01 · AI计费为什么让人困惑

AI计费为什么让人困惑

很多人第一次看到大模型的账单都会愣住:明明只问了一句话,怎么费用忽高忽低?同样的提示词,这次几分钱,下次就翻倍。这种「看不懂的账单」背后,藏着一套和我们日常订阅软件完全不同的计费逻辑——按用量计费,而不是按时间。

困惑的根源主要有三个:一是计费单位 Token 对大多数人来说是个新概念;二是「输入」和「输出」要分开算钱,单价还不一样;三是「缓存命中」这种隐藏的折扣机制,没人主动告诉你。这篇视频就是要把这三件事一次性讲清楚。

看懂 AI 计费,本质上是在看懂「一次请求」里到底发生了什么。账单上的每一个数字,都对应着模型在背后做的一次计算或一次读取。
02 · Token是什么

Token是什么

Token 是大模型处理文本的最小单位。可以把它理解成「模型的字符切片」——它不等于一个汉字,也不等于一个英文单词,而是模型用分词器把文本切开后的一段片段。一个 Token 可能是一个完整的词,也可能只是半个汉字。

中文场景下,一个汉字通常对应 1~2 个 Token;英文里一个常见单词大约是 1 个 Token。这也是为什么同样长度的中英文,中文消耗的 Token 往往更多——分词方式决定了成本。

Step 1
输入文本:用户写下的提示词送进分词器
Step 2
分词(Tokenize):把整段文字切成一个个 Token
Step 3
计数:模型按 Token 数量计费,与字符数无关
Step 4
生成:模型输出的回答同样按 Token 计数

估算小窍门

中文大约按「字数 × 1.5」估算 Token 量;英文按「单词数 × 1.3」估算。写 prompt 时心里有这个换算,就能粗略预判单次请求的成本量级。

03 · 输入Token与输出Token

输入Token与输出Token

这是 AI 计费最核心的一条分界线。输入 Token(Input Token)是你发给模型的内容,包括系统提示、历史对话、当前问题;输出 Token(Output Token)是模型生成给你的回答。这两者单价不同,输出通常比输入贵 3~5 倍。

为什么输出更贵?因为输入只是「读取」,模型做的是一次前向计算;而输出是「逐个生成」,每多生成一个 Token 就要多跑一次前向计算,算力消耗呈线性增长。所以同样 1000 Token,输入可能只要几分钱,输出却要几毛钱。

一句话记住:你写得多花得少,模型说得多花得多。控制输出长度,比精简输入更省钱。

实际计费公式:总费用 = 输入Token × 输入单价 + 输出Token × 输出单价。下次看账单,先把这两项拆开看,就能立刻定位贵在哪一侧。
04 · 缓存命中:省钱的关键

缓存命中:省钱的关键

如果说前面三条是「明规则」,那缓存命中就是 AI 计费里最大的「暗福利」。当你的请求中有一部分内容和之前请求完全一致时,模型厂商会复用已计算的结果,这部分只按很低的折扣价收费,通常是输入单价的 10%~50%,部分厂商甚至直接免费。

典型场景是多轮对话:每轮都把完整历史发回去,其实前面那些轮次的内容在第一次就已经计算过了。带缓存的模型会把这些重复内容识别出来,按缓存价收费,省下的可能是 80% 以上的输入费用。

请求 1
首次发送:长上下文全部按原价计算,结果被缓存
请求 2
前缀命中:重复部分按缓存价(如 1 折)收费,仅新增部分原价
请求 N
持续复用:只要前缀稳定,每次都能省下大头输入成本

缓存命中的实操技巧

把稳定的指令、知识库、示例放在 prompt 最前面,把会变化的问题放在最后。这样前缀能稳定命中缓存,长对话和多轮调用下成本能降一个数量级。这是优化 AI 成本最立竿见影的一招。

05 · 各大模型计费对比

各大模型计费对比

不同厂商的计费结构差异很大,不能只看「每百万 Token 多少钱」这一个数字。要把输入价、输出价、缓存折扣三个维度放在一起看,才能选出最适合自己场景的模型。下面是主流厂商的大致档位(仅供量级参考,实际价格以官方为准)。

旗舰类
高输入价 + 高输出价 + 中等缓存折扣:适合对质量要求极高、调用量不大的场景
标准类
中等价位 + 良好缓存:性价比之选,大多数业务场景的最佳平衡点
轻量类
极低单价 + 部分支持缓存:高频调用、可接受质量降级的批处理任务首选
选型不是越便宜越好。一个便宜的模型如果输出质量差导致你要重试三次,最终成本反而高于一次成功的旗舰模型。把「单次成功率」也算进成本里。
06 · 如何优化AI使用成本

如何优化AI使用成本

看懂计费机制之后,优化就有章可循了。核心思路是四件事:压输入、控输出、用缓存、选对模型。下面是实践中最有效的几条具体做法。

最容易被忽视的一招

很多人不知道,把 prompt 里的「请详细解释」改成「用 3 句话回答」,可能让单次成本下降 70% 以上。输出 Token 是最贵的部分,限制输出长度是性价比最高的优化,没有之一。

一个健康的项目,输入 Token 应该远大于输出 Token(比如 10:1)。如果你的账单上输出 Token 占比很高,多半是 prompt 没约束好输出长度,或者让模型做了不该做的长篇生成。
07 · 原视频

原视频

这篇文字版是对原动画视频的整理与扩展。动画里把 Token 切分、输入输出计费、缓存命中的全过程都用可视化方式演了一遍,配合文字版理解会更透彻。建议先看视频建立直觉,再回来对照本文的清单做实操。

去抖音看原视频

动画形式完整讲解 AI 计费机制,含 Token 切分演示与缓存命中流程可视化

前往抖音
#Token #AI计费 #缓存命中 #AI成本 #动画视频 #大模型 #AI教程 #抖音