过去一年，大模型 API 的价格几乎每个月都在刷新下限。对开发者来说是好事，但价格表越来越复杂：输入输出分开计费、缓存折扣、批量折扣、分级定价……这篇文章把常见的计价规则拆开，帮你算清楚一百万 Token 背后的真实成本。
价格阶梯：旗舰、轻量与自部署
把市场上的主流选择粗略分成三档：旗舰模型（最强推理能力，单价最高）、轻量模型（速度快、价格低一到两个数量级）、开源模型自部署（表面单价最低，但要摊上卡的成本和运维人力）。同一个任务，聪明地在这三档之间分配，总成本常常能差出一个数量级。
输入与输出不是一个价
几乎所有厂商的输出 Token 都比输入贵——通常是三到五倍。原因很简单：生成是逐 Token 的重计算，而输入可以大规模并行处理。由此带来两个实用结论：其一，冗长的系统提示词其实没有想象中贵；其二，让模型”少说废话”，比压缩提示词更能省钱。
另一个容易被忽略的是前缀缓存折扣：多轮对话里，历史消息如果被服务商缓存命中，这部分输入的价格可以打折。对高频对话类应用，缓存能省下 30% 以上的输入费用。
隐藏成本：重试、工具调用与上下文膨胀
真实账单常常比理论估算高，原因多半在三个地方：失败重试、Agent 场景的工具调用循环，以及多轮对话中不断膨胀的上下文。一个简单的对策是在应用层做 Token 预算：给每次请求设上限，对话过长就主动摘要压缩，重试加退避并设次数上限。
一笔参考账：客服机器人月账单
假设一个客服机器人每天处理两千次对话，平均每次对话输入一万 Token、输出一千 Token。按主流轻量模型的价格估算，月账单大约在几百到一千元人民币的量级；换旗舰模型则要乘以十倍以上。这个数量级差异，正是”选对模型”比”抠提示词”更重要的原因。
结论很朴素：把价格表读明白，比追逐任何单一厂商的促销都更省钱。
延伸阅读：Tokenizer 工作原理：为什么中文更费 Token · 2026 年 AI 算力市场观察：从一卡难求到按 Token 计价