Claude vs GPT vs Gemini API

很多开发者在选API的时候容易被官方那个“起步价”给骗了，其实真正跑起来，尤其是处理长文本的时候，不同家的计费逻辑坑深得离谱。我最近在对比这三家的模型，发现2026年的局势很有意思：大家在上下文窗口（Context Window）上基本都卷到了1M这个量级，但怎么收钱完全不同。

先纠正两个社区里传很凶的误区，别再被那些二手博客给误导了：
1. Gemini 3.1 Pro 的上下文实际上是 1M，不是很多人传的 2M，Google 官方 Model Card 写得很清楚。
2. Google 的缓存（Caching）不是打 9 折那么简单，它是按存储时长收钱的（$1.00 / 1M tokens / 小时），而 OpenAI 才是直接给一个很低的缓存输入单价。

我把目前主流的几个型号实测情况梳理了一下，大家对号入座：

• Anthropic (Claude) 阵营： 现在最顶的是 Fable 5 (claude-fable-5)，6月9号刚全面开放。这玩意儿推理能力确实强，但价格也贵得惊人，输入 $10 / 输出 $50 (每 MTok)。如果你追求性价比，Sonnet 5 还是那个最稳的平衡点。
• OpenAI (GPT) 阵营： GPT-5.5 是旗舰，但真正拉开差距的是 GPT-5.5-Pro，那个推理能力更高，价格也更猛。至于量大走量的，GPT-5.4-Mini 依然是首选。
• Google (Gemini) 阵营： 3.1 Pro Preview 是目前顶端，3.5 Flash 负责中端，3.1 Flash-Lite 则是走极致低价路线。

关于上下文窗口，这里有个极其关键的避坑细节：
Gemini Pro 虽然支持 1M 窗口，但它在 200K tokens 之后会触发阶梯计费，也就是说，一旦你的 Prompt 超过 200K，输入和输出的单价都会上涨。相比之下，Claude 的 Fable 5、Opus 4.8 和 Sonnet 5 比较厚道，1M 窗口内全部统一单价，没有所谓的“长文本溢价”。

如果你在做 AI Agent 部署，需要频繁调用长上下文，建议重点关注缓存机制。我实测了一下，对于那些需要反复读取同一个大型文档的场景，用 OpenAI 的缓存能省下大约 90% 的输入成本，而 Google 的方案更适合那种文档更新频率极低且调用极其频繁的场景（因为它是按小时收存储费）。

这里分享一个我用来快速测试模型上下文召回率（Needle In A Haystack）的简单 Python 脚本片段，大家可以直接拿去跑自己的数据，别盲信官方的 1M 宣传：

import openai # 以GPT-5.4为例

def test_recall(context_size, needle="The secret code is 8888"):
    # 构造一个包含大量随机文本和一条特定信息的 context
    haystack = "Random noise text " * (context_size // 5) 
    full_prompt = f"{haystack}\n{needle}\n{haystack}"
    
    response = openai.ChatCompletion.create(
        model="gpt-5.4",
        messages=[{"role": "user", "content": f"{full_prompt}\n\nWhat is the secret code?"}]
    )
    return response.choices[0].message.content

# 测试 500K token 时的召回情况
print(test_recall(500000))

总之，2026 年选 API 的逻辑已经变了：不再是看谁的窗口大，而是看谁的“长文本单价”更透明。如果你的业务涉及超长文本且不想在账单上看到惊喜，Claude 现在的计费模式最简单；如果追求极致的推理深度且预算充足，直接冲 Fable 5 或 GPT-5.5-Pro。