Logo
Section 1 / 2

基于 OpenRouter 的成本感知开发

通过 OpenRouter 的 Activity 页面和 credits 端点，以编程方式监控 API 使用情况，并通过提示缓存将令牌成本降低高达 90%。本课程涵盖按令牌计价、Anthropic 模型所需的显式 cache_control 语法，以及财务防护措施，包括每密钥支出限额和团队级预算。

导入

基于 OpenRouter 的成本感知开发

通过 OpenRouter 的 Activity 页面和 credits 端点，以编程方式监控 API 使用情况，并通过提示缓存将令牌成本降低高达 90%。本课程涵盖按令牌计价、Anthropic 模型所需的显式 cache_control 语法，以及财务防护措施，包括每密钥支出限额和团队级预算。

...
OpenRouter 活动页面的截图，显示一个包含模型、提示令牌、完成令牌和成本列的表格
提供商启用方式读取成本（缓存）写入成本/条件
OpenAI自动输入的 0.25x – 0.50x免费。需要最小提示大小为 1,024 个令牌。
Google Gemini自动输入的 0.25x免费。需要满足最低令牌阈值。
Anthropic通过 cache_control 显式设置输入的 0.1x5 分钟 TTL：输入的 1.25x。1 小时 TTL：输入的 2.0x。需要满足最低令牌阈值（例如 1,024 或 4,096）。

在 OpenRouter 上为 Anthropic 的 Claude 设置缓存控制

1import os
2import requests
3
4api_key = os.getenv("OPENROUTER_API_KEY")
5
6response = requests.post(
7    url="https://openrouter.ai/api/v1/chat/completions",
8    headers={
9        "Authorization": f"Bearer {api_key}",
10        "Content-Type": "application/json",
11    },
12    json={
13        "model": "anthropic/claude-sonnet-4.6",
14        "messages": [
15            {
16                "role": "user",
17                "content": [
18                    {
19                        "type": "text",
20                        "text": "Your long system context or document here...",
21                        "cache_control": {"type": "ephemeral"}
22                    }
23                ]
24            }
25        ]
26    }
27)
28# ... handle response

模型抽象与路由

比较与基准测试模型