ChatGPT第三方推荐及省钱技巧

经验分享
1

一直想找寻一款好用的ChatGPT国内代理，但目前国内代理太多了，良莠不齐，用过好几款，但都因各种原因放弃了。

GPT 第三方 API 推荐

直到遇到了它 V3API

优点

  • 能用的模型多：使用标准的OpenAI接口协议访问68+模型，支持ChatGPT（所有模型）、Claude3.5、Gemini、Glm-4等系列最新模型，支持联网、绘画、语音等多种功能。

image
image1560×1038 91.6 KB

更多支持模型请看这里

支持的模型列表
gpt-3.5-turbo
gpt-3.5-turbo-0125
gpt-3.5-turbo-1106
gpt-3.5-turbo-16k
gpt-3.5-turbo-instruct
gpt-4
gpt-4-0125-preview
gpt-4-0613
gpt-4-1106-preview
gpt-4-32k
gpt-4-32k-0613
gpt-4-all
gpt-4-gizmo-*
gpt-4-turbo
gpt-4-turbo-2024-04-09
gpt-4-turbo-preview
gpt-4-vision-preview
gpt-4o
gpt-4o-2024-05-13
gpt-4o-all
gpt-4o-mini
gpt-4o-mini-2024-07-18
claude-3-5-sonnet-20240620
claude-3-haiku-20240307
claude-3-opus-20240229
claude-3-sonnet-20240229
dall-e-2
dall-e-3
deepseek-chat
deepseek-coder
gemini-1.5-flash
gemini-1.5-flash-latest
gemini-1.5-pro
gemini-1.5-pro-latest
gemini-pro
gemini-pro-vision
glm-4
google-palm
mj-chat
moonshot-v1-128k
moonshot-v1-32k
moonshot-v1-8k
n-gpt-4o
net-gpt-3.5-turbo
net-gpt-3.5-turbo-16k
net-gpt-4
net-gpt-4-0125-preview
net-gpt-4-32k
net-gpt-4-turbo
search-gpts-chat
stable-diffusion
suno-v3
suno-v3.5
text-ada-001
text-babbage-001
text-curie-001
text-davinci-002
text-davinci-003
text-davinci-edit-001
text-embedding-3-large
text-embedding-3-small
text-embedding-ada-002
text-embedding-v1
text-moderation-latest
text-moderation-stable
tts-1
tts-1-hd
whisper-1

或这里查看模型列表及价格

  • 价格便宜透明：对于使用 GPT4 来说，官网按月购买价格昂贵，且国内用户不易操作，还会有封号风险，而使用第三方API 则不会有封号风险，不限时间不限每日使用次数、按量计费、价格公道，人民币兑美刀比例大概在 2.0-2.5:1 左右（意思是1刀=2.00~2.5元），可参考上面的价格列表。

  • 插件众多：它支持非常多的插件，包括utools插件，Chatbox插件，BotGem(移动端)，ChatAir(安卓端)，ChatGPTBox(浏览器)等。

GPT 第三方插件推荐

utools 的 GPT 好友，文档见链接

  • 支持建立根据 prompt 建立并保存多个角色进行对话，支持清空对话后保留之前单个角色的聊天记录
  • 完美兼容第三方的 v3 API，可以查询 v3 API 的使用余额
  • 支持上传图片，支持 AI 绘画
    image
    image1214×1074 94.6 KB

Chatbox，官网见链接

  • 支持根据 prompt 建立并保存多个角色进行对话，根据建立 thread 的方式来重新新建 context 对话，之前的对话依然保留在页面上，能滚动查看
  • 有网页端、桌面端和安卓端，支持导出所有数据
  • 支持上传图片，支持绘画
  • 对第三方 API 的兼容稍差

image
image1920×1016 125 KB

更多插件支持查看这里

ChatGPT.好友 (推荐)
OpenAI官方库
NextChat
ChatBox
LobeChat
BotGem(移动端)
ChatAir(安卓端)
ChatGPTBox(浏览器)
CodeGPTGPT
VSCode沉浸式翻译

或到这里查看插件列表及使用方法

GPT API调用支持

完全兼容OpenAI接口协议，支持无缝对接各种支持OpenAI接口的应用。

所有聊天模型（包括非openai模型）都支持openai官方库，请求url和格式请都遵循openai的请求方式。

详细使用方法请看 V API - 为您提供稳定可靠的Openai GPT4 API转发服务！

省钱小技巧

要想省钱，我们首先得了解计费方式。

要了解计费方式，首先得了解几个概念。

提示(prompt)，顾名思义，就是你的问题了，加上你对问题背景的描述和要求。

补全，就是ai给你的回复的答案。

tokens，一个单词就是一个tokens，一个中文是一个tokens，一个标点符号也是一个tokens。

基准，就是 价格/1K tokens 为基础，计算某个模型的收费标准与它的关系。

倍率，就是把当前模型的收费标准与基准对比，计算出来的倍数关系。

模型倍率，不同模型的收费价格不一样，与基准的倍数关系就是模型倍率。

补全倍率，就是回复价格和提示价格之间的倍数关系。

倍率的目的主要为了直观的感受某个模型的价格，比如倍率越高，通常价格越贵，也意味这模型可能更强大，模型的维护成本可能更高。

然后有了这些概念，我们就可以自己计算每个模型收费是怎样的了。

比如：gpt-4o

模型倍率：2.5
提示 $0.005 / 1K tokens
补全倍率：3
补全 $0.015 / 1K tokens

1K tokens可以大致理解1000个字，模型倍率2.5说明比基准收费高2.5倍，补全倍率3说明回复的费用是提示词费用的3倍。这里基准是$0.0.2，这个基准值一般是根据市场和成本精细计算出来的，是个常数，通常不会变。

注意，这里的美元不是按美元比人民币 ，1比7.x去算的，这里的美元比人民币是1比2.0-2.5，这样的话，实际上同样的钱能买到更多的tokens。

然后我们根据公式算算这个模型每1k tokens多少钱？

根据公式：按量计费费用 = 分组倍率 x 模型倍率 x （提示token数 + 补全token数 x 补全倍率）/ 500000

注意：这里的分组倍率一般指不同用户群体或使用场景的不同收费标准，比如，企业用户和个人用户，教育行业和商业行业可能会有不同的分组倍率。这里的500000是一个常数，用来将计算结果标准化。这个数值之所以选择500K也是综合计算出来的，使得计算结果不会出现很多小数点，易于理解和对比，也使费用结果会更加直观，用户看起来更易接受。

好了，按量计费费用 = 1 x 2.5 x (1000 + 1000 x 3) / 500000 = 0.02 美元

然后对比下上面的价格，是不是就是： 提示$0.005 / 1K tokens + 补全 $0.015 / 1K tokens = 0.02 美元了。

巧了，好像刚好就是基准价格，哈哈哈。

然后再转换为人民币，这里按 2.25汇率 x 0.02 = 0.045人民币。

这说明，你的问题1000字，加回复1000字，然后选择gpt-4o模型，一次回答需要花费0.045人民币。

嗯，感觉是不是还是挺贵的，但通常你的问题极少出现1000字的情况，回复1000字以上的情况也不多，chatgpt的回复还是挺简洁的。

那么，知道了这些，怎么省钱相信你也知道了，我们能操作的空间，也只有 减少提示词和选择模型了，还有就是减少提问次数。

从这三点出发我们看看：

减少提示词，就是你的提示词尽可能的短且明确。不需要用多余的词，比如客套，寒暄，直接问你的核心问题就行。ai不是人，没有感情，更不理解文字本身，只是基于算法的文本时输出而已，说白了和小狗做算术类似。

选择模型，这个就需要根据自己的需求，选择合适的模型了，以达到性价比最高。

减少提问次数，这是本次省钱的重点，无论什么模型，减少提问次数肯定是最省钱的办法了。

那么这就涉及到优化提示词了，优化提示词，能让你用最少的提问，得到最好的回复，而不需要反复问，这样就能最大程度的为你省钱。

具体优化措施有（但不限于这些）

明确和具体： 确保你的提示词清晰明确，避免模糊或歧义的词语。
提供上下文和背景： 提供足够的上下文和背景信息，以帮助AI理解你的需求。例如，提供一些背景信息或具体的例子来说明你所需要的内容。
分步骤引导： 如果任务复杂，可以将其分解为几个步骤，每个步骤单独提示。例如，先让AI生成一个大纲，然后再让它扩展每个部分。
使用示例： 给出你希望的输出格式或风格的示例。
使用专业术语： 领域特定词汇可以帮助AI更好地理解问题。
结构化提示： 格式化你的问题，使其结构更清晰。
限制条件： 如果有必要，可以添加限制条件来约束生成的内容。
使用模板： 反复迭代，找到最好的提问方式，针对不同的场景或问题类型使用相应的模板。

总之，优化提示词就是经验之谈了，不同模型和行业可能有所不同，可以自己找资料学习学习。

也可参考这篇文章：https://ld246.com/article/1696246170187

还有一点，我们要注意，gpt是按token收费的，会话历史也是提示词的一部分，因此，为了减少提示词数，尽可能的减少历史或不使用历史，因为历史会导致重复收费。

比如，我通常限制历史3个以内，争取3个问题把问题问清楚。然后新问题就用新聊天窗口。

如果使用V3API，可以在面具功能里设置，可以为不同场景选择不同的面具。这里的面具你可以理解成不同的角色或场景或模板。

你可以自定义面具，也可以使用已有面具或修改已有面具等。面具中可以设置模型，单次回复token数限制，附带历史消息数等。

还可以预设提示词和系统指令，让ai更好的明确你的意图和扮演你指定的身份，而不用每次提问都附带很多说明提示词。

但要注意，这里的预设提示词也可能会重复收费，因此应尽量简洁明了。

image
image1748×850 74.9 KB

最后说说我的最佳实践，我一般日常优先使用国内大语言模型，比如通义千问，当国内大语言模型的回答不能很好的解决问题时，再去问chatgpt。

而如果需要调用api，比如开发了一个小软件需要ai（纯为了赶时髦），但又不想花费太高的话，推荐豆包的Doubao-lite-4k这个模型，价格非常便宜，假设你每天问100个问题，每次1000个token算，1年大约30多元吧，还送50万tokens免费额度。可参考：豆包模型价格一览表

最后总结下省钱的方法：

1. 优化提示词

2. 选择合适模型了

3. 减少提问次数

4. 设置合适的面具

5. 尽量使用新会话聊天，减少历史会话

6. 国内大语言优先

7. 使用国内最佳api

8. 推广赚取奖励

我需要GPT吗？

那么，我需要ChatGPT吗？国内大语言模型已经做得很好了。免费的它不香吗？

需要，诚然国内大语言模型已经发展的很不错了，其能力已接近chatgpt的水平，尤其是通义千问。但有时，国内的大语言模型还是存在一定的不足的，尤其是面对复杂问题和专业领域以及在英文资料方面。

所以，有一款称心如意的第三方ChatGPT使用还是挺不错的。

建议，国内大语言作为日常使用，已经基本够用了，当出现复杂问题或国内大语言模型无法很好解决的问题时，再结合ChatGPT一起使用，作为备用的模型，这样最大程度的满足需要，又最大程度的为你省钱。

根据我的经验，合理使用chatgpt不仅能为你助力，也花费不了多少钱，你值得拥有。（我用了一个多月，还没花费1元，偶尔用下）

最后

最后推荐我的分享码 https://api.v3.cm/register?aff=GlNE

被邀请注册的好友将获得 $0.3 余额奖励

[说明]

文章部分内容参考了https://ld246.com/article/1712489841707

3 个赞
2

大家可以分享下Ai的使用技巧。

今天发现Ai续写非常方便。

比如：

function moveTabBehindPinTab(tab) {
        const lastPinTab = Array.from(document.querySelectorAll(".layout__center .layout-tab-bar li.item--pin")).pop();
        // 如果tab在lastPinTab前面，则移动tab到lastPinTab之后
        // todo
}

请问 todo这里怎么写？

3

应该有理解力和一定智能吧，感觉相当于大学生水平

4

所谓的智力都是外在表现，本质上它是不理解文字本身的含义的，只是基于算法的输出。

目前来说AI还是个程序，程序是不具备主观思想的，都是基于既定算法的规律运行而已，唯有有主观思想时的人工智能，才真正意义上具备了一定的智力，这时候的人工智能称为强人工智能。

但强人工智能的带来未必一定是好事，也可能是灾难，一个觉醒的人工智能很可能会背叛人类。

5

感觉通过图灵测试无问题。
传统算法不会生产信息，只能聚合和筛选。
比如，现在可以提出要求直接输出代码，这是大模型真写，还是搜索出来的代码？

大模型似乎论文无藏私，因为openai做出来后，国内很快就复刻了，也似模似样，也让万物互联有了基础设施了。
那么之前为啥只有openai做？大抵也是惯性思维，这不可能出智能。

6

目前虽然Ai很强了，但还是无法通过图灵测试。我前几天还碰到一个问题，具体什么忘了，这个问题会导致所有ai崩溃，胡说八道，包括chatgpt。

提出要求直接输出代码，这是大模型真写，还是搜索出来的代码？

这是ai编写的，根据训练时的数据和用户要求综合生成，这其实和普通文本生成差不多。

openai的出现得益于大数据和机器学习，早期没有那么多的数据和足够的计算资源，所以机器学习很难发展。随着最近几年的大数据的到来使这成为可能，当时也有很多机构在研究，但可能没有像现在这么重视，也没有看到它的市场潜力。

就像中国互联网早期，很多人都在研究，但也只有那几家大公司成功了而已。

7

是的，离有觉醒的真智能还很远。又谷歌曾看不起cuda，据说大模型都要依赖cuda，不能另起炉灶？
我只是有疑问，为什么国内百度和讯飞复制得这么快，是因为有开源参考，还是照着论文做，喂足够数据就见效果？

8

确实是，我认为同从通过图灵测试，到强人工智能是ai的高速发展期和稳定期，之后就是科幻系列的，未可知。

我觉得国内发展这么快，这点不是中国最擅长的项目—模仿吗？从0到1很难，但别人做出来了，哪怕没有开源，有论文和理论基础，有现有产品参考，模仿出来中国还是能做到的。中国的特长是从1到n，然后叫微创新，哈哈哈。

这好比，让你创作一个颠覆世界的产品，很难。但苹果都出来了，虽然闭源。但，我模仿还模仿不出来吗？中国缺的不是技术，而是创新和高精尖技术。