问题
在多轮模型降价的背景下，运行大规模 AI 工作负载的团队需要管理 token 成本。信号显示新模型不断推出更具性价比的选项：GPT-6.1 Sol 定位为「near-Astra intelligence for a fifth of the price」（$2/$10 per M tokens，95% cached-input 折扣），Claude Opus 5.5 则在多数工作上媲美 Claude Fable 5.1 且运行成本比 Opus 5 低 40%。团队手动对比各家价格、缓存折扣和性能差异非常繁琐，容易继续用着贵的旧模型多花冤枉钱。
目标用户
需要控制 AI 推理成本的开发者团队与企业。以付费 API 规模使用大模型的公司几乎都会面临这个问题，但市场偏 B2B 且客户偏成熟团队。
解决方案
核心功能：
- 价格与能力追踪：自动抓取各模型厂商的定价、缓存折扣与性能更新
- 成本审计：分析你当前的 token 用量和模型选择，找出可降本的空间
- 切换建议：给出「换成新模型可省多少」的具体建议，附性能对比
- 一键或半自动切换：对兼容 API 的场景，平滑切换模型并回归验证
AI 的作用在于用模型评估不同选项在用户实际任务上的输出质量差异，而不仅是看跑分。
为什么是现在
两家头部厂商几乎同时发布大幅降价的模型（GPT-6.1 Sol 与 Claude Opus 5.5），说明模型成本进入快速变化期，手动跟进不再现实，自动化成本优化工具的价值窗口打开。
MVP 范围
第一版只做：接入 OpenAI 和 Anthropic 两家的公开定价数据，分析用户上传的 API 账单或 token 用量日志，输出降本建议报告。
明确不做：自动切换、性能回归验证、其他小厂商模型支持。
风险
平台依赖：工具依赖厂商公开定价信息，若厂商改变披露方式或提供官方优化工具（如自动缓存），产品价值可能被挤压。
信息更新压力：模型发布节奏快，数据滞后会让建议失效，需要持续运营。
竞争：OpenAI 和 Anthropic 自身的 Ultrafast 模式等官方功能已在解决部分成本问题。
信号证据
这张卡片依据的原始讨论。摘录保持原文，点“原文”查看上下文。
Latent Space9月30日新品发布隐含付费意愿
“OpenAI pitches it as “near-Astra intelligence for a fifth of the price”.”
OpenAI released GPT-6.1 Sol pitched as near-Astra intelligence at a fifth of the price, at $2/$10 per M tokens with a 95% cached-input discount.原文
TLDR AI9月23日新能力
“Anthropic introduced Claude Opus 5.5, saying it matched Claude Fable 5.1 on most work while costing 40% less to run than Opus 5.”
Anthropic's Claude Opus 5.5 matches Claude Fable 5.1 on most work while costing 40% less to run than Opus 5, with cheaper tokens and cache-read savings.原文