费用估算
基于 Token 用量估算 LLM API 成本，多模型定价并排对比
输入内容
预计输出长度
默认按常见任务预估，可自行调整
≈
缓存用量（可选）
缓存属于输入侧计费，适合重复使用较长提示词的场景
用相同用量比较其他模型
多选模型后，统一比较当前用量下的价格
| 模型 | 价格 | 缓存价格 | 单次调用 | 100 轮 | 相对价格 | 操作 |
|---|
Token 数使用 OpenAI tiktoken 做预估计算；汇率：1 USD = 1 CNY，1 USD = 1 JPY，1 USD = 1 RUB。汇率仅供参考，实际以实时结算为准。
还有更省钱的选择
按当前用量匹配的性价比模型榜单，一页看完谁贵谁值
去看看
Token 是什么？
了解 Token 的工作原理和计费逻辑
第 1 步 · Token 是什么
Token · 词元
模型读取内容的基本单位。
它既不是中文的「字」，也不是英文的「字母」。模型有自己的一套切分方法——常见片段保留完整，生僻部分继续拆小。每个模型的切法都不一样，所以同一段话在不同模型眼里，Token 数也不同。
unbelievableunbelievable
今天真不错今天真不错
model_idmodel_id
切分示意，第 3 步使用本地 Mock 演示，不代表真实分词。
常见问题
关于 Token 概念和费用计算的常见问题
Token 是什么？和字数怎么换算？
Token 是模型读取内容的基本单位，既不是中文的字，也不是英文的字母。常见片段保留完整，生僻部分继续拆小。大致上 1 个汉字 ≈ 1–2 Token，1 个英文单词 ≈ 1–1.3 Token，具体取决于模型的分词器——下方的「认识词元」可以亲手拆一次看看。
这个计算器的 Token 数准确吗？
文本模式按 OpenAI tiktoken（cl100k_base）在浏览器本地分词，不上传内容。这是估算，不同模型的分词器会有差异，不能当作账单对账。下方「认识词元」里的切分和 ID 仍是示意。
输入和输出为什么分开计费？
所有主流 API 都是这个规则：发送给模型的内容（输入）和模型生成的内容（输出）按不同单价计费，输出通常贵 3–5 倍，因为生成的计算成本更高。估算时输出长度对总费用的影响往往比输入更大。
缓存 Token 是什么？能省钱吗？
如果每次都重复发送同一段长提示词（比如固定的系统提示），部分模型支持把它缓存起来，下次读取时按更低单价计费。适合系统提示词很长、调用次数很多的场景；每次内容都不一样的对话用不上。
模型价格是实时数据吗？
模型名称和价格来自语言大模型商品列表。同一模型有多条价格时，默认取第一条。币种换算使用价格页的实时汇率。
一次请求的费用由哪些部分组成？
完整上下文包括系统提示词、历史对话、上传的文档、工具返回和你的当前输入，再加上输出预留——它们相加不能超过模型的上下文上限。「认识词元」第 4 步有一个可点击的组成图，可以直观看到每一块占多少。