Armstrong 這波降本增效的操作確實硬核，緩存命中率從 5% 拉到 60%，AI 支出直接砍半，Token 還在漲，值得研究。

Armstrong 分享在代幣使用量激增背景下降本增效的做法：不設限，通過優化默認模型、智能路由與緩存策略控費。採用 GLM 5.2、Kimi 2.7 等開放權重模型替代昂貴通用模型，按任務路由匹配，緩存預處理與會話管理降低 Token 浪費，命中率由 5% 提升至60%。結果 AI 支出幾乎減半，Token 使用量仍在增長。