Token 计费模式详解：一次大模型请求，成本到底由什么决定

同一个模型、同一个问题，两次调用的账单可能相差十倍。差距往往不来自模型有多聪明，而来自计费口径。

“按 token 计费”其实是一族定价结构的统称：输入和输出不同价，缓存命中和未命中不同价，高峰和低谷不同价，长上下文和短上下文不同价，标准通道和异步通道也不同价。不看清这些分层，成本预测就只能靠猜。

本文按“计量单位、账单构成、主流计价结构、估算与优化”的顺序，把 token 计费拆成可以核算的部件，并给出可直接套用的估算方法与读定价页的检查清单。

说明： 文中价格来自 2026 年 9 月 29 日抓取的 OpenAI、Anthropic、DeepSeek 官方定价页；厂商调价频繁，落地预算前请以官方页面为准。

Token 是计价的计量单位，不是字也不是词

大模型不按字数收费，而按 token 收费。token 是分词器（tokenizer）切分出的子词单元，常见算法是字节对编码（BPE）：它在训练语料上统计高频字节序列，把最常见的组合合并成一个 token。结果是一个 token 可能是一个完整单词，也可能是半个词根、一个标点、一段缩进，甚至只是一个汉字的组成部分。

分词结果取决于模型本身。同一个句子，在不同模型的 tokenizer 下 token 数可以相差几十个百分点，所以“这句话大概多少 token”永远只是估算。通行经验是英文散文约 4 个字符对应 1 个 token；中文这类表意文字的 token 密度明显更高，常见情况是一个汉字对应 1 到 2 个 token。代码和 JSON 的密度同样容易被低估，缩进、括号、重复的键名都会各自成为 token。

标点、空格、换行、emoji 全部计费。这一点在格式化输出和长文档处理时尤其明显：为了让模型输出漂亮的缩进和分隔符，你付出的不只是模型算力，还有实打实的输出 token。

实践含义。 估成本时必须使用目标模型的 tokenizer，或者直接读接口返回的 usage 字段。厂商计费以服务端计量为准，本地估算只用于预算和方向判断。

一次请求的账单构成

把账单写成公式，主干只有一句话：总成本等于各类 token 数量乘以其对应单价，再加上平台类费用。真正的复杂度在于“各类”究竟有多少类。

输入 token。 你以为用户只发了 20 个字，实际送进模型的可能是系统提示词、上下文示例、多轮历史、检索召回文档、工具定义与工具返回结果的总和。输入按 token 计价，通常单价最低。

输出 token。 模型生成的正文、结构化字段、工具调用参数、思考过程，都可能计入输出。输出单价通常是输入的数倍。

缓存类 token。 前缀缓存（prompt caching）把重复的输入前缀存下来，命中部分按更低的缓存读取价计费；建立缓存则要付缓存写入价，它往往略高于标准输入价。

推理 token。 推理模型的思考过程同样消耗 token。这部分可能计入输出，可能在计费里体现但对调用方不可见，也可能因模型与接口不同而不单独计费。

多模态 token。 图片按分块折算成输入 token，音频按 token 或时长，视频再叠加帧数。同一份信息换一种模态，单价和数量都会变。

平台类费用。 联网搜索按次数、代码容器按会话时长和内存、文件检索按存储容量与调用次数、语音会话按分钟甚至按秒。这些费用与 token 单价无关，却会直接进入账单。

为什么输出比输入贵。 输入阶段可以并行处理整段上下文，一次前向就能算完；输出阶段必须逐 token 生成，每一步都依赖上一步，受显存带宽限制。串行解码的算力效率天然低于批处理的输入预填充，这个价差最终写进了定价表。

下表取自 OpenAI 官方定价页上 gpt-6-sol 的四个计费项，用来直观感受定价粒度。单位是每百万 token。

同一个模型、同一个请求，落在短上下文还是长上下文档位，全部单价都会随档位变化。

结构一：输入与输出双价制

双价制是所有主流厂商的共同基础。它把一次请求拆成“读进去”和“写出来”两笔费用，分别定价。

输出与输入的价格比通常落在 3 到 5 倍。 这不是巧合，而是解码阶段的算力结构决定的。下表取自三家厂商的官方页面，可以看到比值相当稳定。

这个比值决定了优化方向。 输入便宜，可以相对慷慨地喂上下文，真正的杠杆在于能不能缓存；输出昂贵，所以限制输出长度、约束输出格式、砍掉无意义的客套话，往往比压缩输入更有效。

双价制也解释了“同一个问题”为什么成本不同。 长回答、带思考过程、带结构化字段的回答都算输出。同一个用户问题，模型回答 200 字还是 2000 字，账单可以差十倍。

结构二：缓存把重复上下文变成折扣

多轮对话、固定知识库、长系统提示词，会让同一段内容被反复送进模型。没有缓存，每一轮都要按输入价重新付费一次；有缓存，重复部分按更低的读取价结算。

缓存有三个价格，不是两个。 除了读取价和未命中价，还要看写入价与有效期。以 Anthropic 官方页面为例，Sonnet 5.5 的标准输入是每百万 token 2 美元，缓存读取 0.20 美元，约为输入的 10%；缓存写入 2.50 美元，约为输入的 125%；默认缓存的生存期是 5 分钟，另有延长缓存的可选方案。OpenAI 的 gpt-6-sol 是同一套结构：输入 $2.00、缓存读取 $0.20、缓存写入 $2.50。

折扣力度还能更大。 DeepSeek 官方页面上 deepseek-v4-pro 的缓存命中价是 $0.022，未命中价是 $0.66，前者不到后者的 4%。它没有单独列缓存写入费，建立缓存的代价被计入未命中输入。

只复用两次就已经回本。 把标准输入价记为 1，缓存写入是 1.25，命中读取是 0.1。发送 N 次相同前缀，不走缓存的成本是 N，走缓存的成本是 1.25 加上 0.1 乘以 N 减 1。只要 N 大于 1.28 就划算，也就是同一个前缀用两次以上，缓存写入的溢价就赚回来了。这条结论对缓存策略很实用：不必追求用得越多越好，但要避免只用一次就写缓存。

缓存的失效条件是成本变量。 5 分钟的有效期意味着只有高频请求才吃得到折扣；两次调用相隔很久，缓存过期后又要重新付一次写入费。设计时要问的不是“能不能缓存”，而是“这段前缀在一分钟内会不会被复用”。

结构三：用时间和确定性换价格

同一个模型，厂商通常提供多个服务层级（service tier）。它们卖的不是不同的模型，而是不同的延迟与确定性，价格也随之下调或上浮。

批处理是最容易拿到的折扣。 Anthropic 官方页面直接写明批处理可节省 50%；OpenAI 的定价页把 Batch 与 Standard、Flex、Fast mode 并列成可切换档位，本身就是一种价格分层。

弹性层级卖的是容错。 OpenAI 的 Flex 处理文档把它定位为非生产或低优先级任务，例如模型评测与数据标注：接受更慢的响应和偶发的资源不可用，换取更低价格。

快速层级是反向交易。 Anthropic 的 Opus 5.5 提供快模式，官方说明是最快 2.5 倍速度、按标准价 2 倍计费；OpenAI 的 Fast mode 同样主打最高 2.5 倍速度。这类档位适合交互式产品，不适合离线批任务。

还有按时间定价的一类。 DeepSeek 把价格切成高峰与低谷两档，低谷价是高峰价的一半。它定义的高峰时段是 UTC 01:00 至 04:00 与 06:00 至 10:00 的周一至周五，换算过来正好覆盖中国的工作时间；周末与中国法定节假日全天按低谷计价。把批任务挪到低谷窗口，等于再打一次五折。

结构四：上下文分档与地域加成

除了服务层级，定价页上还有两类容易忽略的乘数。

上下文长度分档。 同一个模型按输入长度分成短上下文与长上下文两档，进入长档后单价整体上浮。OpenAI 的 gpt-6-astra 短档输入 10 美元、输出 50 美元，长档输入 20 美元、输出 75 美元；gpt-6-sol 短档 2 美元与 10 美元，长档 4 美元与 15 美元。这不是只对超出部分加价，而是本次请求按更高档位计费，所以控制上下文长度本身就是成本控制。

地域与合规加成。 OpenAI 的 FedRAMP 端点按标准价上浮 10%；面向特定地区的本地化处理端点在 2026 年 3 月 5 日之后发布的适用模型上同样上浮 10%。Anthropic 的美国境内推理选项对输入输出按 1.1 倍计费。合规与数据驻留不是免费的。

促销价不能写进预算基线。 OpenAI 明确标注 GPT-5.6 Sol 的促销价至少维持到 2026 年 11 月 21 日。促销期结束后的价格回归，会让按促销价建立的成本模型直接失效。

赠送额度优先扣减。 DeepSeek 的计费说明提到，账户同时有充值余额和赠送余额时优先扣除赠送余额。做单位经济性分析时，要区分账面支出和真实现金支出。

容易被漏算的五类成本

系统提示词与工具定义。 每次请求都会带上它们。工具数量多、schema 描述长，就是在为每一轮对话持续付费，即使这一轮根本没有调用工具。

历史对话的重复计费。 没有缓存的多轮对话，前文会在每一轮重新按输入价付一次。第 N 轮的成本包含前 N 减 1 轮的内容，累计成本随轮数近似平方增长，这就是长会话越聊越贵的原因。

重试与失败请求。 网络超时后的重试会把同一段 prompt 再送一遍；流式输出中途断开时，已经生成的 token 通常已经产生费用。重试策略要做幂等和退避，不能无限重放。

推理强度。 推理模型的思考 token 会计入计费口径。把简单任务交给高强度推理档位，等于为一个并不需要的过程付费。

工具与平台费。 下表中的费用在 token 账单之外单独结算。

模态单价的量级差异。 同样是输入 token，音频的单价可以是文本的八倍。选择语音转文本再交给文本模型，还是直接使用端到端语音模型，本质上是两道不同的价目表在做取舍。

估算一次请求的成本

成本估算只要四步：确认单价档位、统计各类 token 数量、乘以对应单价、加上平台费。按计费项逐条展开，就是下面的结构。

输入： 输入 token 数除以 1,000,000，再乘以输入单价。

缓存读取： 命中 token 数除以 1,000,000，再乘以缓存读取单价。

缓存写入： 写入 token 数除以 1,000,000，再乘以缓存写入单价。

输出： 输出 token 数除以 1,000,000，再乘以输出单价。

平台费： 搜索次数、容器时长、存储容量等按各自价目表单独计算。

以 OpenAI gpt-6-sol 短上下文档为例。假设一个客服助手每次请求携带 50,000 token 上下文，其中 45,000 token 是固定的知识库前缀，输出 1,000 token。

同样的回答，成本降到约四分之一。 差异全部来自那 45,000 个固定 token 的计价方式。这也说明为什么“把稳定内容放在提示词前部、把变量放在后部”是一条硬性工程约束，而不是风格偏好。

成本优化的七个杠杆

稳定前缀。 固定内容前置、变量后置，提升缓存命中率；能在一次会话内复用的内容，不要拆到不同会话。

收敛上下文。 检索条数按收益递减调整，长文档先摘要再注入，历史对话做滚动压缩。

约束输出。 设置输出上限，要求结构化短输出，删掉复述和客套话。输出是昂贵的一侧。

模型路由。 简单分类、抽取、改写交给小模型，只有真正需要的请求才升级到旗舰模型。

选对服务层级。 离线任务走批处理或弹性层级，避开高峰窗口，用前置校验减少无效请求。

管住工具与重试。 搜索结果复用，容器按需启停，重试做幂等与退避。

监控单位经济性。 每会话成本、每成功任务成本、缓存命中率、每千 token 成本，这四个指标比账单总额更能反映问题。

读定价页的检查清单

最后一句提醒。 Token 计费的复杂度不在算术，而在口径。把每一笔费用的口径写清楚，包括属于哪类 token、按什么价、什么时候生效，成本才会从月底看账单变成可以设计和优化的工程指标。

参考资料

官方定价页： OpenAI API 定价、Anthropic API 定价、DeepSeek 模型与定价。

计费机制与服务层级： OpenAI 批处理指南、OpenAI 弹性处理、OpenAI Fast mode、OpenAI 对话状态与上下文管理。

成本估算与分词： OpenAI 图片输入成本计算器、OpenAI 图像生成费用估算、tiktoken 开源分词库。