这些是供你在自己任务上测试的候选项，而非新一轮严格对照的基准测试结果。
最便宜的 AI API 并不总是输入价格最低的那一个。输出 token 通常才是账单真正吃钱的地方，而编码智能体会产生大量输出。
所以更好的问题是：哪个 API 便宜到可以整天使用，同时又不会让智能体变得没用？
快速排名
| 模型系列 | 典型优势 | 注意事项 |
|---|---|---|
| DeepSeek V4.1 Flash | 输出极便宜，编码性价比高 | 可靠性可能不稳定 |
| Gemini 3.8 Flash | 长上下文、有免费额度可用、速度快 | 在困难任务上与 Argon 对比 |
| MiniMax M3 | 适合低成本的日常智能体工作 | 成熟度不如 Claude/OpenAI |
| Grok 4.1 Fast | 低成本下拥有超大上下文 | 并非最强的困难编码模型 |
| GPT-6 Luna / Claude Haiku 5.5 | 专注、大批量的任务 | 在你的智能体上测试工具调用和重试 |
| GLM-5.3 Flash | 预算型智能体工作 | 在你的任务上验证完成质量 |
| Ollama 本地模型 | 无 token 费用 | 硬件、速度和质量限制 |
如果你正在构建编码智能体，我不会只盯着表格上的单价去选最便宜的模型。我会选那个能完成枯燥工作、不需要人一直盯着的最便宜模型。
为什么输出价格很重要
聊天应用主要读取短提示、生成短回复。编码智能体则不同——它要读取文件、编写补丁、解释失败原因、重写测试，有时会输出大量代码。
这意味着输出定价至关重要。一个输入便宜但输出昂贵的模型，在第一次大规模重构之前看起来可能还不错。
对于高输出任务，DeepSeek V4.1 Flash 和 Grok 4.1 Fast 值得关注，因为它们的输出相对便宜。对于长上下文任务，Gemini Flash 和 Grok 4.1 Fast 通常优于上下文窗口狭小的小模型。
按使用场景推荐最便宜的 API
最便宜的日常智能体默认选择
从 MiniMax M3、DeepSeek V4.1 Flash 或 GLM-5.3 Flash 开始。对于目标明确的高吞吐工作，可以对比 GPT-6 Luna 和 Claude Haiku 5.5。它们足够便宜用于日常使用，也足够胜任常规编码工作。
最便宜的超大上下文方案
Grok 4.1 Fast 和 Gemini 3.8 Flash 是这一档的佼佼者。如果你的智能体需要在回答前读取大量内容，低廉的上下文成本比跑分炫耀更重要。
最便宜的本地方案
如果你已经拥有硬件，Ollama 是最便宜的选择。Gemma 4 和 Qwen3.8 是不错的首选。代价是速度——本地智能体在小规模编辑时体验很好，但在长链工具调用中体验可能很差。
最便宜的严肃回退方案
不要事事都依赖回退模型。Claude Sonnet 5.5、Gemini 4 Argon 和 GPT-6.1 Sol 更适合留给便宜默认模型已经失败过一次的任务。
实用的路由配置
使用这种模式：
- 便宜模型处理所有默认流量
- 长上下文模型处理仓库级别的读取
- 高端模型仅在便宜模型卡住时使用
- 本地模型处理私密或低风险工作
在 OpenClaw 中，这可能意味着：
- MiniMax M3 作为默认
- Gemini 3.8 Flash 用于长上下文
- Claude Sonnet 5.5 用于困难编码
- 通过 Ollama 运行 Gemma 4 处理私密本地任务
这不像追逐顶级基准模型那样光鲜亮丽，但它能省下真金白银。
对比总任务成本
在评估 API 定价时，估算一个完整任务：
total cost =
input_tokens / 1,000,000 * input_price
+
output_tokens / 1,000,000 * output_price
然后按正常一天的工作量来算，而不是只算单个提示。对于智能体来说，用便宜模型做默认和用高端模型做默认，成本差距在一个月内可以达到 10 到 50 倍。
Haimaker 的定位
如果你厌倦了为了对比价格而开通五个供应商账户，可以通过 Haimaker 进行路由。你只需一个 API key，就能在便宜模型、长上下文模型和高端模型之间切换，无需重写你的应用。如果发起这些调用的是编程智能体，你也不需要手动配置——npx -y @haimaker/connect 会写入智能体自身的配置以使用该单一 key（Claude Code、Codex、OpenClaw、opencode、Hermes、Cline 或 Kilo Code），这样以后切换便宜默认模型只是一次配置变更，而非重写。
这一点很重要，因为最便宜的模型会变。你的架构应该让切换模型这件事变得稀松平常。