Claude API 中转站怎么选：价格、缓存和工具调用怎么核对

中转站给你一个 API 地址和一个 Key。你的请求发给它，由它转给模型，用量从你在它那里的余额里扣。国内用户用中转站，多半是因为 Anthropic 的服务地区不包括中国大陆，官方 API 的注册和付款都不方便。

中转站的价格一般写成「倍率」，也就是按 Anthropic 官方价乘一个系数扣额度。只看倍率会算错，还要看充多少钱能拿到 $1 额度。实际单价是：

人民币单价 = 官方美元价 × 倍率 × 每 $1 额度的人民币价格

举个例子，两家中转站是虚构的，模型的官方输入价是每百万 token $2：

• A 站倍率 0.5，充 ¥1 得 $1 额度：2 × 0.5 × 1 = 每百万 token ¥1。
• B 站倍率 1，按汇率充值，¥7.2 得 $1 额度：2 × 1 × 7.2 = 每百万 token ¥14.4。

B 站的倍率只是 A 站的两倍，实际单价却是 A 站的 14 倍多。比较的时候，把每家都折成每百万 token 多少人民币再比。

Claude Code 的一次对话里，大部分输入是每一轮都要重新发送的历史内容，省钱靠的是提示缓存。官方缓存读的价格大约是输入价的十分之一，部分新模型更低。中转站不支持缓存，或者把缓存读按输入价收，用 Claude Code 的花费会差出好几倍。

自己测一下：同一段长前缀连发两次，看每次返回的 usage。

from anthropic import Anthropic

client = Anthropic(base_url="https://中转站地址", api_key="你的key")

# 一段长文本，比如上万字的 README
doc = open("README.md", encoding="utf-8").read()

for i in range(2):
    message = client.messages.create(
        model="claude-sonnet-5-5",
        max_tokens=1024,
        system=[{"type": "text", "text": doc, "cache_control": {"type": "ephemeral"}}],
        messages=[{"role": "user", "content": "用一句话总结这份文档。"}],
    )
    u = message.usage
    print(i + 1, "写入", u.cache_creation_input_tokens, "读取", u.cache_read_input_tokens, "未缓存", u.input_tokens)

• 第一次 cache_creation_input_tokens 大于 0（写进缓存），第二次 cache_read_input_tokens 大于 0（从缓存读），缓存就是生效的。
• 两次都是 0，要么这家不支持缓存，要么前缀太短。前缀不到最小长度不会缓存，最小长度按模型从几百到几千 token 不等，用上万字的文本测就不会碰到。
• 两次请求要在 5 分钟内发出，缓存默认 5 分钟过期。

再到中转站的用量明细里找这两条请求：命中缓存的部分应该按缓存读的单价扣，而不是按输入价。

Claude Code 读文件、改代码、跑命令都靠工具调用，回答是流式返回的。有的中转站会把请求转成别的格式再转回来，这时最容易坏的就是工具调用和流式输出。测工具调用：

message = client.messages.create(
    model="claude-sonnet-5-5",
    max_tokens=1024,
    tools=[{
        "name": "get_weather",
        "description": "查询一个城市现在的天气",
        "input_schema": {
            "type": "object",
            "properties": {"city": {"type": "string"}},
            "required": ["city"],
        },
    }],
    messages=[{"role": "user", "content": "上海现在天气怎么样？"}],
)
print(message.stop_reason)
for block in message.content:
    if block.type == "tool_use":
        print(block.name, block.input)

stop_reason 是 tool_use，并且打印出 get_weather {'city': '上海'} 这样一行，工具调用就是通的。

流式输出用《用 Anthropic 或 OpenAI SDK 调用 Claude API》里 client.messages.stream 的例子跑一次。文字一段一段地出来，而不是等很久一次性出来，就是正常的。

上面几项都过了，再让 Claude Code 做一件真实的任务。按《用 API Key 接入 Claude Code》设好地址和 Key，在一个项目目录里让它读几个文件、改一处代码、跑一次测试。

• 整个过程没有报错，也没有中途断开。
• 多聊几轮之后看用量明细，后面几轮的输入大部分应该是缓存读。
• 扣的费用和你按价格表算出来的对得上。

先看 /v1/models 列了哪些模型，再看每次返回的 model 字段、用量明细里记的模型，和你请求的是不是同一个。这两样都是中转站自己报的，只能说明它声称给了什么。更可靠的办法是拿同一个任务在官方或别的渠道各跑一次，比较结果。做不到的话，至少确认上面的缓存、工具调用和 Claude Code 实测都正常。

• 每条请求能不能查到模型、token 数和费用。查不到明细，就没法核对扣费。
• 余额会不会过期，充值后能不能退。
• 能不能开票，开的是什么票。
• 团队用的话，能不能每人一个 Key，单个 Key 能不能限制并发和可用的模型。

• 请求内容会经过中转站。看它的隐私条款写了保存哪些内容、保存多久，密钥和敏感数据不要发给不放心的中转站。
• 在晚上的高峰时段多试几次，看响应速度和报错多不多。
• 出错时返回的信息要看得懂：余额不足、Key 无效、被限流，应该分得清。