团队每天花 255.6 元Qwen3.6 Flash或 426 元Qwen3.6 Plus在 LLM 调用上想降本。有人说用 API 缓存吧90% 折扣有人说先做意图识别85% 的请求不用调 LLM。到底哪个更省我们算过了——结论可能和你想的不一样。为什么意图识别比缓存更省核心区别在于意图识别是从根上省缓存是从量上省。意图识别通过 P0P1P2 流水线85% 的请求在本地完成完全跳过 LLM 调用——这意味着输入和输出 token 都省了。而缓存只能降低重复输入内容的计费输出 token 一分不少。以 Qwen3.6 Flash 为例输入 1.2 元/M输出 7.2 元/M日成本对比方案日成本节省比例无优化基线255.6 元—意图识别85%命中14.3 元94%API 缓存50%命中186.4 元27%换成 Qwen3.6 Plus输入 2.0 元/M输出 12.0 元/M差距同样明显方案日成本节省比例无优化基线426 元—意图识别85%命中23.8 元94%API 缓存50%命中310.7 元27%一句话意图识别节省 94%缓存节省 27%——差距不是一点点。缓存的三个前提缺一不可Qwen3.6 的显式缓存不是免费的午餐。它有三个硬性门槛前提 1前缀必须稳定且足够长缓存创建费比普通输入费贵——Flash 是 1.5 元/M vs 1.2 元/M贵 25%Plus 是 2.5 元/M vs 2.0 元/M贵 25%。需要缓存命中率超过22%才能覆盖创建成本。如果你的 system prompt tool schema 只有 730 tokens前缀太短时首次写入的额外成本可能超过后续节省。前提 2请求必须在缓存有效期内重复TTL 由用户控制但如果 system prompt 或工具 schema 频繁变更缓存需要重建增加创建成本。高频场景如客服天然满足低频场景需要评估缓存有效期内的请求量。前提 3前缀必须放在最前面缓存只匹配最长匹配前缀。如果请求格式是[用户输入][system prompt][工具定义]缓存完全失效。正确格式是[system prompt][工具定义][用户输入]。一句话缓存不是开开关关那么简单它有明确的适用边界。交叉点什么时候缓存更划算我们推导了交叉点公式结论是只要意图识别命中率 0就始终优于缓存。即使意图识别完全不跳过 LLM 调用P_full0%只要能精简工具集只传 20% 的 schema成本仍然低于缓存。缓存唯一的优势是在完全无法做意图识别时作为兜底。意图识别命中率意图识别日成本Flash缓存日成本Flash85%14.3 元186.4 元50%47.1 元186.4 元0%92.9 元186.4 元一句话意图识别是降本的第一选择缓存是锦上添花。混合方案极致节省先用意图识别过滤掉 85% 的请求剩余 15% 的 LLM 调用再用缓存优化——混合方案的日成本仅 11.8 元Flash或 19.6 元Plus节省 95%。方案Flash 日成本Plus 日成本节省比例混合方案意图识别 缓存11.8 元19.6 元95%一句话两者互补不是替代。投入产出评估方案Flash 日成本Flash 日节省Flash 年化节省Plus 日成本Plus 日节省Plus 年化节省工程投入无优化255.6 元00426 元000意图识别P0P114.3 元241.3 元~88,075 元23.8 元402.2 元~146,803 元中API 缓存50% 命中186.4 元69.2 元~25,258 元310.7 元115.3 元~42,085 元低混合方案意图识别 缓存11.8 元243.8 元~88,987 元19.6 元406.4 元~148,336 元高核心要点意图识别是降本的第一选择节省 94%投入产出比远高于缓存缓存是锦上添花节省 27%需要满足三个前提条件混合方案最优先用意图识别过滤再用缓存优化剩余调用节省 95%缓存创建费比输入贵 25%需要命中率 22% 才能覆盖只要意图识别命中率 0就始终优于缓存