AI API 到底多少钱？Token、输入输出与缓存计费完整指南

API 价格表通常写着“每 1M Tokens 多少美元”，但真实账单不是拿一个单价乘总字数。一次请求至少要分清普通输入、缓存命中的输入和输出；有些服务还会对长上下文、Batch、缓存存储、图片或音频采用另一套费率。下面直接从可复算的方法开始。

Token 到底是什么

Token 是模型处理文本的计量单位，不等同于“一个汉字”或“一个英文单词”。同一句话交给不同 Provider、不同 tokenizer，Token 数可能不同；代码、标点、空格和特殊格式也会参与切分。因此，网上流传的“中文字数乘某个固定系数”只能做粗估，正式预算应读取 API 响应里的 usage 字段，或使用对应 Provider 的 tokenizer。

一次聊天请求中，常见内容会这样进入账单：

• Input Tokens：系统提示词、历史对话、检索到的资料、工具结果，以及用户本轮消息。
• Output Tokens：模型生成的正文，以及部分 Provider 计入输出侧的 reasoning / thinking tokens。
• Cached Input：满足缓存规则并命中的重复输入前缀；不是“所有历史消息自动打折”。

上下文窗口是“单次能装多少”，Token 价格是“实际用了多少付多少”。支持 1M Context Window，不代表每次都会按 1M Token 收费。

账单的三个组成部分

1. Input：重复历史会持续累加

多轮聊天最容易低估输入。第十轮请求通常不只发送第十条问题，还可能带上前九轮对话、固定系统提示词和检索资料。若每轮都把整份文档重新附上，输入量会随轮次增长。工程上应记录每次请求的 input tokens，而不是只统计用户新输入的字数。

2. Output：单价常高于输入

输出较贵时，“让模型多写一点”会显著改变成本。结构化提取、分类和路由任务通常只需要很短的答案，应设置合理的最大输出长度，并明确要求 JSON 字段或简短标签。长报告则不应盲目截断，而要先估算产出长度，再决定是否分段生成。

3. Cached Input：省钱有条件

缓存适合长而稳定、在大量请求中重复出现的前缀，例如固定规则、产品目录或课程资料。动态内容通常放在末尾，才能提高前缀复用率。还要核对缓存的最小长度、有效期、写入费和存储费；本站价格字段表示缓存命中/读取费率，未必覆盖缓存写入与存储。

一次调用如何计算

在“Cached Tokens 是 Input Tokens 的子集”这一常见口径下，文本成本公式是：

以下案例使用 GPT-5.6 Luna 的当前默认文本费率：普通输入 $0.2、缓存输入 $0.02、输出 $1.2，单位均为每 1M Tokens。价格来自本站与工具共用的数据源，数据核验日期为 2026-08-13。

示例假设：一次请求共有 3,200 个 Input Tokens，其中 2,200 个命中缓存，并生成 700 个 Output Tokens。这些 Token 数只是教学示例，不代表典型用户的固定用量。

若相同输入完全不命中缓存，本次约为 $0.001480；在该示例结构下，缓存命中使文本 Token 费用下降约 26.8%。这不是通用折扣率，实际结果取决于重复输入占比、模型费率和缓存附加费用。

怎样估算月成本

先按功能而不是按“整家公司”估算。每个功能分别记录单次输入、输出、缓存比例、日调用量和活跃天数：

沿用上面的教学示例，若每天调用 40 次、每月运行 30 天，月文本 Token 成本约为 $1.30。生产预算还应添加失败重试、流量峰值和汇率变化的缓冲，而不是把这个数字当作账单上限。

为说明“输出比例也重要”，下表统一假设每月使用 1,000,000 Input Tokens 和 200,000 Output Tokens、无缓存。模型费率与结果均在构建时读取集中数据源；这是一组相同用量的算术对比，不代表模型能力相同。

想替换模型、Token 数、缓存比例和调用频率，直接使用API 成本计算器。它与上表读取同一份价格数据，适合把自己的 usage 统计代入，而不是套用本文示例。

容易漏算的成本

• 长上下文阶梯价：部分模型超过指定 Prompt 长度后，整个请求的输入或输出费率都会改变，不能按短上下文价格外推。
• Reasoning Tokens：有的 Provider 将思考 Token 计入输出，即使最终可见答案很短，也可能产生更多输出侧用量。
• 图片、音频与视频：多模态输入的转换规则和费率可能不同，纯文本公式不能直接照搬。
• 缓存写入与存储：读取便宜不等于缓存免费；长时间保存大缓存可能有独立费用。
• 工具和外部服务：搜索、向量数据库、语音、代理网络或第三方工具调用，通常不包含在模型 Token 价里。
• 重试与无效请求：超时、格式校验失败、Agent 循环和用户重复点击都会扩大实际调用量。
• 税费与汇率：官方多以美元报价，支付渠道、税费和人民币汇率会影响最终支出。

真正有效的省钱方法

1. 先测量再优化：保存按功能聚合的 input、cached input、output、请求数和错误率，不记录这些指标就无法定位浪费。
2. 缩短无效上下文：删除重复指令，先检索再注入相关片段，对旧对话做结构化摘要，但不要为了省钱丢掉任务所需证据。
3. 稳定前缀以提高缓存命中：把固定说明放前面，把用户变量放后面，并按 Provider 的缓存规则验证真实命中量。
4. 按任务路由模型：分类、抽取先用低成本模型；复杂推理在置信度不足时升级。路由本身也要做质量测试。
5. 异步任务评估 Batch：不要求即时返回的批量作业可能有不同费率，但需要接受更长等待时间和不同服务保证。
6. 限制失控循环：为 Agent 设置最大步骤数、单任务 Token 上限和人工确认点，避免“自动工作”变成“自动烧钱”。

上线前核对清单

• 用真实请求采样 Token，而非只按字数猜测。
• 按普通输入、缓存输入和输出分别计费。
• 确认是否触发长上下文、多模态或服务等级阶梯。
• 把重试、缓存存储、第三方工具、税费和汇率列为独立项。
• 设置日预算告警与硬上限，并定期对照 Provider 账单。

最稳妥的流程是：先用计算器做预算，再用一小段真实流量校准，最后才推算整月。价格决定“每 Token 多少钱”，产品设计决定“到底会消耗多少 Token”；后者往往更值得优化。