一、token 是计价的唯一单位
模型不按“次数”收费，而按 token 计费。中文大致 1 个字约等于 1 个 token，英文单词平均 1.3 个 token 左右。一次请求的成本 = 输入 token × 输入单价 + 输出 token × 输出单价。
二、输入与输出为什么分开标价
输出是模型逐字生成的，算力消耗更高，因此输出单价通常是输入的 2–4 倍。控制输出长度最有效的办法，是在提示词里明确字数与格式要求，而不是事后过滤。
三、缓存命中价格为什么低
如果多次请求的前缀内容相同（例如固定的系统提示、同一份长文档），上游可以复用已计算的上下文，这部分按缓存命中价格计费，通常只有正常输入价的十分之一甚至更低。把稳定不变的内容放在提示词前部，就能吃到这部分优惠。
四、分时计费与折扣
部分模型采用分时定价：工作日白天是高峰价，夜间与周末是低谷价；平台折扣会直接体现在价格表上，例如 7.9 折、9.5 折。批量离线任务安排在低谷时段执行，成本可以明显下降。
五、五个立刻能用的省钱技巧
- 把固定说明放进系统提示，提高缓存命中率；
- 长文档先做摘要再喂给模型，避免重复输入全文；
- 轻量任务换轻量模型，不要用旗舰模型做分类打标；
- 限制 max_tokens，避免模型“停不下来”；
- 用用量报表按项目维度对账，及时发现异常调用。