$ loading_
离线预测大模型调用成本并推荐满足需求的最低成本模型。
复制安装指令，让 AI 自动完成配置 · 推荐新手
请帮我安装 askskill 上的 "io.github.sachinuppal/modelcostsaver" MCP 服务： 执行：claude mcp add 'io-github-sachinuppal-modelcostsaver' -- npx -y @workswarm/modelcostsaver
我需要做一批文本摘要任务，请离线估算可用模型的调用成本，并推荐满足摘要能力要求的最低成本模型。
返回候选模型的成本对比，以及一个满足任务要求的低成本推荐模型。
我要构建一个代码生成功能，请根据能力需求离线预测不同大模型的调用成本，并选择最便宜且足够胜任的模型。
给出成本预估结果，并推荐一个兼顾能力与价格的模型选择。
当前环境不能联网，也不想配置密钥。请直接离线评估完成问答任务可能使用的大模型成本，并挑选最低成本方案。
输出无需联网和密钥的成本评估结果，以及适合问答任务的最低成本模型建议。
开发者或产品经理在接入大模型前，可先离线预测调用成本，快速判断预算是否可行，并选出更省钱的候选模型。
当环境无法联网或不便提供密钥时，这个工具仍可用于成本估算与模型选择，帮助团队完成前期方案比较。
研究员或开发团队在多个大模型之间权衡时，可用它比较成本，并优先找到满足能力要求的最低成本方案。
它用于离线预测大模型调用成本，并从候选模型中挑选满足需求的最低成本模型。描述中明确说明它不需要密钥，也不依赖网络。
不需要。原始描述写明“No keys, no network”，因此它适合离线或受限环境中的成本评估与模型筛选。
根据给定描述，它的核心能力是预测调用成本并挑选最低成本且足够胜任的模型。是否实际发起模型调用，见源码仓库。
帮助统计提示词 token、估算成本并比较多模型定价
帮助多租户团队分摊并追踪大模型调用成本
在本地离线运行 Llama 模型，安全私密地完成各类 AI 助手任务。
离线估算 Claude Token 用量、模型费用与提示缓存回本点
帮助用户跨平台比较并选择最合适的 AI 模型，评估价格、性能与能力。
通过多模型与可视化工具，用自然语言完成软件开发、调试与成本管理。