LLM成本节省：中国模型竟自动输出汉字

一位运行双语新闻推送机器人（每天约需调用936次LLM）的开发者，在OpenRouter上寻找更便宜的模型。在17个免费模型中，只有3个可用，且存在速度慢或缺乏JSON支持等问题。随后，开发者发现了付费的中国模型inclusionai/ling-2.6-flash，每百万输入令牌仅0.010美元，比之前使用的deepseek-v4-flash（0.098美元）便宜8倍，速度快4倍。然而，部署后，机器人开始在俄语新闻标题中输出中文字符。测试显示，17%的短摘要和57%的长分析包含中文文本。解决方案是添加一个CJK（中日韩统一表意文字）正则表达式检测器：如果发现中文字符，则将该请求重新发送至干净的deepseek-v4-flash模型。修复后，污染率降至0%（0/8）。开发者还学到了三个意外教训：成本取决于新闻来源而非用户数量；即使对价格为0的模型，账户余额为负时免费模型也会停止工作；缺少max_tokens参数会导致巨大的令牌预留。最终流程中，ling-2.6-flash作为主要模型，deepseek-v4-flash作为CJK清洗的备用模型，gemma:free作为最后手段。月度成本从14.8美元降至约8.6美元，节省了42%，而非预期的8倍，原因是长分析需要双重付费。