LLM API 定价怎么比较:输入、输出与缓存 token 成本怎么看

LLM API 的账单不是按"每次调用"算的，而是按 token 分项计价：输入 token、输出 token、缓存输入 token 各有单价，同一模型这三项可能相差几十倍。要判断一个模型贵不贵，先看你的调用里输入和输出各占多少，再拿对应单价去乘。下面按"计费项 → 横向对比 → 估算月费 → 避坑"的顺序讲清楚。

三类计费项，先分清再比价

以价格页上的数据为例，DeepSeek 的 deepseek-v4.1-flash 输入 $0.003、输出 $0.180、缓存输入 $0.0028（每百万 token）——输出单价是输入的 60 倍。而 deepseek-chat 输入 $0.014、输出 $0.028，输出只有输入的 2 倍。这说明"哪个模型便宜"没有统一答案，取决于你的输入输出比例。

判断方法：如果你的场景是长文档问答（输入巨大、输出很短），输入单价权重高；如果是内容生成（输入短、输出长），输出单价才是主要成本。

按每百万 token 单价横向对比

价格页把主流提供商的模型放在同一张表里，按输入单价从低到高排列。以下是页面中出现的部分模型（单位：美元/百万 token）：

几个值得注意的点：

• 输入为 $0.000 不等于完全免费。这类模型往往靠缓存输入或其他方式计费，且能力指标（如 GPQA）差异很大，不能只看价格。
• 上下文窗口和价格不成正比。deepseek-v4-flash 有 1.0M 上下文且输入标价 $0.000，而 nova-micro-v1 只有 128K 却要 $0.035。窗口大不代表贵，但大窗口模型处理长输入时总 token 数会更高。
• 缓存输入单价普遍低于普通输入，适合有固定系统提示词或重复上下文的场景。

估算你自己的月度费用

公式很简单：

月费 ≈ (月输入 token 数 × 输入单价) + (月输出 token 数 × 输出单价) + (缓存命中 token 数 × 缓存单价)

具体步骤：

1. 统计一次典型调用的平均输入 token 和输出 token（可用 tokenizer 或 API 返回的 usage 字段）。
2. 乘以日均调用次数，得到日 token 量，再乘 30 得月量。
3. 换算成"每百万 token"单位，套用上表单价。

举例：假设某客服机器人每天 5000 次调用，每次输入 2000 token、输出 300 token。

• 月输入 = 5000 × 2000 × 30 = 3 亿 token = 300 百万
• 月输出 = 5000 × 300 × 30 = 4500 万 token = 45 百万

用 deepseek-chat（输入 $0.014、输出 $0.028）：300 × 0.014 + 45 × 0.028 = $4.2 + $1.26 = $5.46/月

用 deepseek-v4.1-flash（输入 $0.003、输出 $0.180）：300 × 0.003 + 45 × 0.180 = $0.9 + $8.1 = $9.0/月

输入输出比例一变，便宜的模型就换了。这就是为什么必须按自己的场景算，而不是看排行榜。

用能力筛选缩小候选范围

价格页支持按能力过滤，包括：工具调用（391 个模型）、视觉（212）、推理（126）、网页搜索（107）、PDF 输入（99）、缓存（210）、音频输入（26）、开源（294）。

用法：先确定你的硬性需求（比如必须支持工具调用 + 缓存），筛掉不满足的模型，再在剩下的里比价格。否则容易选到单价极低但缺少关键能力的模型，返工成本远高于省下的 token 费。

常见卡点

• 只看单价忽略能力：$0.000 的模型可能在 MMLU、GPQA 等指标上明显偏低，任务复杂时错误率上升，实际成本反而更高。
• 用过期报价做决策：价格页标注"Last updated: October 4, 2026"，并注明价格来自 OpenAI、Anthropic 等官方渠道、每日更新。模型价格变动频繁，决策前应回到来源页确认当前数字。
• 忽略缓存收益：有重复上下文的场景，启用缓存后输入成本可显著下降，选型时应把"是否支持缓存"纳入考量。
• 混淆上下文窗口与计费：窗口大意味着单次能塞更多 token，但每个 token 都要付费，长上下文场景要单独估算。

一句话选择逻辑

输入为主、追求低单价 → 看输入列最低且支持缓存的模型；输出为主 → 重点比输出单价；需要工具调用/视觉/推理 → 先用能力筛选，再在候选里比价。任何情况下，都用自己的输入输出比例套公式算一遍，而不是直接抄排行榜。