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TokenAI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。模型输入价格元/百万Token输出价格元/百万Token一块钱能买的输入Token一块钱能买的输出TokenGPT-4o约35约105约2.86万约0.95万GPT-4o mini约1.1约4.4约90万约22.7万Claude 3.5 Sonnet约22约110约4.5万约0.9万Claude 3 Haiku约1.8约9约55万约11万Gemini 1.5 Pro约25约75约4万约1.3万Gemini 1.5 Flash约0.5约1.5约200万约66万某国产主力模型约1约2约100万约50万某开源托管模型约0.3约0.6约333万约166万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50TokenJSON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。