题图: 一个人在桌前用笔记本电脑、计算器和笔记本进行计算。摄影:Mikhail Nilov(Pexels,免费使用)

每一个活过生产环境的 AI 应用,最终都会面对同一张表格:一次 API 调用到底花多少钱?这个问题看起来简单,但大多数团队都会答错——不是因为算术难,而是定价模型的可变因素太多,直觉会失灵。一个预估每月 $500 推理费用、最后收到 $4,300 账单的团队,通常犯了三种错误之一:token 数算错了,忽略了输入输出的价格差,或者以为列表价就是实际支付价。

本指南给出精确的计算方法,使用 2026 年 8 月 OpenAI GPT-5.6 系列与 DeepSeek V4 系列的官方列表价,附完整算例,并说明如何把计算变成预算纪律。想跳过理论直接跑数字,可以用免费的 AI Token 与 API 费用计算器,全程在浏览器内完成。

为什么 API 成本估算总是失准

先看原因,再看公式。成本超支大多可以归入三种失败模式:

1. token 数按错误的基数估算。 用原型阶段的「平均请求大小」做预算,上线时提示词却长了五倍——系统指令、工具 schema、检索上下文、对话历史。输入里多出来的每一个 token,之后每一次请求都会被计费,永久有效。

2. 输入和输出的价格完全不同。 在 GPT-5.6 Sol 上,输出 token 的价格是输入的 6 倍(每百万 $30 对 $5)。生成长输出的应用——报告、代码、翻译——成本由输出主导;把文档塞进上下文的 RAG 应用则由输入主导。给两者套用同一个混合单价,正是估算偏差 3–5 倍的来源。

3. 忽略了缓存、批量和档位。 OpenAI 对重复前缀提供自动提示词缓存折扣,DeepSeek 对缓存命中提供优惠价,双方都奖励批量处理。列表价是起点,不是账单。

核心公式

一次 API 调用的费用是:

费用 = (输入 token ÷ 1,000,000 × 输入单价)
     + (输出 token ÷ 1,000,000 × 输出单价)

单价以每百万 token 计价。公式不难,难的是往里面填准确的数字。下面逐项拆解。

第一步:把 token 数算对

用字符数除以 4 就收工是不行的——这个近似对英文散文误差在 ±10–30%,但中文、日文和代码的偏差要大得多。分词器把文本切成子词单元,一个中文字符往往就是一个 token,而一个英文单词通常是 1.3–1.5 个 token。

获得精确值的三种方式:

  • OpenAI:tiktoken 库,使用与模型匹配的编码(GPT-5.6 级别用 o200k_base)
  • Anthropic:claude-tokenizer 包,或 API 的 count_tokens 端点
  • DeepSeek:API 文档中的分词器端点

实用经验值:中英混合文本按字符数 ÷ 3.5,代码为主的请求按字符数 ÷ 2.5 做预算。但在任何基础设施承诺之前,务必用真实分词器重新测量。

第二步:用真实价格表

2026 年 8 月列表价(每百万 token):

模型输入($/百万)输出($/百万)输出/输入比
GPT-5.6 Sol$5.00$30.006.0 倍
GPT-5.6 Terra$2.00$12.006.0 倍
GPT-5.6 Luna$0.20$1.206.0 倍
DeepSeek V4 Pro$0.435$0.872.0 倍
DeepSeek V4 Flash$0.14$0.282.0 倍

来源:OpenAI 定价页、DeepSeek API 文档(2026 年 8 月)。中美价格差是结构性的——在 GPT-5.6 与 DeepSeek-V4 价格对比分析中可以看到,同样的 $100 预算,DeepSeek V4 Flash 能买到 GPT-5.6 Sol 107 倍的输出 token。

第三步:算一个实例

以客服聊天机器人为例:系统提示词 2,000 token,检索上下文 1,500 token,用户消息 300 token,平均回复 400 token。用 GPT-5.6 Luna(经济档)计算:

输入  = 2,000 + 1,500 + 300 = 3,800 token
输出  = 400 token
费用  = (3,800 ÷ 100万 × $0.20) + (400 ÷ 100万 × $1.20)
      = $0.00076 + $0.00048
      = 每次请求 $0.00124

每天 10,000 次对话,就是每天 $12.40,每月约 $372(Luna)。同样的负载用 Sol 跑,每月 $4,650——还没做任何提示词优化,仅价格档位选择就差了 12.5 倍。这就是为什么模型选择是你最该花心思的成本决策。

真正有效的四个成本杠杆

成本控制不是逐个抠 token,而是结构性选择。按影响从大到小:

1. 模型档位选择(10–100 倍)。 Sol 与 Luna 的差距、Sol 与 DeepSeek V4 Flash 的差距,碾压其他所有杠杆。简单任务路由到便宜模型,前沿模型留给真正需要的任务。多模型路由已成为大规模运行 AI 团队的标准做法(见开源 AI 与闭源 AI 分析)。

2. 提示词缓存(不同服务商折扣 50–90% 不等)。 OpenAI 与 DeepSeek 自动缓存跨请求重复的输入前缀,缓存命中按低于完整输入价计费;Anthropic 的缓存读取约为标准输入价的 10%。把系统提示词和检索上下文固定放在请求开头,命中率最高。

3. 批量处理(省 25–50%)。 OpenAI Batch API 和 DeepSeek 批量价对可等待 24 小时的负载提供折扣。分类任务、数据回填、评测作业大多不需要实时响应。

4. 控制输出长度(2–10 倍)。 设置 max_tokens、使用结构化输出模式、要求简洁回答。输出是 OpenAI 系模型最贵的 token,削减输出的收益是双份的:少计费 + 低延迟。

建立预算模型

经得起生产检验的预算,每个功能需要三个数字:请求量、token 结构(输入输出比)、模型档位。用表格管理:

功能请求/天输入 token输出 token模型每月费用
客服机器人10,0003,800400Luna约 $372
文档摘要50012,0001,500Terra约 $240
代码审查2,0008,0002,000Sol约 $3,720

让人不安的通常是最后一行。当单个功能主导预算时,把它路由到更便宜的档位或开源权重模型,回报最大。

用 Token 费用计算器直接试验这些数字——粘贴真实请求体,切换模型,看月度预测如何变化。最后记得乘以 1.3:没有任何团队能避免第一季度的流量低估。

针对具体负载估算 token 数

每种负载都有特征性的 token 结构。了解你自己的结构,是「估算」和「瞎猜」的分界线。以下是实测应用的典型结构:

负载典型输入典型输出主导侧
客服聊天(RAG)3,000–6,000200–600输入
文档问答(大语料)8,000–30,000300–800输入
摘要8,000–30,000500–1,500输出
代码生成2,000–10,000800–3,000输出
翻译2,000–15,000约等于输入均衡
Agent 循环(函数调用)每步 3,000–8,000每步 200–800输入 × 步数

把结构变成可用预算,靠三条纪律:

  1. 先测量,再估算。 把真实提示词交给官方分词器跑一次,把数字记进定价用的同一张表。测量的动作本身会推翻所有假设。
  2. 在生产环境记录 token。 每个请求都记录 API 响应里的 prompt_tokens 和 completion_tokens。服务商每次都返回,记录它们零成本,猜测就变成了时间序列。
  3. 对漂移设置告警。 提示词改版多加了 2,000 token,diff 里没人注意得到。一张「每请求平均 token」的周报图表几秒就能发现。输出长度同理——一个开始用项目符号写小说的模型,会在任何人看日志之前把你的账单翻倍。

折扣层:缓存、批量与档位

列表价是上限,不是账单。三种机制会把它打折,这笔账值得算一次:

提示词缓存。 服务商会缓存跨请求重复的输入前缀。前缀完全一致即命中:OpenAI 对符合条件的缓存输入 token 按折扣计费(长提示词历史上为 50%),Anthropic 的缓存读取约为标准输入价的 10%,DeepSeek 的缓存命中价远低于它本已很低的输入价。一个 4,000 token 的系统+上下文前缀,每天重复 10,000 次,按全价就是每天 4,000 万输入 token。这个前缀享受 50–90% 折扣,往往就是所有可选项中省得最多的单项——而且除了让前缀逐字节保持一致,不需要任何提示词工程。

批量 API。 OpenAI Batch API 和 DeepSeek 批量价对可等待 24 小时的负载把列表价砍掉约一半。分类回填、夜间 embedding、评测套件、报告生成是典型候选。

吞吐档位与承诺。 两家服务商都为持续负载提供承诺用量和预留吞吐定价。这需要合同承诺,只在你有三个月真实用量数据之后才值得谈——过早签约会把错误数字锁死。

实践顺序:先改提示词结构(缓存免费),再把符合条件的任务迁到批量(改一次 API),最后才谈档位(签合同)。

从原型到 100 万次请求:预算推演

假设一个产品从每天 10,000 次请求起步,输入 4,000 token、输出 500 token,跑在 GPT-5.6 Luna 上:

单次请求费用 = (4,000 ÷ 100万 × $0.20) + (500 ÷ 100万 × $1.20)
            = $0.0008 + $0.0006 = $0.0014
每月费用     = $0.0014 × 10,000 × 30 ≈ $420

半年后流量涨到 5 倍,每天 50,000 次请求。诚实的预测是每月 $2,100——成本线性增长,这是计量推理最不舒服的性质。现在按顺序应用杠杆:

  1. 把 60% 流量(简单问答)路由到 DeepSeek V4 Flash($0.14/$0.28):这部分从约 $1,260 降到约 $105
  2. 缓存共享前缀:留在 Luna 上的 40%,其 4,000 token 前缀打五折,再省约 $250
  3. 夜间报告任务转批量:再省 $60

同一个产品、同样的流量,从 $2,100 降到约 $700——三分之一。零提示词改动、一个路由决策。这就是整套纪律浓缩在一个例子里:token 单价是供应商的事实,单次请求成本是工程的选择。

预算落地:仪表盘、告警与价格战

没人看的成本模型一文不值。控制住 AI 账单的系统有四个共同习惯:

按功能打用量标签。 OpenAI 允许给 API 请求附带元数据;Langfuse 和 Helicone(均为开源)跨服务商提供同样能力。给每个请求打上发起功能标签,成本仪表盘就不再是一个数字,而是一份成本中心排行榜。多数团队会发现:20 个功能里 2 个占了账单的 80%——不打标签就永远看不见这个事实。

在 50 / 80 / 100% 处设预算告警。 每家服务商控制台都支持用量告警,开源追踪器还叠加了异常检测。第一条告警要设在「还来得及行动」的位置。典型失败故事不是「我们没检查」,而是「我们在账单之后才检查」。

看单价比看月度总额。 每次对话、每份处理文档、每千 token 用户价值的成本——找一个随业务成功而增长的计量单位。产品增长带动月度总额上升是好消息;用量没变而总额上升是提示词的 bug。单价指标一眼就能区分这两种情况。

按季度重新预测,因为价格只跌不涨。 这是 2026 年市场的结构性事实:中美价格差在极端处高达 107 倍,中国开源权重模型把整个市场往下压,列表价每个季度都在跌。按今天的价格做的预算,半年后就是高估。这有两层含义——不要按今天的费率签长期承诺,并且每个季度重做一次模型选择决策。本季度「最便宜的正确答案」,未必是你上个季度默认的前沿模型。

还有一个稳赚不赔的习惯:把每次提示词改动连同 token 影响备注,记在一个纯文本文件里。成本回退和性能回退一样,几乎总是由一次善意的编辑引入。有了这个文件,「账单为什么暴涨」就从调查变成了查表。

账单术语小词典

服务商账单使用一套值得花一次时间学会的词汇,因为每个词背后都藏着一个成本决策:

  • Token — 计费单位,一个子词片段,约等于 4 个英文字符
  • 输入 / 输出 token — 你发送的 token 与模型生成的 token。生成是逐 token 顺序执行,因此所有主流服务商的输出都更贵
  • 上下文窗口 — 模型单次调用接受的最大输入。窗口越大能处理的文档越长,但每次调用都按完整输入计费——塞进 100K token 的 128K 上下文,比同任务的 4K 上下文贵 25 倍
  • 缓存 token — 服务商存储并再次计费的重复输入前缀 token,命中后按折扣价。把稳定前缀固定在提示词前端
  • 批量价 — 可等待任务(OpenAI 最长 24 小时)的折扣费率。用延迟换约半价
  • TPM / RPM — 每分钟 token / 请求数限流。不是成本本身,但决定花钱速度的上限,且更高档位对应不同价格
  • 承诺用量 / 预留吞吐 — 折扣费率的合同容量。只有几个月稳定用量数据之后才值得签
  • 微调费用 — 训练 token 与推理分开计费,加上模型存储。小规模微调便宜;人们常忘的是「微调模型按溢价单价持续推理」这项经常性成本

对照这张词典逐行读你的第一张账单,是找出那个不该存在的数字的最快方式——做过的团队无一例外都能找到一个。

常见问题


价格为 OpenAI 定价页与 DeepSeek API 文档的官方列表价(2026 年 8 月)。实际账单因缓存、批量折扣和吞吐档位而异。金额均为美元。