---
title: "上线前估算大模型 API 费用：分步方法 | BroadRouter"
description: "为新的 AI 功能逐步建立成本模型：用户数 × 操作数 × 调用数 × token 数，计入缓存、思考、重试和速率限制，并附一张月度账单示例表。"
url: https://broadrouter.com/zh/blog/estimate-llm-api-cost-before-launch/
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/estimate-llm-api-cost-before-launch/)（2026-11-15 更新）。

# 上线新功能前，怎样估算大模型 API 费用

BroadNet Inference 团队 · 阅读约 6 分钟 · 发布于 2026-11-14 · 更新于 2026-11-15

估算大模型 API 费用，要以一次用户操作为单位，而不是一次 API 调用：数清每次操作的调用次数，在真实样本上测量每次调用的输入、缓存和输出 token，再乘以用户数和每月操作数。加上思考和重试，并分别按低、预期、高三种情景定价。我们用 DeepSeek V4.1 Flash 计算的示例为每月 $42.67。

## 要点

-   以用户触发的工作单元建模，再数清背后的每一次大模型调用，包括重试和智能体步骤。
-   在 20 到 50 个真实样本上测量 token，并读取 usage 字段。不要根据字数去猜。
-   把输入拆成新输入和缓存 token，并把思考计入输出，因为它们的价格各不相同。
-   我们的示例：每月 60,000 次操作，每次 5,000 输入 token、500 输出 token，一半输入命中缓存，费用为 $42.67。
-   除了预算，还要核对用量是否在速率限制和并发限制之内。

**本页内容**

1.  大模型 API 费用的计算公式是什么？
2.  怎样一步步建立成本模型？
3.  估算示例是什么样的？以客服回复起草为例
4.  低情景和高情景应该拉开多大？
5.  什么对估算影响最大？
6.  用量在速率限制之内吗？
7.  这个功能应该用固定价格套餐吗？
8.  怎样把估算变成预算？
9.  BroadNet Inference 适合什么场景

上线前估算大模型 API 费用，要为一次用户操作定价，而不是为一次 API 调用定价。数清它背后的调用次数，在 20 到 50 个真实样本上测量新输入、缓存输入和输出 token，乘以每月操作数，再加上思考和重试。我们以 DeepSeek V4.1 Flash 计算的客服回复示例，结果为每月 $42.67。

这是针对单个功能的上线前预测；有了付费用户之后，[SaaS 每用户大模型成本](https://broadrouter.com/zh/blog/llm-cost-per-user-saas/)一文介绍了利润率和定价档位。

## 大模型 API 费用的计算公式是什么？

```text
monthly cost = actions per month × calls per action
             × ( new input tokens × input price
               + cached input tokens × cached price
               + output tokens × output price ) / 1,000,000
```

[输出 token](https://broadrouter.com/zh/glossary/input-and-output-tokens/) 包含思考。[缓存 token](https://broadrouter.com/zh/glossary/cached-input-tokens/) 是服务商以更低价格复用的输入。其余的都靠测量。免费的[大模型 API 费用计算器](https://broadrouter.com/tools/llm-api-cost-calculator/)可以把这个公式应用到任何模型的标价上。

## 怎样一步步建立成本模型？

1.  **确定工作单元。** “起草一条客服回复”“总结一通电话”“修复一个失败的测试”。为它定价，而不是为“一个请求”定价。
2.  **数清每次操作的调用次数。** 一个检索式回答可能只有一次调用；一个先规划、再修改、再检查的智能体可能有十次。再加上重试率：超时后重试的请求会再次计费。
3.  **在真实样本上测量每次调用的 token。** 拿 20 到 50 个贴近真实的输入，而不是干净的演示数据。在调用任何 API 之前，可以先粘贴到 [token 计数器](https://broadrouter.com/tools/token-counter/)里粗略数一下。从每个响应中读取 `usage.prompt_tokens`、`usage.prompt_tokens_details.cached_tokens` 和 `usage.completion_tokens`。使用流式输出时，设置 `stream_options: {"include_usage": true}`；[流式输出指南](https://broadrouter.com/zh/guides/streaming-chat-completions/)说明了它出现在哪里。
4.  **区分新输入和缓存输入。** 系统提示词、工具列表和共享文档如果放在最前面且保持不变，就可以被缓存。用户输入的文本则不行。
5.  **把思考计入输出。** DeepSeek V4.1 Flash、GLM 5.3 和 Qwen3.8 27B 会先思考再回答。这些[思考 token](https://broadrouter.com/zh/glossary/reasoning-tokens/) 按输出计费，而且往往比可见的回复还多。参见[为什么思考的花费比你看到的多](https://broadrouter.com/zh/blog/reasoning-tokens-cost/)。
6.  **估算用量。** 活跃用户数 × 每位用户每天的操作数 × 30。
7.  **相乘并汇总。** 把 token 总数换算成百万，再乘以每百万价格。
8.  **按三种情景定价。** 低、预期、高。上线时的流量不确定，提示词也会随时间变长。
9.  **不只核对费用，也要核对限制。** 高峰时的每分钟请求数和同时请求数，必须在你的密钥的[速率限制](https://broadrouter.com/zh/glossary/rate-limit/)之内。
10.  **决定计费方式。** 波动大、由用户驱动的流量按 token 计费；全天候运行的智能体用固定价格套餐。

## 估算示例是什么样的？以客服回复起草为例

一个客服工单应用新增了“起草回复”功能。下面的数字是用于说明的假设，请逐一换成你的实测值。

| 输入项 | 数值 | 来源 |
| --- | --- | --- |
| 使用该功能的客服人员（员工） | 500 | 产品规划 |
| 每位客服每天起草数 | 4 | 试点用量 |
| 每月天数 | 30 |  |
| 每月操作数 | 60,000 | 500 × 4 × 30 |
| 每次操作的调用数 | 1 | 一次带检索文章的调用 |
| 每次调用的输入 token | 5,000 | 系统提示词、工单对话、三篇帮助文章 |
| 输入中命中缓存的比例 | 50% | 稳定的系统提示词和文章前缀 |
| 每次调用的输出 token | 500 | 约 200 可见，300 思考 |
| 模型 | DeepSeek V4.1 Flash | 每百万 $0.175 / $0.0055 / $0.52 |

汇总如下：

| 项目 | 每月 token 数 | 每百万价格 |
| --- | --- | --- |
| 新输入 | 1.5 亿 | $0.175 |
| 缓存输入 | 1.5 亿 | $0.0055 |
| 输出（含思考） | 3,000 万 | $0.52 |
| **预期月度费用** |  | **$42.67** |

也就是 3 亿输入 token 和 3,000 万输出 token：60,000 × 5,000 和 60,000 × 500。

## 低情景和高情景应该拉开多大？

| 情景 | 每月操作数 | 输入 / 输出 token | 月度费用 |
| --- | --- | --- | --- |
| 低：采用缓慢 | 20,000 | 1 亿 / 1,000 万 | $14.23 |
| 预期 | 60,000 | 3 亿 / 3,000 万 | $42.67 |
| 高：采用量 3 倍 | 180,000 | 9 亿 / 9,000 万 | 3 × $42.67 |

三种情景的缓存比例都保持 50%。如果缓存比例下降，账单就会上升：在这个模型上，新输入每百万 $0.175，而缓存输入为 $0.0055。参见[如何保持高缓存比例](https://broadrouter.com/zh/blog/cached-input-tokens-explained/)。

## 什么对估算影响最大？

-   **上下文长度。** 检索十篇文章而不是三篇，输入可能翻倍。每次修改提示词后都要重新测量 token。
-   **思考。** 简单的草稿把 `reasoning_effort` 设为 `low`，可以减少隐藏的输出。参见[思考与 max\_tokens](https://broadrouter.com/zh/guides/reasoning-tokens-empty-response/)。
-   **重试和循环。** 5% 的重试率会让每一项都增加 5%。没有步数上限的智能体循环则根本没有上限。参见[大模型 API 支出控制](https://broadrouter.com/zh/blog/llm-api-spend-control/)。
-   **模型选择。** Gemma 4 VL 26B 每百万输入 $0.10、输出 $0.22，但它的上下文是 32,768 token，而且 BroadNet 没有为它列出思考功能。为了省钱换模型之前，先测试质量。
-   **语言。** 同样的内容，用阿拉伯语或印地语可能比英语需要多得多的 token，差距取决于分词器。我们的[各语言真实成本数据集](https://broadrouter.com/data/real-cost-by-language/)列出了每种语言在各模型和服务商上每百万字符的价格。
-   **提示词增长。** 上线后，为了处理各种边界情况，提示词往往会变长。每次发布都重新测量。
-   **价格变动。** 标价很少变动，但可能上涨。在 11 家服务商存档的价格页面中，我们记录了 2024 年至 2026 年 11 月间 52 次标价上涨，每次都是把某个模型的价格与它自己此前的价格相比（同期降价 100 次）；按混合价格计算，涨幅中位数为 40%。参见[如何为大模型 API 涨价做预算](https://broadrouter.com/zh/blog/llm-api-price-increases/)。

如果估算结果太高，在修改功能之前，先按[降低大模型 API 费用的 10 步清单](https://broadrouter.com/zh/blog/how-to-reduce-llm-api-costs/)逐项检查。

## 用量在速率限制之内吗？

每月 60,000 次操作，大约是每天 2,000 次。如果一天中十分之一的草稿集中在最忙的一小时，那就是每小时 200 次，约每分钟 3 次。BroadNet 按量付费密钥每分钟允许 30 个请求、同时 4 个请求，所以一个密钥就够了。高情景也要核对，或者把你自己的高峰数据放进[速率限制计算器](https://broadrouter.com/tools/llm-rate-limit-calculator/)算一算。速率和同时请求数之间的换算，参见[并发](https://broadrouter.com/zh/glossary/concurrency/)。如果遇到 429，[退避后重试](https://broadrouter.com/zh/guides/errors-and-retries/)。

## 这个功能应该用固定价格套餐吗？

大概不应该。一个 Full Moon 会话每月 $60，但一个会话同一时间只运行一个请求，而许多用户同时点击“起草”需要并行请求。固定价格套餐适合持续工作的智能体，例如编程智能体。[盈亏平衡计算](https://broadrouter.com/zh/blog/flat-rate-vs-pay-per-token-llm-api/)显示，全职编程智能体按 token 计费每月 $65.40，高于套餐价格。

## 怎样把估算变成预算？

1.  把预期数字写进计划，把高情景数字设为告警阈值。
2.  在生产环境中记录每次操作的 token 数，每周和模型对比。
3.  在代码中设置硬性上限：`max_tokens`、步数限制和重试限制。
4.  每当更换模型、修改提示词或调整检索设置时，重新估算。

你可以在[大模型 API 费用计算器](https://broadrouter.com/tools/llm-api-cost-calculator/)中用自己的数字重新计算按 token 的费用，或者在[价格页面](https://broadrouter.com/zh/pricing/)上比较套餐与按 token 计费。

## BroadNet Inference 适合什么场景

BroadNet Inference 在一个[价格文件](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-estimate-llm-api-cost-before-launch&utm_content=body)中公布了它提供的每个聊天和转写模型的按 token 价格，所以上面的估算可以写进代码里维护。新账户可获得 $5 的初始额度，可用于 Gemma 4 VL 26B 和两个语音转写模型，因此可以在 Gemma 上测量样本；DeepSeek、GLM 和 Qwen 需要充值。如果你的功能需要闭源前沿模型，那一部分 BroadNet 不是合适的服务商。

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。

[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。

[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。

[AI 智能体（AI agent）](https://broadrouter.com/zh/glossary/agent/)

AI 智能体是由语言模型自主决定步骤、朝目标推进的系统：它决定调用哪些工具、读取结果，然后重复，直到给出最终回答或触及上限。在固定位置调用模型的固定脚本，通常称为工作流（workflow）。

[速率限制（rate limit）](https://broadrouter.com/zh/glossary/rate-limit/)

速率限制是 API 对客户端在一个时间窗口内的使用量设定的上限，例如每分钟请求数或每分钟 token 数。超出限制的请求会被拒绝，通常返回 HTTP 429 Too Many Requests，直到用量回落到限制以下。

[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。

[并发（concurrency）](https://broadrouter.com/zh/glossary/concurrency/)

并发（concurrency）是客户端在同一时刻正在进行中的请求数。大模型 API 往往按密钥或套餐单独限制并发，与每分钟请求数分开计算，因为每个未完成的请求在响应结束前都会占用 GPU 资源。

[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。

## 常见问题

### 还没有用户时，怎样估算 token 数？

准备 20 到 50 个贴近真实的输入，用你打算使用的模型跑一遍，从 usage 字段读取 prompt\_tokens、cached\_tokens 和 completion\_tokens，再求出每次调用的平均值。

### 一次普通的聊天请求大概多少 token？

差别很大。一轮简短的对话可能只有几百个 token，而带检索文档或长历史记录的请求可能有好几万。请测量你自己的提示词。

### 大模型费用估算需要留安全余量吗？

需要。按预期用量的两到三倍设定一个高情景，并为重试以及功能扩展后变长的提示词留出预算。然后设置硬性上限，让 bug 也无法突破它。

### 什么时候应该考虑改用包月套餐？

当一个智能体或工作进程一天中大部分时间都在同一个模型上运行时。在 BroadNet 上使用 DeepSeek V4.1 Flash，一个 Full Moon 会话每月 $60，不计 token，同一时间一个请求。

## 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/)
-   [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/)
-   [缓存输入 token 详解：如何降低大模型 API 账单](https://broadrouter.com/zh/blog/cached-input-tokens-explained/)
-   [大模型 API 费用控制：预算、密钥限制与死循环防护](https://broadrouter.com/zh/blog/llm-api-spend-control/)
-   [大模型 API 免费额度：新用户初始额度到底能用多少](https://broadrouter.com/zh/blog/free-llm-api-credit/)
-   [大模型单用户成本：SaaS AI 功能的单位经济](https://broadrouter.com/zh/blog/llm-cost-per-user-saas/)
-   [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：对话补全的流式输出，以及连接中断的处理](https://broadrouter.com/zh/guides/streaming-chat-completions/)
-   [指南：BroadNet Inference 错误码，以及什么时候该重试](https://broadrouter.com/zh/guides/errors-and-retries/)

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-estimate-llm-api-cost-before-launch&utm_content=page-cta) ·

**来源**

-   [BroadNet Inference 机器可读价格（pricing.json）（2026-11-15 核实）（英文）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-estimate-llm-api-cost-before-launch&utm_content=sources)
-   [BroadNet Inference API 参考：限制与用量（2026-11-15 核实）（英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-estimate-llm-api-cost-before-launch&utm_content=sources#limits)
-   [BroadNet Inference 价格页面（2026-11-15 核实）（英文）](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-estimate-llm-api-cost-before-launch&utm_content=sources)
