突然想盘点一下这三年来我用过的所有大模型 API 和各种订阅计划。从大一第一次调通 GPT-3.5-Turbo 到现在，这条线串起来，差不多就是我个人视角下的 LLM 平民化史。
2023：一扇门被打开
第一次接触大模型 API 是 2023 年大一的时候，用的 GPT-3.5-Turbo——当然不是官方渠道，那时候用的是 GitHub 上一个 API 中转站。工具链简单到不能再简单：ChatBox + API Key，一个填地址一个填 Key，就这么跑起来了。
后面陆续用上了 GPT-4o 等等。现在回头看，那个"ChatBox + 中转站"的组合真的给我打开了一扇大门：原来智能是可以按 token 计价、随取随用的。
把 API 用进自己的项目
光聊天很快就不满足了。我开始研究 OpenAI 的标准协议——messages 结构、role 设计、function calling——然后把大模型接进自己的项目里：把我的数据喂给模型做分析，让它给出相应的回答。
这一步很关键。从"用别人的壳聊天"到"让模型为我的数据工作"，API 才真正变成了生产力。OpenAI 协议后来成了事实标准，这段研究在之后每一个项目里都在复利。
开源模型与端侧折腾
再往后是阿里云的 Qwen2.5 系列。云上用是一方面，更有意思的是把开源模型部署到本地。
最难忘的一次是 Intel 和 ModelScope 的端侧模型挑战赛：在树莓派 5（4G 内存）上部署 Qwen2.5-0.5B。一块 4G 的板子，量化、推理框架选型、内存和线程的各种优化轮番上阵，最后性能跑到了 20 TPS。
在被云端 API 惯坏之后，重新在 4G 内存里抠性能的体验非常解毒——它让你真正理解推理成本是什么。
Coding Plan 时代
Agentic Coding 兴起之后，按 token 计费对重度用户越来越不友好，各家的包月 Coding Plan 成了新战场。我基本都试过一轮：
| 计划 | 价格 | 模型 | |---|---|---| | GLM Coding Plan | ¥99/月 | GLM-4.7 → GLM-5 | | MiniMax Plus 极速版 | ¥79/月 | M2.5 → M3 | | 阿里云 Coding Plan | ¥49/月 | Qwen3.5-Plus |
（注：阿里云那个是 49 元的 Coding Plan，不是 198 元的 Token Plan，别买错。）
期间也用过一段时间 DeepSeek 官方 API，模型没得说，但我的用量实在太大，按量计费顶不住，最后换到了现在的 OpenCode Go（首月 $5，之后 $10/月）。整体而言，OpenCode Go 是我用下来性价比最高的方案。
现在的双轨方案
折腾一圈之后，目前稳定在 GPT Plus + OpenCode Go 的组合，按任务性质分工：
- Codex + GPT Plus（GPT-5.6 Sol/Terra）：高难度研究和内容产出。硬骨头交给最强的模型啃。
- Claude Code Desktop + OpenCode Go（DeepSeek V4 Pro 1M）：运维和常规编码。1M 上下文对读大项目、翻长日志是真的舒服，日常量大管饱。
一点感想
三年下来最大的感受：方案是流动的，思路是不变的。从中转站到官方 API，从按量计费到包月 Plan，从云端到 4G 树莓派，每隔几个月最优解都会变一次。唯一稳定的策略是保持轻装——别在任何一家身上锁死，工作流设计成随时可以换模型的样子。
下一次盘点的时候，这篇文章里的价格和模型名大概率已经全部过时了。这正是这个时代最有意思的地方。