本页是基于外部帮助文章的整理笔记，不是原文全文转载。
抓取整理时间：2026-06-22。
一句话结论：调用成本 = 输入 token 数 × 输入单价 + 输出 token 数 × 输出单价（有倍率体系的平台再乘 分组倍率 × 模型倍率），把输入长度、输出长度和模型选型这三件事管住，就能压掉大部分费用。
核心结论
大模型 API 的按量计费，本质上是按实际消耗的 token 数量计价。一次调用通常分为输入 token 和输出 token 两部分，不同模型会有不同的输入价格、输出价格或倍率。
原文把计费拆成三个关键概念：token、模型倍率、补全倍率。你可以把它理解为：先数清楚用了多少输入和输出，再按模型价格系数换算费用。如果想先搞懂 token 是怎么在模型内部被消耗的，可以参考大模型到底是怎么工作的。
计费公式怎么理解
整理后的通用表达是：
总费用 = 输入 token 数 × 输入单价 + 输出 token 数 × 输出单价
如果平台采用倍率体系，则可以进一步把不同模型折算到统一基准：
实际额度 = 分组倍率 × 模型倍率 × (提示 token 数 + 补全 token 数 × 补全倍率)
这类公式适合用来做调用前估算，也适合在日志里复盘某次请求为什么贵。想看一个具体价格实例，可以参考Claude Fable 5 的定价拆解。
成本控制抓手
优先优化三件事：
| 抓手 | 具体做法 |
|---|---|
| 控制输入长度 | 减少无关上下文、重复提示和无效历史消息 |
| 控制输出长度 | 明确格式和长度，设置合理的 max_tokens |
| 分层选择模型 | 简单任务走经济模型，复杂或高风险任务再切到强模型 |
模型选错档位很容易让成本失控，Qwen 3 8B/27B 的选型案例就是一个典型的推理档位拉高成本的例子。
如果你的系统会批量调用模型，建议在请求日志中记录输入 token、输出 token、模型名、单次费用和业务场景。这样后续才知道优化应该落在哪一类调用上。
适合放进工程里的检查项
- 每个接口是否设置了输出长度上限。
- 长上下文是否有去重、摘要或检索裁剪。
- 是否把高价模型用于了高频低价值任务。
- 是否能按用户、项目、模型维度导出费用明细。
- 是否能在预算异常时及时降级或停止任务。
如果你需要跨多个模型统一记录这些计费字段、按请求路由到更便宜的模型，这正是 LoopRouter 这类统一接入网关在做的成本治理工作，省去每个模型单独接入和对账的麻烦。
常见问题
大模型 API 的按量计费是怎么算的?
总费用 = 输入 token 数 × 输入单价 + 输出 token 数 × 输出单价;若平台采用倍率体系,再按 分组倍率 × 模型倍率 折算到统一基准。
输入 token 和输出 token 有什么区别?
输入 token 是你发送的提示,输出 token 是模型生成的补全;两者通常单价不同,输出一般更贵。
怎么控制大模型 API 的调用成本?
优先优化输入长度、输出长度和模型选型/缓存:精简无效上下文、约束 max_tokens、按任务分层选择更便宜的模型。
倍率体系怎么理解?
如果平台采用倍率体系,会把不同模型折算到统一基准:实际额度 = 分组倍率 × 模型倍率 × (提示 token 数 + 补全 token 数 × 补全倍率)。先数清楚用了多少输入和输出 token,再按这套系数换算成实际费用。
成本复盘该记录哪些字段?
建议在请求日志里记录输入 token、输出 token、模型名、单次费用和业务场景,这样才能看清优化应该落在哪一类调用上,也方便按用户、项目、模型维度导出费用明细。