Armstrong ini benar-benar tangguh dalam operasi penghematan biaya dan peningkatan efisiensi, tingkat cache hit naik dari 5% menjadi 60%, pengeluaran AI langsung dipotong setengah, Token masih naik, layak untuk diteliti.

Armstrong berbagi praktik pengurangan biaya dan peningkatan efisiensi di tengah lonjakan penggunaan token: tanpa batasan, dengan mengoptimalkan model default, routing cerdas, dan strategi cache untuk mengendalikan biaya. Mengadopsi model bobot terbuka seperti GLM 5.2, Kimi 2.7 untuk menggantikan model umum yang mahal, menyesuaikan routing berdasarkan tugas, cache pra-pemrosesan dan manajemen sesi untuk mengurangi pemborosan token, tingkat keberhasilan meningkat dari 5% menjadi 60%. Hasilnya, pengeluaran AI hampir setengahnya, sementara penggunaan token masih terus bertambah.