大模型价格战背后：100万Token的真实成本账

如果你还在按去年的预算评估大模型落地成本，那份表格大概率已经彻底作废。

大模型 API 市场正在经历前所未有的价格震荡：OpenAI 将其轻量级主力模型降价 80%，Anthropic 推出折半价格的高性能版本，Google 则用限时五折抢夺开发者。而引发这轮行业内卷的 DeepSeek，由于高峰期算力严重承压，部分 API 费率反而上涨数倍。

在大模型战场上，价格不再只是单向跳水。顶尖旗舰持续下探，超低价模型却可能出现“分时浮动”。标价（Sticker Price）往往只是幌子，真正决定月末账单的，是输入输出的不对称性、提示词缓存（Prompt Caching）命中率、长上下文乘数以及思考 Token。

2026 主流大模型 API 价格全景

以每 100 万 Token（1M Tokens）为统一基准，各大厂商的标准目录价如下：

厂商	模型	输入 (每 1M)	输出 (每 1M)	计费特性 / 备注
OpenAI	GPT-6 Astra	$10.00	$50.00	旗舰模型，极高推理能力
OpenAI	GPT-5.6 Sol	$5.00	$30.00	主力旗舰，缓存输入仅 $0.50
OpenAI	GPT-5.6 Terra	$2.00	$12.00	均衡型，性价比较高
OpenAI	GPT-5.6 Luna	$0.20	$1.20	轻量模型，降价 80% 后的跑量主力
Anthropic	Claude Fable 5	$10.00	$50.00	顶级代码与多步推理
Anthropic	Claude Opus 5	$5.00	$25.00	性能逼近顶配，单价减半
Anthropic	Claude Opus 5 Fast	$10.00	$50.00	2.5倍生成速度，双倍价格
Google	Gemini 3.1 Pro	$2.00	$12.00	超过 200K 上下文后涨至 $4/$18
Google	Gemini 2.5 Flash-Lite	$0.10	$0.40	极速超低价档
Google	Gemini 3.7 Flash	$0.75	$3.75	限时折扣价，期满恢复至 $1.50/$7.50
DeepSeek	V4-Pro（闲时）

对比 Luna、V4.1 Flash 与 GPT-6、Fable 5 可以发现，最便宜与最昂贵的可用模型之间，输入价差已经达到了惊人的 100:1。选型的核心早已不是单纯评测“谁的模型最聪明”，而是“如何将具体任务路由给刚好能胜任的最便宜模型”。

重新理解 100 万 Token 的消耗模型

预算失控的第一主因，是对 Token 消耗结构存在误判：

• 容量感性认知：1M Token 约等于 75 万英文单词，或 150 万到 180 万中文字符，体量相当于 10 本长篇小说或约 2000 页行业技术文档。
• 单次交互规模：典型对话回答约为 1,000 到 3,000 Token。
• 自主智能体（Agent）损耗：一个让代码 Agent 持续工作一小时的 Session，消耗可达 5 万到 50 万 Token。其中绝大部分是由于不断回传环境状态、重复读取上下文和工具调用结果带来的输入。
• 长文档处理：解析总结一份 20 页的行业研报，输入约 1.5 万 Token，输出仅需 1,500 Token。

真实账单由输入主导。在复杂工作流或 Agent 系统中，输入与输出的比例普遍处于 5:1 到 10:1 之间。如果你的系统需要频繁塞入庞大的系统提示词（System Prompt）和 RAG 召回片段，即便输出价格再便宜，输入成本也会迅速击穿预算。此外，部分模型默认输出冗长，等于在 $25/1M 的高单价区间被动增加了输出消耗。

厂商藏在细则里的六大成本乘数

官网宣传的单价仅是计费基准，最终账单取决于以下六个杠杆：

1. 提示词缓存（Prompt Caching，最高省 90% 以上）
   反复使用的系统规则、Few-shot 样例或固定知识库内容，绝不该每次全价计费。OpenAI 的缓存输入费用仅为标准价的 10%；Claude Opus 5 的缓存读取费率直接降至 $0.50/1M；DeepSeek 早期极具竞争力的定价本质上也高度依赖缓存命中折扣。未配置缓存架构的团队，等于主动放弃了数倍的降本空间。
2. 离线批处理（Batch API，立减 50%）
   不需要实时交互的任务（如夜间向量计算、离线模型评测、海量数据清洗分类），直接走 Batch 接口，OpenAI 与 Google 均提供 50% 的硬性折扣。
3. 长上下文惩罚（单价直接翻倍）
   部分模型设定了基础上下文阈值。例如 Gemini 在超过 200K 上下文后，输入与输出单价全面翻倍。直接往模型里灌几百页代码库的做法极其昂贵。
4. 算力潮汐定价（峰谷差达 2-3 倍）
   DeepSeek 引入了类似电力系统的两部制分时计价。工作日的高峰时段费率直接上调数倍。如果调度任务未能避开高峰期，成本会直接失控。
5. 思考/推理 Token 计费
   具备长链条思考能力（Thinking/Reasoning）的模型，其思维链过程哪怕不完整展示给终端用户，其 Token 消耗也完全按输出费率结算。一段思考 2 万 Token 的调用，在高端模型上会瞬间产生昂贵账单。
6. 外部工具调用附加费
   以 Google Search Grounding 为例，超出免费额度后，每 1000 次搜索请求需额外支付 14 美元。Agent 在闭环迭代中的重试、搜索与校验，会带来隐蔽的滚雪球成本。

五大典型场景成本测算

以下模型按实际工程负载推算，核心在于理解测算模型：

场景一：资讯聚合摘要（1,000 篇/月）

每篇输入约 8,000 Token，输出约 800 Token。月消耗：8M 输入 + 0.8M 输出。

• GPT-5.6 Luna：8 × $0.20 + 0.8 × $1.20 = $2.56/月
• Gemini 2.5 Flash-Lite：8 × $0.10 + 0.8 × $0.40 = $1.12/月
• GPT-5.6 Sol：8 × $5.00 + 0.8 × $30.00 = $64.00/月

结论：此类低推理门槛、高吞吐量的任务，使用轻量模型相比主力旗舰可以压降 25 至 60 倍成本，且摘要质量几乎没有可感知的差距。

场景二：研发代码 Agent（10 人团队，日均 50 Agent-小时）

每 Agent-小时平均产生 20 万输入 + 3 万输出。按月（22 个工作日）计算：2.2 亿输入 + 33M 输出。

• Claude Opus 5：220 × $5.00 + 33 × $25.00 = $1,925/月
• GPT-5.6 Sol：220 × $5.00 + 33 × $30.00 = $2,090/月
• GPT-6 Astra：220 × $10.00 + 33 × $50.00 = $3,850/月
• DeepSeek V4-Pro（闲时）：220 × $0.66 + 33 × $1.98 = $210.54/月（高峰期约 $421/月）

结论：超高强度的 Agent 工作流极度依赖高性价比算力。与此同时，输入 Token 构成了账单的 70% 以上，输入缓存设计是核心生命线。

场景三：高并发客服智能体（10 万次会话/月）

每次会话含检索召回背景约 2,000 输入 + 500 输出。总消耗：2 亿输入 + 50M 输出。启用提示词缓存，90% 的重复 FAQ 背景享受 10% 优惠费率：

• GPT-5.6 Terra（开启缓存）：实际输入约 $76 + 输出 $600 = $676/月
• Gemini 3.7 Flash：200 × $0.75 + 50 × $3.75 = $337.50/月
• Claude Opus 5（无缓存全量）：$2,250/月

结论：良好的缓存架构叠加合适的中端模型，能让同样业务规模的成本产生 7 倍差距。

场景四：长文档合同审核（单篇 25 万 Token，月审核 500 篇）

直接触发超长上下文高单价档位。总计：1.25 亿输入 + 5M 输出。

• Gemini 3.1 Pro（长上下文档）：125 × $4.00 + 5 × $18.00 = $590/月
• GPT-5.6 Sol（长上下文乘数约 2x）：125 × $10.00 + 5 × $60.00 = $1,550/月

结论：若能通过分块检索（Chunking + Vector RAG）代替粗暴的全量上下文投喂，避开长上下文阶梯溢价，架构层面的优化能瞬间减少 50% 以上开销。

场景五：早期产品验证（MVP 阶段，月调用 5,000 次）

总量仅约 25M 输入 + 5M 输出。

• GPT-5.6 Luna：约 $11/月
• Claude Opus 5：约 $250/月

结论：月 API 支出在 100 美元以下时，工程师的时间成本远高于 Token 差价。直接选效果最好的模型快速验证需求，无需过早进行成本优化；月度消耗跨过 1,000 美元门槛后，路由与缓存优化才会体现出极高的投资回报率。

构建四层动态模型路由体系

切忌在系统架构中写死模型调用。科学的做法是根据任务复杂度建立动态降级与升级管道：

[用户请求输入]
       │
       ▼
[轻量分类器 / 复杂度评估]
       ├────────┬────────┬────────┐
       ▼        ▼        ▼        ▼
   Tier 1   Tier 2   Tier 3   Tier 4
 (管道任务) (日常业务) (深度推理) (极限攻坚)
       │        │        │        │
       └────────┴───┬────┴────────┘
                    ▼
            [执行失败 / 低置信度]
                    │
                    ▼
              (自动阶梯升级)

• Tier 1：基础管道任务（文本分类、实体提取、多语言翻译、简单单篇摘要）
  选用 GPT-5.6 Luna、Gemini 2.5 Flash-Lite、DeepSeek V4.1 Flash。输入单价控制在 $0.20/1M 以下。
• Tier 2：日常交互业务（常规客服、通用文案起草、代码自动补全）
  选用 GPT-5.6 Terra、Gemini 3.7 Flash、DeepSeek V4-Pro。输入成本控制在 $1-$2 区间。
• Tier 3：高难度推理（复杂多步 Agent、跨模块代码重构、行业研报分析）
  选用 Claude Opus 5、GPT-5.6 Sol、Kimi K3。按需使用，兼顾质量与响应可靠性。
• Tier 4：极限攻坚（极难数学逻辑推导、高难度架构设计兜底）
  选用 GPT-6 Astra、Claude Fable 5。单价高昂（$10/$50），仅作为自动降级管道中的最后升级防线。

本周即可落地的降本清单

1. 强制开启 Prompt Caching：检视系统内的 Prompt 模板与知识库拼接策略，确保系统指令与静态上下文处于最前段，提升命中率。这是 ROI 最高的工程改动。
2. 非实时任务迁移至 Batch API：梳理数据管道，将夜间处理、离线评测、冷启动清洗等非即时任务划入批处理通道，直接斩获 50% 折扣。
3. 向下对齐一级模型做 A/B 测试：多数系统惯性地在所有端点挂载顶级旗舰。用测试集跑一次对齐评估，你会发现大量 Tier 2 甚至 Tier 1 模型已能胜任现有业务。
4. 显式约束思考 Token 上限：为具备深度推理特性的模型配置思考预算阈值，避免模型在简单问题上过度推理刷高输出费用。
5. 错峰调度与多厂商 Fallback：若业务接入了具备峰谷定价机制的模型，将密集型计算任务通过定时任务规整到闲时窗口执行；同时配置动态熔断机制，避免在单家服务商出现容量挤兑时被动承担高昂成本。