月花 200 刀调 Claude 的我，改了一行代码后现在只花 70

结论先说：把 base_url 换掉，账单直接砍掉 60%+。

背景

我司内部有个代码审查 bot，跑在 Claude Sonnet 上，每天大概处理 300-500 次 PR diff 分析。上个月账单出来：$187。不算离谱，但也不便宜——尤其是其中有大量请求其实只是在做"这段代码有没有明显 bug"这种简单判断，完全不需要 Sonnet 级别的模型。

问题有两个：

1. 模型选贵了。所有请求统一走 Sonnet，但 70% 的任务 Haiku 完全够用。

2. 直连 Anthropic 要梯子，公司服务器在国内，稳定性一直是个隐患，偶尔超时重试也在烧钱。

具体怎么改的

第一步：换 base_url

原来的代码大概长这样：


import anthropic



client = anthropic.Anthropic(api_key="sk-ant-xxx")

改成中转服务只需要加一行：


client = anthropic.Anthropic(

    api_key="你的中转 key",

    base_url="https://api.api2everything.xyz",

)

SDK 完全兼容，其他代码零改动。用 OpenAI SDK 的同理：


from openai import OpenAI



client = OpenAI(

    api_key="你的中转 key",

    base_url="https://api.api2everything.xyz/v1",

)

curl 验证一下是否通：


curl https://api.api2everything.xyz/v1/chat/completions \

  -H "Authorization: Bearer 你的key" \

  -H "Content-Type: application/json" \

  -d '{

    "model": "claude-haiku-4-5",

    "messages": [{"role": "user", "content": "hello"}],

    "max_tokens": 50

  }'

第二步：按任务复杂度路由模型

这才是省钱的核心。我把请求分了两类：


def get_model_for_task(task_type: str) -> str:

    # 简单判断类：语法检查、命名规范、明显 bug

    if task_type in ("lint", "naming", "simple_bug"):

        return "claude-haiku-4-5"

    # 复杂分析：架构问题、安全漏洞、性能优化

    return "claude-sonnet-4-5"



def review_code(diff: str, task_type: str):

    model = get_model_for_task(task_type)

    response = client.messages.create(

        model=model,

        max_tokens=1024,

        messages=[{"role": "user", "content": diff}]

    )

    return response.content[0].text

Haiku 比 Sonnet 便宜大约 20 倍，把 70% 的请求切过去之后，账单数学就很好算了。

第三步：加个 max_tokens 上限

之前没设，模型有时候会输出一大段废话。代码审查场景其实 512-1024 token 完全够，加个硬限制：


"max_tokens": 768  # 够用就行，别让它写小作文

改完之后

这个月账单折合下来大概 ¥500 出头（之前接近 ¥1400）。主要省在两块：

模型降级省了约 55%
中转价格本身比官方便宜，再省一截
国内直连，超时重试少了，间接也省了一些

稳定性反而比之前好，不用再维护梯子了。

我用的中转是 api2everything.xyz，支持 Claude / GPT / Gemini / DeepSeek 300+ 模型，OpenAI 格式兼容，注册送 ¥1 够试很久。SVIP 的话折扣力度更大，量大的可以算一下。