---
title: "视觉大模型 API 价格：每张图片、每页成本 | BroadRouter"
description: "视觉大模型调用每张图片、每页文档要花多少钱：Gemma 4、Qwen3.8 27B 和 DeepSeek V4.1 Flash 的 token 算法，以及 DeepInfra 在哪些方面更便宜。"
url: https://broadrouter.com/zh/blog/cheapest-vision-llm-api/
lang: zh-Hans
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/blog/cheapest-vision-llm-api/)（2026-11-16 更新）。

# 最便宜的视觉大模型 API：每张图片和每页文档的成本算法

BroadNet Inference 团队 · 阅读约 5 分钟 · 发布于 2026-11-14 · 更新于 2026-11-16

视觉大模型把图片按输入 token 计费，所以 1,000 张约 1,000 token 的图片，费用等于每百万 token 的输入价格。BroadNet 上最便宜的是 Gemma 4 VL 26B，每百万输入 $0.10、输出 $0.22。DeepInfra 上 Google 的 Gemma 4 26B A4B 输入价更低、输出价更高。

## 要点

-   视觉模型把图片按输入 token 计费。每张图片成本 = 图片 token × 输入价格 ÷ 1M，再加上回答的费用。
-   1,000 张约 1,000 token 的图片就是 100 万输入 token：Gemma 4 VL 26B 为 $0.10，Qwen3.8 27B 为 $0.175，DeepSeek V4.1 Flash 为 $0.175。
-   回答较长时，输出价格决定排名：每百万分别为 $0.22、$0.52 和 $2.17。
-   先缩放和裁剪图片。token 数会随分辨率增长。
-   阿拉伯语文档选 Qwen3.8 27B，要 BroadNet 最低价选 Gemma 4 VL 26B，需要长上下文或固定价格套餐选 DeepSeek V4.1 Flash。

**本页内容**

1.  大模型 API 怎样给图片计费？
2.  一张图片算多少 token？
3.  每个视觉模型要多少钱？
4.  1,000 张图片要多少钱？
5.  一页文档要多少钱？
6.  BroadNet 是最便宜的视觉 API 吗？
7.  应该选哪个视觉模型？
8.  什么时候固定价格套餐比按张计价更划算？
9.  如何降低视觉成本？
10.  BroadNet Inference 的情况

视觉 API 的价格页很少写“每张图片”多少钱。它们列的是每百万 token 的价格，而图片会变成 token。本文把这些 token 价格换算成 BroadNet Inference 上三个视觉模型的每张图片成本和每页文档成本，并说明哪些设置会影响这个数字。

## 大模型 API 怎样给图片计费？

[视觉语言模型](https://broadrouter.com/zh/glossary/vision-language-model/)把图片切成小块（patch），再转成 token。你按输入价格为这些 token 付费，和文本提示词一起计算。回答按输出计费。所以：

```text
cost per image ≈ (image tokens + prompt tokens) × input price / 1M
               + answer tokens × output price / 1M
```

BroadNet 没有单独的图片费用。图片的 token 数取决于模型的图像编码器和分辨率，所以一张 4,000 像素的手机照片，比缩小后的同一张照片更贵。

## 一张图片算多少 token？

取决于模型家族：

-   **Gemma 4** 对每张图片使用固定的 token 预算：据 Google 的 Gemma 文档，为 “70, 140, 280, 560, or 1120 tokens”（译文：70、140、280、560 或 1120 个 token）。预算越低，图片缩得越小，运行越快；Google 表示，更高的预算能保留细节，并推荐在视觉任务上用它获得最佳准确率。
-   **Qwen3-VL** 的压缩比为 32，大约每 32 × 32 像素块对应一个 token，它的 README 展示了如何把每张图片的视觉 token 预算设为 256 到 1,280 这样的范围。一张 1,024 × 1,024 的图片约为 32 × 32 = 1,024 个 token。

BroadNet 没有公布其部署的图片设置，所以请把这些数字当作数量级参考。发送一张你的真实图片，读取 `usage.prompt_tokens`，再减去纯文本时的 token 数，就是你的图片 token 成本。[图片 token 计算器](https://broadrouter.com/tools/image-token-calculator/)按各服务商文档中的规则，计算任意尺寸图片的 token 数。

## 每个视觉模型要多少钱？

BroadNet Inference 每百万 token 价格，同步于 2026-11-14：

| 模型 | 输入 | 输出 | 上下文 | 先思考再回答 | 初始额度 |
| --- | --- | --- | --- | --- | --- |
| [Gemma 4 VL 26B](https://broadrouter.com/zh/models/gemma-4-vl-26b/) | $0.10 | $0.22 | 32,768 | 未列出 | 可用 |
| [Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) | $0.175 | $2.17 | 262,144 | 是 | 充值后 |
| [DeepSeek V4.1 Flash](https://broadrouter.com/zh/models/deepseek-v4.1-flash/) | $0.175 | $0.52 | 1,048,576 | 是 | 充值后 |

## 1,000 张图片要多少钱？

假设每张图片加上简短提示词约为 1,000 个输入 token。那么 1,000 张图片就是 100 万输入 token，每 1,000 张图片的输入成本等于每百万 token 的价格：

| 模型 | 每 1,000 张图片的输入成本 | 每百万回答 token 的输出成本 |
| --- | --- | --- |
| Gemma 4 VL 26B | $0.10 | $0.22 |
| Qwen3.8 27B | $0.175 | $2.17 |
| DeepSeek V4.1 Flash | $0.175 | $0.52 |

用免费的[大模型 API 成本计算器](https://broadrouter.com/tools/llm-api-cost-calculator/)代入你自己的用量。有两件事会改变排名：

1.  \*\*回答长度。\*\*一个词的标签在哪里都便宜。在思考模型上，一个 300 token 的 JSON 抽取结果可能还附带几百个[思考 token](https://broadrouter.com/zh/glossary/reasoning-tokens/)，按输出价格计费。Qwen3.8 27B 的输出价格（每百万 $2.17）是 DeepSeek V4.1 Flash（$0.52）的好几倍，所以回答较长时 DeepSeek 更便宜。
2.  \*\*图片尺寸。\*\*如果每张图片有 2,000 个 token，输入那一列就要翻倍。如果 Gemma 的 280 token 预算足以完成你的任务，输入成本会降到大约四分之一。

## 一页文档要多少钱？

一页扫描的 A4 纸，按约 1,024 × 1,024 像素渲染，在 Qwen 类编码器上约为 1,000 个 token。所以粗略的规则是 **1,000 页 ≈ 100 万输入 token**，还没算提示词和回答。小字号可能需要更高的分辨率，也就需要更多 token。

处理文档页的实用建议：

-   文本型 PDF 请提取文字后发送，而不是发图片。文字的 token 远少于文字的截图。
-   只裁剪你需要的区域，例如发票上的合计栏。
-   需要按页提取字段时，每个请求发一页，这样一次失败不会浪费整份文档。

## BroadNet 是最便宜的视觉 API 吗？

不是每一项都最便宜。下面是 DeepInfra 上同一家族的开放视觉模型，取自其 2026 年 11 月 14 日的价格页，单位为每百万 token：

| DeepInfra 上的模型 | 输入 | 输出 |
| --- | --- | --- |
| gemma-4-26B-A4B-it | USD 0.07 | USD 0.34 |
| Qwen3-VL-30B-A3B-Instruct | USD 0.15 | USD 0.60 |
| Qwen3-VL-235B-A22B-Instruct | USD 0.20 | USD 0.88 |

DeepInfra 的 Gemma 4 输入价格低于 BroadNet 的 $0.10，输出价格则高于 BroadNet 的 $0.22。所以对于只回答一个词的图片分类，DeepInfra 更便宜；对于较长的 JSON 抽取，BroadNet 可能更便宜。在 [Gemma 4 26B A4B 价格页](https://broadrouter.com/zh/llm-api-pricing/gemma-4-26b-a4b-it/)和 [Qwen3-VL 235B 价格页](https://broadrouter.com/llm-api-pricing/qwen3-vl-235b-a22b-instruct/)上比较更多托管商，或阅读 [DeepInfra 替代方案](https://broadrouter.com/alternatives/deepinfra-alternative/)页面。[最便宜的大模型 API](https://broadrouter.com/zh/llm-api-pricing/cheapest/) 排名和[大模型 API 价格指数](https://broadrouter.com/data/llm-api-price-index/)把这些价格放在整个市场中来看。

## 应该选哪个视觉模型？

-   \*\*BroadNet 最低价，简单任务：\*\*Gemma 4 VL 26B。标签、图片描述、“有没有签名？”。它可以用 $5 初始额度调用。它的 32,768 token 上下文限制了一个请求能放下多少张图片。
-   \*\*阿拉伯语文档和截图：\*\*Qwen3.8 27B，BroadNet 在阿拉伯语上测试过的模型。参见[用视觉模型读取阿拉伯语发票](https://broadrouter.com/zh/guides/read-arabic-invoices-with-vision/)和[如何为阿拉伯语选择大模型](https://broadrouter.com/zh/blog/choosing-an-llm-for-arabic/)。
-   \*\*长输出、单个请求多张图片，或超大用量：\*\*DeepSeek V4.1 Flash。它 1,048,576 token 的上下文一次能放下很多页，而在固定价格套餐中，图片也属于不限量使用的范围。

并排对比页面：[Gemma 4 VL 26B 与 Qwen3.8 27B 对比](https://broadrouter.com/compare/gemma-4-vl-26b-vs-qwen3.8-27b/)和 [DeepSeek V4.1 Flash 与 Gemma 4 VL 26B 对比](https://broadrouter.com/compare/deepseek-v4.1-flash-vs-gemma-4-vl-26b/)。

## 什么时候固定价格套餐比按张计价更划算？

一个 Full Moon 会话每月 $60，可不限量使用 DeepSeek V4.1 Flash，同一时间一个请求。按每张图片约 1,000 个 token 计算，在 DeepSeek V4.1 Flash 上每 1,000 张图片的输入费用为 $0.175，所以每月达到 $60 ÷ $0.175 千张图片时，仅输入费用就达到套餐价格，还没算回答。如果一个 worker 全天处理图片，可以先用一小时的 Meteor 会话（$1）测出它的吞吐量再比较，或者使用[固定价格与按 token 计费计算器](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/)。完整方法见[盈亏平衡计算](https://broadrouter.com/zh/blog/flat-rate-vs-pay-per-token-llm-api/)。

## 如何降低视觉成本？

1.  把图片缩到仍能正确识别的最小分辨率。用 20 个样本测试三种尺寸。
2.  要求输出带命名键的简短 JSON，而不是大段文字。
3.  做简单抽取时，在思考模型上把 `reasoning_effort` 设为 `low`，并把 `max_tokens` 保持在 1,000 或以上，以免回答被截断。参见[为什么回答会返回空](https://broadrouter.com/zh/guides/reasoning-tokens-empty-response/)。
4.  在 data URL 中使用正确的 MIME 类型（PNG 用 `image/png`）。
5.  为每张图片记录 `prompt_tokens`，以发现过大的上传。

## BroadNet Inference 的情况

BroadNet 用一个密钥提供三个视觉模型，从按 token 计费的 Gemma 到固定价格套餐都有，不收按张的图片费，并对你发送的图片实行[零数据保留](https://broadrouter.com/zh/privacy/)。它适合发票、收据、截图和阿拉伯语文档。如 DeepInfra 表格所示，对以输入为主的任务，它不是最便宜的托管商；它也不提供图片生成，只提供图片理解。抽取流程本身见[用视觉大模型把发票数据提取为 JSON](https://broadrouter.com/zh/blog/extract-data-from-documents-with-vision-llm/)。[用 $5 的初始额度开始](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-cheapest-vision-llm-api&utm_content=body)。

相关免费工具（英文）

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [Prompt caching savings calculator](https://broadrouter.com/tools/prompt-caching-calculator/) Bill with and without caching, by prefix share and hit rate.
-   [Prompt token diff](https://broadrouter.com/tools/prompt-token-diff/) Two prompt versions side by side: changed lines, exact token delta and the monthly cost difference.

[免费工具（英文）](https://broadrouter.com/tools/)

## 本文涉及的术语

[Token（词元）](https://broadrouter.com/zh/glossary/token/)

token（词元）是大语言模型读写文本的基本单位：由模型的分词器切分出的一个词、词的一部分、一个标点或一段字节序列。大模型 API 按 token 计数、设定限制，通常也按 token 计费。

[图像 token（image tokens）](https://broadrouter.com/zh/glossary/image-tokens/)

图像 token 是视觉语言模型用来在提示词中表示一张图片的输入 token。服务商根据图片尺寸计算其数量，通常是先缩放、再切成固定大小的图块，并像文本输入 token 一样计费，所以图片越大越贵。

[大模型包月套餐（flat-rate LLM plan）](https://broadrouter.com/zh/glossary/flat-rate-llm-plan/)

大模型包月套餐（固定价格套餐）是按一个周期（如一个月）收取固定费用、提供大模型 API 使用权的计价方式，不按 token 计费。这类套餐通常会限制别的东西，如并发、速度、模型或使用时间窗口，所以限制条件和价格同样重要。

[工具调用（tool calling / function calling）](https://broadrouter.com/zh/glossary/tool-calling/)

工具调用（也叫函数调用，function calling）是大模型 API 的一项功能：模型返回一个结构化请求，要求执行开发者定义的某个函数，并附上 JSON 参数。应用执行该函数并把结果发回；模型自己从不执行代码。

[输入 token 与输出 token](https://broadrouter.com/zh/glossary/input-and-output-tokens/)

输入 token 是语言模型在一次请求中读取的 token，包括系统提示词、对话历史、工具定义和图片。输出 token 是模型生成回复的 token，包括思考内容。大模型 API 通常分别计价，输出一般更贵。

[按量付费（pay-as-you-go）](https://broadrouter.com/zh/glossary/pay-as-you-go/)

按量付费是一种计价模式：你只为实际用量付费，按 token、请求次数或音频分钟等单位计量，没有订阅费，也没有最低消费承诺。大多数大模型 API 都这样计费，从预付余额中扣减或定期开具账单。

[视觉语言模型（VLM，vision-language model）](https://broadrouter.com/zh/glossary/vision-language-model/)

视觉语言模型（VLM）是一种同时接收图像和文本作为输入、输出文本的模型，可以描述图片、回答关于图片的问题，并读取文档、图表或截图。VLM 也被称为图文生文（image-text-to-text）模型或多模态模型。

[上下文窗口（context window）](https://broadrouter.com/zh/glossary/context-window/)

上下文窗口是语言模型在单次请求中能处理的最大 token 数。它涵盖提示词、对话历史、工具定义、图片以及生成的输出（包括思考 token）。放不下的内容必须删减、摘要，或拆分到多个请求中。

## 常见问题

### 视觉大模型里一张图片算多少 token？

取决于模型和分辨率。Gemma 4 每张图片使用 70 到 1,120 个 token 的预算。Qwen 的 VL 模型大约每 32 × 32 像素块对应一个 token。实际数量请看 usage 块中的 prompt\_tokens。

### BroadNet 上最便宜的视觉大模型 API 是哪个？

Gemma 4 VL 26B，每百万 token 输入 $0.10、输出 $0.22。它也可以用免费的初始额度调用。

### 有按张收的图片费吗？

没有。在 BroadNet 的按量付费密钥上，图片按模型的输入价格计为输入 token，图片越大，token 越多。

### 不限量套餐包含图片吗？

包含。在 DeepSeek V4.1 Flash 套餐中，图片和长提示词都属于不限量使用的范围。

### Gemma 4 视觉模型在 DeepInfra 上比 BroadNet 便宜吗？

以输入为主的任务，是的。2026 年 11 月 14 日，DeepInfra 标价 gemma-4-26B-A4B-it 每百万 token 输入 USD 0.07、输出 USD 0.34。BroadNet 收取输入 $0.10、输出 $0.22，所以回答较长时 BroadNet 更便宜。

### 识别阿拉伯语发票用哪个视觉模型最好？

Qwen3.8 27B 是 BroadNet 在阿拉伯语上测试过的模型，书写流畅，能理解海湾和埃及方言。请用你自己的文档测试。

## 继续阅读

-   [大模型 API 怎么计费：输入、缓存、输出与思考 token 详解](https://broadrouter.com/zh/blog/llm-api-pricing-explained/)
-   [如何选择阿拉伯语大模型 API：该测试什么](https://broadrouter.com/zh/blog/choosing-an-llm-for-arabic/)
-   [思考 token：为什么你付费的输出比看到的多](https://broadrouter.com/zh/blog/reasoning-tokens-cost/)
-   [大模型 API 包月还是按 token 付费：盈亏平衡怎么算](https://broadrouter.com/zh/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [文本、语音还是视觉？先从任务出发](https://broadrouter.com/zh/blog/text-speech-vision/)
-   [2026 年 10 月大模型 API 价格变动：3 次涨价，没有降价](https://broadrouter.com/zh/blog/llm-api-price-changes-october-2026/)
-   [大模型 API 价格多久变一次？三年存档价格页数据](https://broadrouter.com/zh/blog/how-often-llm-api-prices-change/)
-   [指南：用视觉模型识别阿拉伯语发票和收据](https://broadrouter.com/zh/guides/read-arabic-invoices-with-vision/)
-   [指南：推理模型为什么返回空回答](https://broadrouter.com/zh/guides/reasoning-tokens-empty-response/)

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-cheapest-vision-llm-api&utm_content=page-cta) ·

**来源**

-   [BroadNet Inference 机器可读价格，pricing.json（2026-11-14 获取）（英文）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-cheapest-vision-llm-api&utm_content=sources)
-   [BroadNet Inference API 参考：带图片的对话、套餐中的图片（2026-11-14 获取）（英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-cheapest-vision-llm-api&utm_content=sources#requests)
-   [Google Gemma 文档：视觉理解与图片 token 预算（2026-11-14 获取）](https://ai.google.dev/gemma/docs/capabilities/vision)
-   [Qwen3-VL 仓库：32 倍压缩与视觉 token 预算设置（2026-11-14 获取）](https://github.com/QwenLM/Qwen3-VL)
-   [DeepInfra 价格：Gemma 4 和 Qwen3-VL 的按 token 价格（2026-11-14 获取）](https://deepinfra.com/pricing)
