你可能好奇：为什么同样调用一次大模型接口，有人花几分钱，有人花几块钱？这背后是一套远比想象中复杂的定价体系。
 一、先搞清楚：token到底是什么？
很多开发者第一次接触大模型API时，都会问同一个问题：**token是什么？是字数吗？是字符数吗？
都不是。
Token是模型理解文本的基本语义单元。你可以把它理解成"语义积木"——模型不是按字读，而是按"块"理解。
举个例子：
 "我喜欢北京烤鸭" → 被切分为 `["我", "喜欢", "北京", "烤鸭"]`（4个token）
"I like Beijing Roast Duck" → `["I", " like", " Beijing", " Roast", " Duck"]`（5个token）
经验法则：
中文：1个token ≈ 1.5个汉字
 英文：1个token ≈ 0.75个单词
代码：1个token ≈ 1个token（代码特别占token）
 一个实用小技巧：你在ChatGPT里输入内容，右下角显示的字符数，除以1.3-1.5，大致就是token数。想精确测量？用 OpenAI 的 `tiktoken` 库。
1000个token能写多少？
内容类型    字数
中文文章    约650-700字
英文文章    约750-800词
代码    约600-700行Python
 二、输入价比输出价贵？真相恰恰相反
这是最常见的误解。
绝大多数模型的输出价格是输入的3-4倍。 一个典型的定价表：
模型    输入价（¥/百万token）    输出价（¥/百万token）
DeepSeek V4 Flash    0.5    2.0
Qwen-Plus    0.8    2.0
GLM-4-Plus    1.89    1.89
GPT-4o    17.6    70.4
为什么输出这么贵？
简单说：理解容易，创造难。
模型处理输入时，只需要"读懂"你的问题，这本质上是模式匹配。但生成回答时，它是一个字一个字地"创造"内容——每生成一个token，都要重新计算整个预测分布。这个过程需要的计算量是指数级的。
一个很形象的类比：
输入就像阅读一篇文章（轻松），输出就像亲自写一篇文章（费力）。
一个真实的踩坑：
在早期版本中，我只配置了 `ModelRatio`（基础倍率），没有配置 `CompletionRatio`（输出倍率）。结果是什么？一个需要大量输出的会话（比如代码生成），后台实际消耗的算力是用户支付金额的4-5倍。**每个客户都在给平台省钱，平台在亏钱。**
这个问题直到第三轮定价校准才被修复。教训：**没有真实的成本核算，定价就是拍脑袋。**
三、One API 的三层计价体系
如果你搭建过 AI API 聚合平台，一定会遇到 One API。它的计价体系有三层：
用户看到的金额（¥） ← Quota（额度） × ModelRatio（倍率） × CompletionRatio（输出额外倍率）
第一层：Quota（额度）
是系统内部的统一计量单位
1 Quota ≈ 1 token（在基准模型下）
用户充10块钱，系统分配约70万Quota（假设QuotaPerUnit=500,000，汇率7.2）
第二层：ModelRatio（基础倍率）
不同模型的"定价系数"
廉价模型（如 DeepSeek Flash）的ModelRatio=0.5
旗舰模型（如 GPT-4o）的ModelRatio=17.6
差距高达35倍
第三层：CompletionRatio（输出倍率）
处理的输出token数 × 这个倍率
通常是3-4（因为输出比输入贵）
微妙的是：**输入token按1倍算，输出token按ModelRatio×CompletionRatio倍算**
一次调用的完整计价过程：
假设用户调用了 DeepSeek V4 Flash：
输入：500 token
输出：1500 token
ModelRatio = 0.5，CompletionRatio = 4
消耗Quota = 500×0.5 + 1500×0.5×4 = 250 + 3000 = 3,250 Quota
折合人民币：3250/500000 ≈ ¥0.0065
一次完整对话不到一分钱。但如果换成 GPT-4o：
输入：500 token，输出：1500 token
ModelRatio = 17.6，CompletionRatio = 4
消耗Quota = 500×17.6 + 1500×17.6×4 = 8,800 + 105,600 = 114,400 Quota
折合人民币：114400/500000 ≈ ¥0.23
同一个对话，GPT-4o 贵了 35倍。这就是为什么选模型对成本影响如此之大。
四、给开发者的省钱建议
1. 不同场景选不同模型
场景    推荐模型    理由
闲聊/客服    DeepSeek Flash / GLM Flash    足够聪明，¥0.5-1/百万token
内容生成    Qwen-Plus / GLM-4-Plus    质量不错，¥1-2/百万token
代码编写    DeepSeek V4 Pro    代码能力极强，¥3/百万token
复杂推理    Qwen-Max / GPT-4o    最贵但最可靠
核心原则：不要把旗舰模型当廉价模型用。 80%的场景用中端模型就足够了。
2. 学会预估月token消耗
一个常见的预估公式：
月token消耗 ≈ 日均调用次数 × 平均每次对话长度 × 30天
举例：
一个客服机器人：日均1万次调用，平均每次500输入+800输出
月消耗 ≈ 10,000 × (500+800×4) × 30 = 11.1亿token
用 DeepSeek Flash：11.1亿×0.5(输入平均价) ≈ **¥55/月
用 GPT-4o：11.1亿×17.6 ≈ ¥1,954/月
同样是客服机器人，模型选对了，成本差35倍。
 3. 订阅vs按量，怎么选？
    按量计费    订阅制
弹性    ✅ 用多少付多少    ❌ 固定额度
单价    ❌ 稍贵    ✅ 更便宜
适合    用量波动大    用量稳定
建议：先按量跑一个月摸清用量规律，再考虑转订阅。数据表明：月消耗超过6500万token的用户，订阅比按量划算约20%。
五、算力成本正在快速下降，但别等
过去一年，大模型推理成本下降了多少？
时间    主流模型价格（¥/百万token）    变化
2024年初    20-30    —
2024年底    8-15    ↓约60%
2025年中    2-5    ↓约50%
2026年中    0.5-3    ↓再50%
不到两年，推理成本下降了近两个数量级。
但别等"更便宜"再入场。成本下降意味着两件事：
1. 现在能做过去做不起的应用（如实时文档分析、长文本处理）
2. 先入场的人积累的工程经验，是后来的降维打击
价格战会持续，但真正的护城河在场景理解和工程优化——这是不能降价买来的。
写在最后
大模型的定价体系，说复杂也复杂，说简单也简单。
复杂的是背后的配额换算、倍率叠加、输入输出分离；简单的是底层逻辑——让高端用户为高端算力付费，让普通用户享受普惠AI。
作为开发者，不需要记住每一个定价参数，但理解这四件事就够了：
token不是字数，是算力
输出比输入贵3-4倍，因为创造比理解难
选模型是最大的成本杠杆
别等降价，现在就是入场的好时机