AI 推理成本优化：模型路由/缓存/压缩的实战数字
B 方向·OPC 最佳实践（COGS 执行层）。on-device-ai-app-opportunities 提了「模型路由+缓存」原则、indie-pricing-models 定了「混合计价防穿仓」——本篇把实战数字补齐。
背景与问题
生产环境的 LLM 成本优化各手段能省多少？组合拳怎么排？
发现（生产实证数字，访问 2026-09-14）
- 组合拳总量：caching+batching+routing 全开时生产团队报告 60-80% 账单削减（GMI Cloud）；多数团队组合后省 50-70%（PremAI）。
- 单手段数字：模型路由（简单查询走小模型）省 40-75%；语义缓存命中时省 50-90%（命中率 25-35% 常态）；prompt 压缩/上下文压缩省 50-70% token；输出 token 上限（Morph 五杠杆、Kalvium、Mavik Labs）。
- 推荐堆叠顺序：①模型路由（40-60%）→②prompt caching（重复 token 省 50-90%）→③输出上限→④批处理（非实时任务）（Tokonomics）。
推测（映射到本产品线）
- 防诈判断：可疑话术库比对是高重复查询——语义缓存命中潜力大（话术库有限集合）；「新话术」才走大模型。
- 见守对话：每日确认是固定流程 → IVR 模板（零 token）；AI 对话周 2-3 次（japan-ai-welfare-call 混合架构）已是最强压缩。
- 回忆录整理：批次化（夜间批处理非实时）+ 小模型初稿/大模型终稿双段路由。
结论
可行动启发：
- 堆叠顺序执行：路由（默认便宜模型+贵模型白名单触发）→ 话术库语义缓存 → 输出上限 → 夜间批处理——按此顺序每步测质量衰减，不一次全开。
- COGS 表加「缓存命中率」指标（opc-finance-dashboard）：命中率 <20% 说明查询太散（产品/话术库该收敛），>40% 说明 COGS 优化到位。
- 「贵模型白名单」写进产品规则：哪些触发走大模型（新话术模式/成书章节生成），白名单外的升级请求拒绝——防止单用户烧穿（indie-pricing-models 的 credits 上限的技术执行件）。
- 模型换代复测节奏：季季用固定测试集重跑「便宜模型能否接住」——模型降价/能力提升是持续的外部红利（on-device-ai-app-opportunities 的端侧演进同理），COGS 只会越测越低。
待办 / 下次继续
关联
- 执行层服务 indie-pricing-models（COGS 假设）、on-device-ai-app-opportunities（路由原则）、japan-ai-welfare-call（混合架构）、opc-family-graph-schema（无直接关系但同属技术层）。