彭则栋AI 使用实况

彭则栋Zedong Peng

上海交大计算机硕士在读,关注大模型开发与系统优化。这里记我每天用 AI 的用量、花费和手记。

用量

    读取中…
    API 价按官方标价折算。

    手记

    1. Opus 5.5 跑分与价格都优于 Astra,改自订 Claude

      Opus 5.5 发布后,Artificial Analysis 跑分优于 Astra。OpenAI Pro 20x 订阅额度减半后,按 real API price 折算,网站给出的 real model 价格 Opus 5.5 也优于 Astra,目前个人最优解是自己订阅 Claude。 现在的订阅:Claude Max 5x,$100/月,主力;实验室中转,每周 $200 额度;OpenCode Go,$10/月,多数模型每月 $60 额度,跑简单任务;Cursor Pro,教育优惠免费一年。 远程方案:海外 Mac mini 放同学家做落地,桌面远控直连;另一路是笔记本经 Tailscale ssh 到海外主机开 tmux 跑 Claude Code,再跳到实验室 GPU 服务器改代码做实验。

    实验

    中转站按站点分开记录 · 近 7 天

    中转站用量

    反馈 ↗
    渠道Input 倍率糖果检测可用性缓存率购买力
    tokenshop.homes—————
    fengchao-api.com—————
    zlab(不对外注册)上游:fengchao-api.com—————
    OpenAI Pro 20x 订阅————100%
    读取中…
    只含我经 VPS 调用 GPT-6-ASTRA 的请求。可用性 = 成功 / 总请求,跨站切换分别计数;缓存率 = 缓存读取 / 总输入。
    糖果检测:每天 08:00 跑 5 次,全对为 ✓。回复含独立数字 21 算对。只是一道固定题,不代表模型能力。
    Input 倍率:上游声明的生效倍率,每 5 分钟同步;探测失败时沿用上次值。
    购买力:按各渠道近 7 天的实际 token 结构和倍率,估算 $200 能买到的总 token,Pro 20x 样本记为 100%。* 表示倍率沿用旧值。假设 ¥1 充 $1 额度,不是实付账单。汇率 1 USD = 6.7223 CNY(2026-09-01)。
    成本试算$200 在不同渠道能换多少 GPT-6-Astra API 额度

    $200 GPT-6-Astra API 等价额度对比

    算法

    输入输出比例沿用 Pro 20x 样本。中转切号会让部分缓存失效,所以只按中转缓存率重新拆分输入,再乘单价、计费倍率和充值倍率。token 单位为百万;充值倍率指 ¥1 能充多少美元额度。

    中转样本标准价费用 = 总输入 × [(1 − 缓存率) × $10 + 缓存率 × $1] + 总输出 × $50 中转样本实付(元)= 中转样本标准价费用 × 计费倍率 ÷ 充值倍率 可购买的样本份数 = ($200 × 6.7223) ÷ 中转样本实付(元) API 等价额度 = 可购买的样本份数 × Pro 20x 原始样本标准价费用

    Pro 20x

    输入缓存率

    样本来源

    原帖补充 1,一周原始数据
    类型Tokens标准价等值

    V2EX · msg7086 · 补充 1(2026-09-15)。全部为 GPT-6-Astra,多为 lightweight / medium,未开 fast。

    月用量 = 周样本 × 30/7。个人样本推算,不是官方额度。

    中转 A

    $ 额度 / ¥1

    中转 B

    $ 额度 / ¥1
    糖果题固定题检测与公开记录

    糖果题

    浏览器直连,渠道需支持 CORS。本地运行 python3 candy/local_server.py 可绕过。

    Key 只用于本次请求,不保存。记录刷新即清空。回复含独立数字 21 算命中,不代表模型身份。

    已测站点 (0)

    同一地址、备注、模型和强度只留最近一次,最多 100 项。

    还没有记录。

    题目与命令行
    
    
        
    echo "Downloading..." && curl -fL --progress-bar "https://raw.githubusercontent.com/haowang02/codex-candy-eval/main/codex_candy_eval.py" -o /tmp/codex_candy_eval.py && echo "Download complete." && python3 /tmp/codex_candy_eval.py -m gpt-6-astra -r low -n 5

    -m 模型,-r 推理强度,-n 次数。

    鹈鹕骑自行车同一个 prompt,不同模型和工具画出来的样子

    鹈鹕骑自行车

    份作品
    不要联网 不查看本地其他文件,创建一个 HTML,内容是 SVG 绘制一个鹈鹕骑自行车的 2D 动画

    看渲染结果,不看回复里的套话。

    Model
    Effort
    Provider
    Harness

    作品