大模型API成本全解析：一块钱能买多少Token？

1. 一块钱到底能换多少Token，先把账算明白

很多人第一次接触大模型API，脑子里冒出来的第一个问题就是：这玩意儿到底贵不贵？我充一块钱进去，能跟AI聊多少句话？这个问题看起来简单，但真要回答清楚，得先把几个基础概念捋顺，不然很容易被各种“每百万Token多少钱”的报价绕晕。

先说Token是什么。你可以把它理解成AI眼里的“字”。我们人类看一句话是按字或词来数的，模型不是，它会把文本切成一个个片段，每个片段就是一个Token。英文里大概4个字符算1个Token，中文里大概1到2个汉字算1个Token。所以“你好”可能是1个Token，“今天天气真不错”可能是6到8个Token。这个换算不是固定的，不同模型的分词器不一样，同一个句子在不同模型里Token数可能差个百分之二三十。

然后是输入和输出。你跟AI对话，你发过去的话叫输入Token，AI回给你的话叫输出Token。几乎所有主流API的输出价格都比输入贵，通常是2到4倍。原因也简单，生成内容比理解内容更费算力。所以你在算“一块钱能聊多少”的时候，不能只看一个价格，得把输入和输出分开算。

再就是“每百万Token”这个计价单位。厂商报价通常写成“输入X元/百万Token，输出Y元/百万Token”。百万Token听起来很多，但实际用起来消耗速度比你想的快。一个中等长度的技术问答，输入加输出可能就两三千Token。如果你拿它跑批量任务，比如给一千条商品评论做情感分析，每条评论50个Token输入、20个Token输出，那一千条就是7万Token，差不多是百万的十分之一。

我拿一个具体的例子来算。假设某个模型输入价格是1元/百万Token，输出是2元/百万Token。你问一个问题，输入100个Token，输出300个Token。那这次对话的成本是：输入100除以100万再乘以1元，等于0.0001元；输出300除以100万再乘以2元，等于0.0006元。合计0.0007元。一块钱可以问大约1428次。但如果你问的是复杂问题，输入2000Token、输出2000Token，那单次成本就是0.002加0.004等于0.006元，一块钱只能问166次。差距非常大。

所以“一块钱能买多少Token”这个问题，答案完全取决于你用哪个模型、干什么活、输入输出比例是多少。下面我就把主流几个大模型API的价格拉出来，按实际使用场景给你算清楚。

2. 主流大模型API价格横评：从白菜价到高端线

2.1 价格梯队是怎么形成的

大模型API的定价不是随便拍的，背后有几个硬逻辑。第一是模型参数量，参数越多，推理时占用的显存和算力越大，成本自然高。第二是训练成本摊薄，有些厂商前期烧了几十亿训练模型，现在需要通过API把这个钱慢慢收回来。第三是市场策略，有些厂商故意把价格压到极低，甚至免费额度给得很大方，目的是先把你拉进它的生态，等你用顺手了再在高级功能上收费。

目前市场上的API大致可以分成三个梯队。第一梯队是旗舰级模型，比如GPT-4系列、Claude的Opus系列、Gemini的Ultra系列，这些模型能力强，能处理复杂推理、长文档理解、代码生成，但价格也最贵，输入通常在几十到上百元每百万Token。第二梯队是主力性价比模型，比如GPT-4o mini、Claude的Sonnet系列、Gemini的Flash系列，这些模型在能力和价格之间找平衡，输入价格通常在几元到十几元每百万Token。第三梯队是轻量级或开源托管模型，比如一些国产模型和开源模型的API服务，输入价格可以低到几毛钱甚至几分钱每百万Token，有些还提供免费额度。

2.2 具体价格对比与一块钱能买多少

我整理了一张表，把几个主流模型的价格和“一块钱能买多少Token”列出来。注意这里的价格是参考公开报价，实际可能会有促销或调整，以官方页面为准。

这张表一摆出来，差距就很直观了。用GPT-4o，一块钱只能买不到3万的输入Token，大概够你问几十个中等长度的问题。但用Gemini 1.5 Flash，一块钱能买200万输入Token，够你跑一个几千条数据的批量任务。所以选模型的时候，不能只看“哪个聪明”，得看“这个任务需不需要那么聪明”。

2.3 为什么输出比输入贵这么多

很多人不理解为什么输出Token要贵好几倍。这里面的技术原因是，模型处理输入的时候，可以并行计算，你给它一段话，它一次性把每个Token的注意力算完。但生成输出的时候，是一个Token一个Token往外蹦的，每生成一个Token都要重新跑一遍前向计算，而且要把之前生成的Token都作为上下文。这就导致输出的计算量远大于输入，尤其是长输出的时候，显存带宽和计算资源消耗是线性增长的。

从商业角度看，厂商也希望你多输入少输出，因为输入可以批处理，效率高，成本低。所以定价上就把输出抬高了，引导你优化提示词，让模型少说废话。这个逻辑你理解了，就能明白为什么有些场景下“让模型先思考再回答”反而更贵，因为思考过程也是输出Token。

3. 按使用场景算账：你的钱到底花在哪了

3.1 日常问答场景

日常问答是最常见的使用方式，你问一个问题，模型回一段话。这种场景下，输入通常比较短，几十到几百Token，输出可能几百到一千Token。我拿GPT-4o mini来算，输入100Token，输出500Token。输入成本是100除以100万乘以1.1，等于0.00011元；输出成本是500除以100万乘以4.4，等于0.0022元。合计0.00231元。一块钱可以问大约432次。如果你每天问20个问题，一块钱够你用三周多。

但如果你用的是GPT-4o，同样的输入输出，输入成本0.0035元，输出成本0.0525元，合计0.056元。一块钱只能问17次。所以日常问答这种高频低难度的场景，用轻量级模型完全够用，没必要上旗舰模型。

3.2 长文档处理场景

长文档处理是Token消耗大户。比如你丢一份50页的PDF给模型，让它总结。50页大概2.5万汉字，换算成Token大概3到4万。如果模型支持长上下文，你一次性把文档塞进去，输入就是3.5万Token。输出总结可能1000Token。用Gemini 1.5 Flash算，输入成本3.5万除以100万乘以0.5，等于0.0175元；输出成本1000除以100万乘以1.5，等于0.0015元。合计0.019元。一块钱可以处理大约52份这样的文档。

但如果你用Claude 3.5 Sonnet，输入成本3.5万除以100万乘以22，等于0.77元；输出成本1000除以100万乘以110，等于0.11元。合计0.88元。一块钱只能处理一份多一点。所以长文档场景对价格极其敏感，选对模型能省几十倍的钱。

这里有个实操技巧：很多模型支持“缓存”功能，比如你把同一份长文档反复问不同的问题，第一次输入后，后续的输入可以走缓存，价格可能只有正常输入的十分之一。这个功能对于需要反复查询同一份文档的场景非常有用，能大幅降低成本。

3.3 批量数据处理场景

批量数据处理是API最划算的用法之一。比如你有1万条用户评论，要做情感分类。每条评论平均50个Token输入，模型输出10个Token的分类结果。总输入50万Token，总输出10万Token。用某国产主力模型算，输入成本50万除以100万乘以1，等于0.5元；输出成本10万除以100万乘以2，等于0.2元。合计0.7元。一块钱能跑1.4万条左右。

但如果你用GPT-4o，输入成本50万除以100万乘以35，等于17.5元；输出成本10万除以100万乘以105，等于10.5元。合计28元。一块钱只能跑350条。差距是40倍。所以批量任务一定要选便宜的模型，除非任务难度真的需要旗舰模型。

批量场景还有一个省钱技巧：很多厂商提供“批处理API”，你提交一个任务文件，它会在24小时内处理完，价格通常是实时API的一半。如果你不急着要结果，用批处理能再省一半的钱。

3.4 代码生成与调试场景

代码生成对模型能力要求比较高，通常需要用中高端模型。但代码场景有个特点：输入输出都比较长。你贴一段代码让模型改bug，输入可能几千Token，输出也可能几千Token。用Claude 3.5 Sonnet算，输入5000Token，输出3000Token。输入成本5000除以100万乘以22，等于0.11元；输出成本3000除以100万乘以110，等于0.33元。合计0.44元。一块钱只能问两次多一点。

这个成本对于个人开发者来说不算低，但如果你用Claude 3 Haiku，输入成本5000除以100万乘以1.8，等于0.009元；输出成本3000除以100万乘以9，等于0.027元。合计0.036元。一块钱能问27次。当然Haiku的代码能力不如Sonnet，简单bug可以，复杂重构就不行了。所以代码场景要根据任务难度灵活切换模型，简单的用便宜模型，复杂的再上贵的。

4. 省钱实操：把每一分钱都花在刀刃上

4.1 提示词压缩：少说废话就是省钱

提示词压缩是最直接的省钱手段。很多人写提示词喜欢堆一大堆背景说明、格式要求、示例，结果输入Token暴涨。我见过一个提示词写了2000Token，其实核心指令就200Token。你把那些冗余的客套话、重复的约束删掉，输入成本直接降90%。

具体怎么做？第一，把“请你帮我”“麻烦你”“非常感谢”这类礼貌用语全删掉，模型不需要你客气。第二，把格式要求用最简短的词表达，比如“输出JSON”比“请你以JSON格式输出结果，确保包含以下字段”省很多Token。第三，示例只给一个最典型的，不要给三五个。第四，如果多个任务用同一个系统提示词，把它放在系统消息里，有些模型对系统消息有缓存优惠。

我实测过一个场景，原始提示词1800Token，压缩后320Token，输出质量几乎没变化。按GPT-4o mini的价格算，每次调用省了0.0016元，一万次调用就是16元。积少成多，这个账不能不算。

4.2 模型路由：让便宜的干便宜的活

模型路由是指根据任务难度自动选择不同价位的模型。简单任务走便宜模型，复杂任务走贵模型。这个策略在批量场景下特别有效。

比如你做客服自动回复，80%的问题是“退货怎么操作”“发货时间多久”这种标准问题，用最便宜的模型就能答。剩下20%是复杂投诉或特殊需求，才需要上中高端模型。你可以在代码里加一个判断逻辑，先用便宜模型跑一遍，如果置信度低或者问题类型匹配到复杂类别，再转给贵模型。

这个策略的实现方式有很多种。简单点可以用关键词匹配，复杂点可以用一个小分类模型先判断意图。我自己的做法是维护一个任务类型到模型的映射表，每次调用前根据任务类型查表选模型。这样既保证了效果，又把成本压到了最低。

4.3 输出长度控制：别让模型自由发挥

输出Token是成本大头，控制输出长度能省很多钱。很多人不限制输出长度，模型就放飞自我，写一大堆无关内容。你在提示词里明确写“用一句话回答”“不超过50字”“只输出结果不要解释”，输出Token能降一半以上。

还有一个技巧是让模型输出结构化数据而不是自然语言。比如你要提取信息，让模型输出JSON比输出一段描述省Token。JSON里只有键值对，没有连接词、修饰语、客套话。同样一条信息，自然语言描述可能要50Token，JSON只要15Token。

另外，如果你只需要模型做分类，让它输出一个数字或一个词就行，不要让它解释为什么。解释也是输出Token，而且往往是你不需要的。

4.4 缓存与批处理：把优惠用到极致

前面提过缓存和批处理，这里再展开说一下。缓存分两种，一种是提示词缓存，你把固定的系统提示词或长文档缓存起来，后续调用直接复用，价格通常是正常输入的10%到25%。另一种是结果缓存，同样的输入你之前问过，直接把上次的结果返回，成本为零。

批处理则是把多个请求打包成一个任务提交，厂商在非高峰时段处理，价格通常是实时API的50%。如果你做的是离线数据分析、批量内容生成这类不要求实时响应的任务，批处理是首选。

这两个功能不是所有厂商都有，你在选型的时候要专门看一下文档里有没有。有些厂商的缓存功能需要手动开启，有些是自动的。批处理通常需要你按照特定格式提交文件，稍微麻烦一点，但省下来的钱值得。

5. 选型避坑：那些报价页面不会告诉你的事

5.1 免费额度背后的限制

很多厂商为了吸引用户，会送免费额度，比如新用户送几百万Token。但你仔细看条款，会发现限制不少。有的免费额度只有一个月有效期，过期作废。有的免费额度只能用于特定模型，旗舰模型不包含在内。有的免费额度有并发限制，你只能一个一个请求，不能批量跑。还有的免费额度需要绑定支付方式才能激活，绑了之后如果不小心超了，就直接扣费。

我的建议是，用免费额度之前先把条款读清楚，特别是有效期、适用模型、并发限制、是否自动续费这几项。如果你只是测试，用免费额度没问题。如果要上生产，别依赖免费额度，老老实实充钱，把预算算清楚。

5.2 价格之外的隐形成本

API价格只是显性成本，还有一些隐形成本容易被忽略。第一是网络延迟，有些厂商的服务器在海外，你调用的时候延迟高，影响用户体验。第二是稳定性，便宜模型可能高峰期排队严重，响应慢甚至超时。第三是文档和支持，有些厂商文档写得烂，遇到问题找不到人问，你自己排查的时间也是成本。第四是数据合规，如果你处理的是用户数据，要确认厂商的数据使用政策是否符合你的要求。

这些隐形成本在报价页面上看不到，但实际使用中影响很大。我的经验是，选API不能只看价格，要综合看延迟、稳定性、文档质量、技术支持。有时候贵一点但省心，总体成本反而更低。

5.3 价格变动的应对策略

大模型API的价格变动很频繁，今天这个价，下个月可能就降了，也可能涨了。你如果写死了某个模型的价格做预算，很容易被打脸。应对策略是：第一，在代码里把模型选择和价格配置分离，价格变了改配置就行，不用改代码。第二，多接几家API，做个备用方案，这家涨价了切到那家。第三，关注厂商的促销活动，有些厂商会在特定时期打折，囤一点额度。

我自己的做法是维护一个价格监控表，每个月更新一次主流模型的价格，然后根据价格变化调整模型路由策略。这个习惯让我在过去一年里省了不少钱，因为好几次都是某家降价后我第一时间切过去，成本直接降了一半。

6. 我自己的账单复盘与几个实在建议

过去半年我一直在用API做各种任务，从日常问答到批量数据处理都有。我拉了一下账单，发现几个有意思的现象。第一，我80%的调用量集中在最便宜的模型上，但80%的费用花在中高端模型上。这说明大部分任务其实用便宜模型就够了，贵模型只用在了少数关键任务上。第二，输出Token的费用占总费用的70%以上，输入只占不到30%。这验证了输出比输入贵得多的定价逻辑，也说明控制输出长度是省钱的关键。第三，缓存和批处理帮我省了大约40%的费用，这两个功能一定要用起来。

基于这些复盘，我给自己定了几个规矩。第一，新任务先用最便宜的模型试，效果不够再升级。第二，提示词必须压缩到500Token以内，超过就重新写。第三，输出必须限制长度，不限制就不调用。第四，能批处理就批处理，能缓存就缓存。第五，每个月看一次账单，分析费用分布，找出可以优化的地方。

最后分享一个小技巧：如果你不确定某个任务该用哪个模型，可以拿一批样本数据，用不同模型各跑一遍，对比效果和成本，算一下“每单位效果的成本”。有时候贵模型效果好10%，但价格贵10倍，那就不划算。有时候便宜模型效果只差5%，但价格便宜20倍，那就果断用便宜的。这个账算清楚了，你的API成本能控制得很漂亮。