LLM API 成本怎么比较:输入、输出与缓存 token 单价怎么看

比较 LLM API 成本，核心是先把账单拆成三个计价维度：输入 token、输出 token、缓存输入 token，再用你自己的调用量去乘对应单价。只看"每百万 token 多少钱"这一个数字，很容易选错模型——因为同一个模型的输入和输出单价可能差几十倍，缓存命中与否又能再差一个数量级。下面按"看懂单价 → 估算月成本 → 结合能力筛选"的顺序讲清楚。

为什么同一个模型会有三个单价

主流 LLM API 的计费结构基本一致：

• 输入单价（Input）：你发给模型的 prompt 部分，包括系统提示、对话历史、检索到的文档。
• 输出单价（Output）：模型生成的内容。绝大多数模型输出单价明显高于输入单价，因为生成是逐 token 串行计算的。
• 缓存输入单价（Cached Input）：如果 prompt 前缀和上一次请求重复，部分供应商允许命中缓存，按更低的单价计费。

以 pricepertoken.com 收录的数据为例，DeepSeek 的 deepseek-v4.1-flash 输入 $0.003、输出 $0.180、缓存输入 $0.0028（单位：每百万 token）。输入和输出差了 60 倍，缓存输入又比普通输入低一个数量级。这意味着：

• 一个长输入、短输出的场景（比如文档分类、信息抽取），成本几乎全由输入单价决定；
• 一个短输入、长输出的场景（比如内容生成、代码补全），成本几乎全由输出单价决定；
• 一个反复使用同一段长 prompt 的场景（比如固定系统提示 + 固定知识库），缓存单价才是关键。

所以"哪个模型便宜"这个问题，脱离使用场景没有答案。

用调用量估算月成本

把三个单价套进一个简单公式：

月成本 ≈ 月输入 token 数 × 输入单价
       + 月输出 token 数 × 输出单价
       + 命中缓存的输入 token 数 × 缓存输入单价
       + 未命中缓存的输入 token 数 × 输入单价

注意缓存部分要拆开算：命中缓存的输入按缓存单价，没命中的仍按普通输入单价，两者相加才是总输入成本。

举个具体例子。假设你做一个客服问答机器人，每月 10 万次请求，每次平均输入 2000 token（其中 1500 token 是固定的产品知识库前缀，可命中缓存）、输出 300 token。用 deepseek-v4.1-flash 的单价：

可以看到，虽然输入 token 总量是输出的 6 倍多，但输出成本占了九成以上。如果换成输出单价更低的模型，这个场景的账单会明显下降；如果换成输入便宜但输出贵的模型，反而更贵。

验证方法：先跑一周真实流量，从供应商后台导出实际 token 用量（区分输入/输出/缓存），再按公式外推一个月。不要用"平均每次请求多少字"去猜，中英文、代码、JSON 的 token 折算比例差别很大。

别只看单价，先过能力门槛

单价再低，模型不满足需求也是浪费。pricepertoken.com 的筛选器把能力分成几类，选型时值得先按这些条件过滤：

• 上下文长度（Context）：长文档、多轮对话、大代码库场景，上下文不够直接不可用。列表里从 16K 到 1.0M 都有。
• 工具调用（Tool Use）：需要模型调用外部函数、走 Agent 流程的场景。
• 推理（Reasoning）：复杂数学、多步逻辑任务。
• 视觉 / PDF 输入：需要处理图片或文档的场景。
• 开源（Open Source）：有自部署或合规要求的场景。

筛选出满足能力的候选模型后，再在候选集内比单价，而不是在全量列表里找最便宜的那个。

同类模型横向对比的实操顺序

1. 定场景：先判断你的负载是长输入型、长输出型还是高缓存命中型。
2. 过能力筛：用上下文、工具调用、推理等条件缩小候选范围。
3. 算加权单价：按你的输入/输出比例，把三个单价合成一个"有效单价"，而不是直接比输入单价。
4. 看更新时间：价格随模型版本变动，比较时以页面标注的最新官方价格为准。pricepertoken.com 页面显示"Last updated: October 4, 2026"，并每日更新官方价格，用它做横向对比比翻各家官网更快。
5. 小流量验证：选定 1–2 个候选后，用真实流量跑一周，核对实际账单和预估是否吻合。

常见卡点

• 把输入单价当成总成本：输出单价往往是输入的数倍到数十倍，只看输入会严重低估。
• 忽略缓存命中率：缓存单价虽低，但命中率取决于 prompt 前缀是否稳定。前缀里混入时间戳、随机 ID 会导致永远不命中。
• 用字符数代替 token 数：中文、代码、结构化数据的 token 折算差异大，估算偏差可能超过一倍。
• 忽略上下文长度对成本的影响：多轮对话如果不做历史裁剪，输入 token 会随轮次线性增长。
• 拿旧价格做决策：模型版本迭代快，价格和可用性都可能变，比较前先确认数据更新时间。

一句话总结：先按场景确定成本由哪个单价主导，再用真实 token 用量算加权成本，最后在满足能力门槛的候选里选——这样比出来的结果才和你的账单对得上。