API 调用怎么算账：百万 token 到底等于多少钱
"$0.27/M 输入"看着便宜得不像话，结果实际跑下来账单翻 3 倍——这一篇拆清楚为什么。
先搞懂 token 是什么
token 不是字符也不是单词，是模型把文本切成的最小处理单位。粗略对照：
| 语言/类型 | 100 token 约等于 |
|---|---|
| 英文文本 | 75 个英文单词 |
| 中文文本 | 55-70 个汉字 |
| 代码 | 50-80 行（看语言） |
| JSON / 数据 | 30-50 个键值对 |
关键事实：中文比英文贵。同样表达一段意思，中文消耗的 token 比英文多约 30-50%。 这不是厂商收费规则的问题，是 tokenizer 的底层差异——大多数模型的分词器是基于英文优化的。
输入 vs 输出：才是真正的差价
所有模型都分开计价：你发给它的（输入 / prompt） 和它生成给你的（输出 / completion）。 输出几乎都比输入贵 3-5 倍，原因是生成需要更多算力。
看几个典型组合：
| 模型 | 输入 | 输出 | 输出 / 输入 |
|---|---|---|---|
| DeepSeek V3.2 | $0.252 | $0.378 | 1.5× |
| Claude Sonnet 4.5 | $3.00 | $15.00 | 5.0× |
| GPT-5 Mini | $0.25 | $2.00 | 8.0× |
| Gemini 2.5 Flash | $0.30 | $2.50 | 8.3× |
DeepSeek V3.2 的输出/输入只有 1.5 倍——这是个少见的"反常"。 所以做分类、抽取这种"输入长输出短"的任务，DeepSeek 价格优势会被放大； 但如果你让它写小说（输出几千 token），优势就缩小了。
三个真实账单例子
例子 1：每天 1000 次客服问答
典型场景：用户问 50 字、加上系统提示 800 字、模型回答 200 字。 一次调用约 = 输入 1200 token + 输出 280 token。
- DeepSeek V3.2：$0.0003 + $0.0001 = $0.0004 / 次 → 月 $12（≈¥85）
- Claude Sonnet 4.5：$0.0036 + $0.0042 = $0.0078 / 次 → 月 $234（≈¥1670）
- Gemini 2.5 Flash：$0.00036 + $0.0007 = $0.00106 / 次 → 月 $32（≈¥230）
差距 19×。日常客服没必要上 Claude。
例子 2：每天处理 100 份 50 页 PDF
假设每份 PDF 约 50000 token，模型输出 2000 token 总结。 一次调用 = 输入 50000 + 输出 2000。
- DeepSeek V3.2：$0.0126 + $0.00076 = $0.0134 / 份 → 月 $40（≈¥288）
- Gemini 2.5 Flash：$0.015 + $0.005 = $0.020 / 份 → 月 $60（≈¥430）
- Kimi K2：$0.0285 + $0.0046 = $0.033 / 份 → 月 $99（≈¥710）
这种场景 DeepSeek 还是最便宜，但 Gemini 1M 上下文有"装得下"的优势。
例子 3：跑一个 Agent 反复调用
Agent 场景特殊：每一轮都把之前的对话历史一起塞进去，输入会指数级膨胀。 假设 10 轮交互后单次输入到 20000 token、输出 500 token。
- DeepSeek V3.2 单轮：$0.005 + $0.00019 = $0.00519
- Claude Sonnet 4.5 单轮：$0.06 + $0.0075 = $0.0675（13×）
所以 Cursor、Claude Code 这种 Agent 工具如果不接 prompt caching，月账单飙到 $200+ 是常态。
省钱的关键：prompt caching
Anthropic、OpenAI、Google 都支持"提示缓存"——同一段输入（比如系统提示、文档上下文）在 5 分钟内重复使用， 缓存命中部分按 0.1-0.25 折收费。
具体折扣：
- Anthropic：缓存写入 1.25×，缓存读取 0.1×（5 分钟 TTL）
- OpenAI：自动缓存，读取 0.5×（无需配置）
- Google：缓存读取 0.25×（需要显式声明 cachedContent）
- DeepSeek：内置缓存命中 0.1×（默认开启）
如果你的 Agent 系统提示有 5000 token，每次都要塞进去——开了缓存后，每次实际只按 500 token 算输入。 没开缓存的 Agent 应用，账单大概率虚高 60-80%。
几个隐藏成本
- thinking token 也算钱。o3、Claude Opus 4.x-thinking、DeepSeek R1 这些"推理模型"会先思考再回答， 思考过程的 token 按输出价计费，但你看不到。问一个数学题，可能"消耗 3000 token 输出"里 2500 是思考、500 才是真答案。
- system prompt 每次都算输入。无状态 API（除了缓存）每次调用都把系统提示重新发一遍。 如果你的 system prompt 写了 3000 字（约 4000 token），调一次就是 $0.01+ 的固定成本。
- JSON Schema、Tool 定义也是 token。给模型挂 5 个工具，每次调用会自动把这些定义的描述塞进输入。 工具描述写得简短能省一半钱。
- 流式输出不便宜。stream 模式不会改变 token 计费，只改变交互体验，别被"流式更经济"的谣言骗了。
- OpenRouter 多收 5%。聚合平台方便切模型但有手续费，自营 API 占用量大的话建议直连。
实操建议
- 先估算再上线。用上面的公式按你预计的日请求量 × 平均 token 数算一遍月成本，比上线后看账单震惊好。
- 给模型分级。简单任务走 DeepSeek / GPT-5 mini，复杂任务才上 Claude / o3。一个项目混用 2-3 个模型是常态。
- 开启 prompt caching。这是最便宜的优化手段，代码改动小，省 50%+ 不是问题。
- 监控真实消耗。各家控制台都有用量明细，每天看一眼，发现某个端点突然飙升能止损。
- 国内/国际钱包分开。海外卡跑国际模型，国内对公账户接国内厂商，财务、合规、报销都更顺。
本文价格数据来自 OpenRouter API 抓取，首页有完整对比表。 模型厂商定价变化频繁（特别是国内厂商常有阶梯优惠和限时活动），下单前请回到厂商官网二次确认。