实测 9 款大模型：要求输出更简洁确实省钱，压缩输入提示反而更贵

大语言模型普遍偏冗长，而对调用方而言，唯一可控的只有输入内容和输出风格。近日 Claude Code 上线了「简洁输出」模式，将这一问题再次推到开发者面前。一项新研究系统性地测算了「缩短输入提示」与「让模型缩短输出」两种策略在多个主流大模型上的成本与准确率表现，给出了量化结论。

研究方法

研究团队在 9 款模型上做了对照实验，覆盖 GPT-4o、GPT-5.4、Claude Haiku 4.5、Claude Sonnet 4.6、Qwen2.5-VL-7B、Qwen3.5-9B、DeepSeek-R1-Distill、Gemma-4-E4B 和 Kimi-K2.6。评估维度包括：

• 5 个短答案数据集
• 10 种语言的输出测试（德语、西班牙语、法语、斯瓦希里语、中文、日语、俄语、孟加拉语、泰语、泰卢固语）
• 1 个长文本摘要任务
• 每个任务设置 5 个压缩等级

衡量指标包括费用、准确率，以及压缩后的文本是否仍与无约束回答的语义一致。

核心发现

缩短输出能省钱且不影响准确率。 在 API 模型上，要求模型给出更短的回答平均可节省约 1.5 倍费用，最佳情况下可达 3 倍。值得注意的是，这一效果在多种语言上均稳定有效。

缩短输入提示反而更贵更差。 压缩输入侧的效果与预期相反：在最差基准上费用反而上升了 96%。原因是模型会「补足」被裁掉的上下文，导致输出变长，费用上升的同时准确率反而下降。

输出 token 单价高于输入 token。 在单轮短任务场景下，主动约束输出长度具有结构性省钱优势。

压缩后的正确回答，约一半情况下推理路径已改变。 也就是说，答案虽然对，但模型得出该答案的过程与无约束回答明显不同。对只关心最终结论的用户来说这通常可接受，但如果需要稳定可解释的推理链，则需谨慎使用。

落地建议与局限

研究者特别提醒：部分厂商已在产品端内置「简洁模式」，但用户无法看到其计费方式，因此不能确认厂商是否真的按更少 token 收费。而通过 API 自行控制提示词时，节费效果是可验证的。

论文已发布在 alphaxiv（编号 2606.24083v1），代码与数据开源在 GitHub 仓库 danielle34/cavewoman，读者可自行复现实验。