先看 GPT-6 Astra 与 GPT-5.6 Sol 的标准 API 单价，再用 5 个工作习惯和 3 段可复制提示词减少无关输入、冗余输出与返工。
只比较模型单价，或只要求 AI 缩短回复，容易忽略上下文、推理 Token、返工和重跑带来的真实成本。
读完能拿走：拿走一套先缩小任务、再减少返工、最后用实际 usage 对比成本的方法，以及三段可以直接复制的提示词。
第一次只做这三步
减少无关上下文和重复返工，并用真实 usage 判断模型分工是否省钱。
先选一个经常重复、结果容易核对的真实任务。
用文中的通用任务提示词写清交付物、范围和验收标准。
记录结果、总用量和返工次数，再与原来的做法比较。
这次先拿到什么
一份范围清楚、可验收的任务提示词，以及一次可比较的结果、总用量和返工记录。
同样是让 AI 干活，Astra 的标准 API 单价，已经是 Sol 当前促销价的 2.5 倍。
先看价格，再聊怎么省。
| 模型 | 输入 | 输出 | | ------------------ | ---: | ---: | | GPT-6 Astra | $10 | $50 | | GPT-5.6 Sol 促销价 | $4 | $20 | | GPT-5.6 Sol 促销前 | $5 | $30 |
单位：美元／百万 Token。普通上下文、标准模式，未计缓存和工具费；截至 2026 年 9 月 5 日。数据：Astra 官方模型页、Sol 官方模型页。
对比现价，输入、输出都贵了 150%。Sol 促销至少持续到 11 月 21 日，后续以官网为准。
但单价高 2.5 倍，不代表每个任务的账单都高 2.5 倍。用了多少 Token、返工几次，都要算。
让它改一段文案，就圈出那一段和必要背景。别反复塞整库文件。
“帮我优化”太空。改成“面向新手，保留价格和来源，输出 3 个标题，各不超过 20 字”。
这里展示当前核验结果，活动条件以原始说明为准。
当前没有已核验的有效优惠
当前没有已核验的有效优惠
这里固定展示文章提到的 Prompt、Skill、工具、模板或外部链接。
当前展示 6 / 7 项，剩余 1 项可在资源总览中查看。
选一个你现在真实要推进的场景，把文中最有用的一步整理成任务、清单或作品记录，放进自己的成长资产里。
明确“只改第二段，其他不动”。避免为改一句话，反复重写全文。
长对话结束时，留一份目标、结论、约束、来源和待办，再开新任务；压缩时别丢关键条件。
提取字段、改格式、按明确规则整理，先看它能否达标。复杂判断再考虑 Astra。换低价模型省的是单价，不一定省 Token。
这些提示词用于减少无关输入、冗余输出和返工，尚未做前后账单实测，不承诺节省比例。它们不会自动修改模型、推理档或 API 计费模式。
请完成【任务】。
交付物：【格式、长度、验收标准】。
只使用与任务有关的材料；保留关键事实、数字、来源和约束。
不复述背景，不主动扩展任务。
修改已有内容时，只输出指定部分。
缺少会影响结论的信息时，先问；其余按合理假设推进并注明。
结论后仅补必要依据与未确认项。达到验收标准后停止。
请把本次对话整理成可供新任务继续使用的交接摘要，只包含：
1. 当前目标和验收标准；
2. 已确认事实与关键来源或文件位置；
3. 已完成事项和实际结果；
4. 必须保留的数字、条件、限制与权限边界；
5. 尚未确认的内容和下一步。
删除重复讨论和已放弃方案；若放弃原因会影响后续决定，保留原因。
不把假设写成事实，不把“计划做”写成“已经完成”。
建议控制在500字以内；若压缩会丢失关键条件，允许超出并说明。
复制摘要到新对话时，检查关键数字、文件和条件是否完整。换题可开新任务；仍依赖大量既有细节时，贸然重开可能增加重读和返工。
目标：【我希望完成的结果】。
验收：【可观察的完成标准】。
允许处理的范围：【文件、数据或任务边界】。
先读取完成任务必需的当前信息。搜索先定位，再读取相关片段；需要完整上下文时再扩大范围。
复用已确认且仍有效的事实和结果，不重复全量调查。
仅修改验收所需内容，不顺手重构、扩展功能或输出无关长报告。
验证直接影响结果的行为；同类失败重复时先判断原因，不连续盲试。
只有独立子任务带来的收益足以覆盖交接、复核与返工成本时才委派；遵守当前可用模型和权限。
不要声称已切换模型或推理档，除非实际工具或配置结果证明已生效。
不要为减少Token省略必要的事实核查、测试和授权检查。
最后只交付结果、验证证据和真实剩余问题。达到验收标准后停止。
reasoning.effort，比较实际 usage。推理文档API 单价表不用于推算 ChatGPT/Codex 订阅的 5 小时或每周额度。附图中的 Ultra 也不构成计费倍率证据。
当前没有已核验的有效优惠，可以先订阅后续更新。
当前没有已核验的有效优惠，可以先订阅后续更新。
若两种模型都使用 100 万普通未缓存输入 Token、10 万输出 Token，且无工具费、缓存写入、长上下文加价或重试：Astra 为 $15，Sol 促销价为 $6。实际任务的推理、输出和返工可能不同；这个算例不是个人账单或实测结果。
若按相同 Token 规模把 70% 的工作量从 Astra 移至 Sol、其余 30% 保留 Astra，理想成本为 0.7 × 0.4 + 0.3 × 1 = 0.58，即低 42%；80% 移至 Sol 则低 48%。按请求数量分流无法直接推出这些比例。原参考的“50%–65%”不能仅由 70%–80% 的请求下沉推出。
挑一个经常重复、结果容易核对的任务，先记录原来的完成质量和用量。试用提示词后，用相同材料与验收标准再比较，并记录返工；不要只比较输出字数。
提示词不会自动切模型，也不能保证省多少。回复短，不代表隐藏推理 Token 也少。
拿一个常做的任务对比：结果、总用量、返工次数。省下来的，才算数。