长对话为什么越聊越贵：三种真正有效的裁剪法

用 API 做多轮对话的人早晚会发现一件事：同样的问题，聊到第 20 轮时的花费，可能是第 1 轮的十几倍。

很多人以为是模型”变慢了”或者”在偷懒”。都不是。原因在于对话的工作方式。

一、雪球是怎么滚起来的

关键认知：模型本身是无状态的。它不”记得”你们之前聊了什么。每一轮请求，客户端都要把之前的全部对话重新发一遍。

所以”聊得越久越贵”不是错觉，而是机制决定的。而且模型的输出也会算钱，输出又会成为下一轮输入的一部分——雪球滚两遍。

二、三种真正有效的裁剪法

方法一：摘要压缩

不发原始对话，发一份摘要。

代价：生成摘要本身也要花一次调用。所以阈值别设太低，否则省下的还不够摘要的成本。

方法二：滑动窗口

只保留最近 N 轮，更早的直接丢掉。

最简单，也最容易出问题——被丢掉的那部分如果包含关键设定，后面就全乱了。改进做法：把系统提示和关键设定固定在最前面，永远不参与滑动，只滑动普通对话轮次。

方法三：任务拆分

这是最有效但最少被想到的一种：别把不相关的事塞进同一个对话。

三、关于缓存的一点提醒

部分平台对重复的输入前缀有明显更低的计价。以 DeepSeek 官方定价页为例，其模型区分”输入（缓存命中）”与”输入（缓存未命中）”两种价格，缓存命中的单价远低于未命中。

这意味着一个实用的结构安排：把固定不变的内容放在最前面，把变化的内容放在最后。这样前缀能被复用，变动部分才按未命中计价。

四、优先级排序

五、一句话总结

长对话贵，是因为你每一轮都在重新发送全部历史。理解这一点，省钱的思路自然就清楚了：要么让历史变短（摘要、窗口），要么让历史变便宜（缓存），要么干脆别带历史（开新对话）。

本文事实来源

下列结论均来自官方页面，核实日期 2026-08-12。厂商页面随时会改，看到本文超过三个月未复核时，请以官方页面为准。

• DeepSeek 官方 API 定价页 — https://api-docs.deepseek.com/zh-cn/quick_start/pricing