model_prices: explicit 0.0 in cache_creation_input_token_cost (13 tencent/* rows) is a truthiness trap for or-fallback consumers

快速结论：该报错不是运行时崩溃，而是 LiteLLM 的 model_prices_and_context_window.json 中 13 条 tencent/* 记录把 cache_creation_input_token_cost 显式写成 0.0，下游消费方若用 row.get("cache_creation_input_token_cost") or fallback 这类 or 回退写法，会把本应免费的缓存写入按回退价（通常是 1.25 × input）重新计价。优先排查自身代码或依赖中是否存在对价格字段的 or 回退取值。

适用环境：Issue 中明确确认的是 LiteLLM 及其价格文件 model_prices_and_context_window.json；涉及 tencent/* 模型行。未提供操作系统、Python、CUDA、显卡等版本证据，此处不补写。

最快修复方案：升级到包含 PR #49294 的 LiteLLM 版本，并把自己代码中对价格字段的回退取值从 row.get(field) or fallback 改为先判断字段是否存在（判定 rate is None 再取回退值，或使用 "field" in row 判断），让显式 0.0 保持为免费。上游同时补充了 CONTRIBUTING 规则：“test rate is None before substituting a fallback”。

注意事项：Issue 报告者说明未发现 LiteLLM 内部路径会错误计价这些行（其成本函数直接读 dict），风险主要在下游消费方；若下游仍使用 or 惯用法，即便升级也不会自动修复其回退逻辑。显式 0.0 是否代表腾讯确实按零计费，Issue 未给出账单证据，需以官方定价为准。

问题场景

用户或下游工具在消费 LiteLLM 的模型价格文件 model_prices_and_context_window.json，读取 tencent/* 模型行的缓存相关价格字段时触发计价偏差。13 条 tencent 行均发布显式的 cache_creation_input_token_cost: 0.0，同时带有非零的 cache_read_input_token_cost。问题出现在以 or 回退方式读取价格字段的消费代码中，而非 LiteLLM 自身的成本计算函数。

报错原文

model_prices: explicit 0.0 in cache_creation_input_token_cost (13 tencent/* rows) is a truthiness trap for or-fallback consumers

原因分析

最可能的原因是 Python 的真值判断：0.0 是合法的价格值，但在 Python 中为 falsy。任何写成 row.get("cache_creation_input_token_cost") or fallback 的消费者，都会把显式 0.0 当作“字段缺失”，从而替换为回退价（通常为 1.25 × input），把免费的缓存写入变成收费。Issue 指出该文件是价格的事实来源，这 13 行不是边缘个案，而是整个 provider 区块。报告中同时强调未发现 LiteLLM 内部存在误计价路径，问题在于文件对 or 惯用法消费者不安全；修复方向是文档说明或增加区分“字段存在且为 0”与“字段缺失”的辅助函数。

环境排查

确认 LiteLLM 版本是否已包含 PR #49294 的修复。
确认所用价格文件中 tencent/* 行的 cache_creation_input_token_cost 是显式 0.0 还是缺失。
检查自己的代码或第三方依赖中，是否存在 row.get(价格字段) or 回退值 形式的取值。
检查回退逻辑是否在回退时标记了“推断值”，以免把推断价当作源数据价使用。

解决步骤

将代码中对 cache_creation_input_token_cost 等价格字段的 or 回退改为存在性判断：先判断 rate is None（或 "field" in row），只有字段缺失时才使用回退值；显式 0.0 直接采用。
若下游依赖库实施了 or 回退，可优先尝试升级 LiteLLM 至含 PR #49294 的版本，并检查该依赖是否同步更新；Issue 未说明依赖库的具体清单。
如果回退分支仍被触发，为回退产生的价格加上“inferred”标记，便于区分源数据价与推断价。
可优先尝试引入或参考 Issue 中给出的合规向量 pricing-explicit-zero.json 作为回归用例。

验证方法

按 Issue 中的合规向量验证三种情形：对显式 0.0 使用 or 回退重新计价应判为 FAIL；使用存在性检查、保留 0.0 免费应判为 PASS；字段缺失时允许回退但结果必须标记为 inferred 应判为 PASS。对 tencent/* 行逐条确认 cache_creation_input_token_cost 的取值为 0.0 而非回退价，且缓存读取价未被改动。