大模型 API 按每百万 token 计费,并分成几块独立计量:新输入、缓存输入和输出。思考 token 按输出计费,图像按输入 token 计费,语音转文字按音频分钟计费。本文逐项讲解每种计量方式,再用 BroadNet Inference 公布的价格(于 2026-11-14 同步)给真实请求算一算账。
你到底在为什么付费?
token 是一小段文本,通常只有几个字符。BroadRouter 用五种分词器自行测量,1,000 个英文单词约为 1,290 个 token;OpenAI 的经验法则是 100 个 token 约合 75 个英文单词。其他语言差别不小,把你自己的文本粘贴到免费的 token 计数器里就能看到实际数字。每个请求都会在 usage 中报告 token 数,账单就是以下几项之和:
| 计量项 | 统计内容 | 计费单价 |
|---|---|---|
| 输入(prompt) | 系统提示词、历史消息、文档、工具定义、图像 | 输入价 |
| 缓存输入 | 服务商之前已处理过、可以复用的输入 | 缓存价,低得多 |
| 输出(completion) | 可见的回答,加上所有思考内容 | 输出价 |
| 音频分钟 | 送去转写的音频时长 | 每分钟单价 |
其中最关键的是输入 token 与输出 token 的区分,因为两者单价相差很大。
每个模型的 token 单价是多少?
BroadNet Inference 价格,按每百万 token 计:
| 模型 | 输入 | 缓存输入 | 输出 | 上下文 |
|---|---|---|---|---|
| DeepSeek V4.1 Flash | $0.175 | $0.0055 | $0.52 | 1,048,576 |
| GLM 5.3 | $0.78 | $0.173 | $3.46 | 1,048,576 |
| Qwen3.8 27B | $0.175 | $0.0435 | $2.17 | 262,144 |
| Gemma 4 VL 26B | $0.10 | 无缓存折扣 | $0.22 | 32,768 |
这份价目表和大多数价目表一样,有两个规律。第一,输出比输入贵,从 Gemma 4 VL 26B 的约两倍到 Qwen3.8 27B 的十倍以上不等。第二,缓存输入只是新输入价格的一小部分。想把这些价格和 OpenAI、Anthropic、Google 等服务商比较,请看 大模型 API 价格表。想看我们跟踪的所有模型的全市场中位数、服务商价差和输出/输入价格比,请看 大模型 API 价格指数(开放 CSV 和 JSON)。
为什么输出比输入贵?
模型读取整个提示词时只需一次并行计算。而写回答时是一个 token 一个 token 地生成,每个新 token 都要再算一遍。因此每个输出 token 占用的 GPU 时间更多,价格也就更高。提示词短、回答长的请求,可能比提示词长、回答短的请求更贵。
缓存输入 token 怎么计费?
如果提示词的开头和最近的某个请求相同,服务商就可以复用之前的计算结果。这部分缓存输入 token 会出现在 prompt_tokens_details.cached_tokens 中,按缓存价计费。以 DeepSeek V4.1 Flash 为例,每百万 token 是 $0.0055,而不是 $0.175。
前缀越稳定,缓存越划算:系统提示词、工具列表和文档放在前面,新消息放在最后。每一轮都重新发送同一个代码仓库的智能体受益最大。各家服务商如何对缓存读写计费,请看 缓存输入 token 详解;要估算你自己的缓存命中率,可以用 提示词缓存计算器。
为什么思考模型计费的输出比你看到的多?
DeepSeek V4.1 Flash、GLM 5.3 和 Qwen3.8 27B 会先思考再回答。这些思考由思考 token 构成。它们不出现在回复里,但会计入 completion_tokens,并按输出价计费。OpenAI 的思考模型指南对自家模型也是同样的规则:思考 token “are billed as output tokens”(译文:按输出 token 计费)。
思考内容同样计入 max_tokens。设得太低,你就会为思考付费却拿不到答案。参见为什么回复是空的,以及如何降低思考成本。
图像和音频怎么计价?
图像。视觉模型会把图像转换成输入 token,你按输入价为这些 token 付费,图像越大 token 越多。BroadNet 不另收每张图像的费用。参见每张图像成本对比。
音频。语音转文字按音频时长计费,而不是按 token:
| 模型 | 每分钟 | 每小时音频 |
|---|---|---|
| BroadNet Transcribe Arabic | $0.0042 | $0.25 |
| BroadNet Transcribe(14 种语言) | $0.002 | $0.12 |
一个真实请求要花多少钱?实例计算
以下示例都用 DeepSeek V4.1 Flash。每个例子的规模都让总数正好落在整百万 token 上,方便你核对。
- **聊天功能。**500 个请求,每个 2,000 个输入 token、2,000 个输出 token,合计 100 万输入 token 和 100 万输出 token。费用:$0.175 加 $0.52。
- **反复读取上下文的智能体。**十轮对话,每轮都发送同样的 100,000 token 上下文,合计 100 万输入 token。如果完全没有命中缓存,费用是 $0.175;如果全部命中缓存,费用会是 $0.0055;但第一轮没有可复用的内容,所以这只是下限:最多 900,000 个 token 按缓存价计费,第一轮的 100,000 个 token 按输入价计费。
- **看不见的思考。**1,000 个回答,每个可见部分 200 个 token,再加 800 个思考 token,共计费 100 万输出 token:$0.52。其中你真正看到的文字只占五分之一。
- **转写。**1,000 小时阿拉伯语音频的费用是 $252.00。10,000 条 30 秒的语音消息费用是 $21.00。
通用公式:
cost = new_input/1M × input_price
+ cached_input/1M × cached_price
+ output/1M × output_price (output includes reasoning)
想用你自己的流量来算,可以用免费的 大模型 API 费用计算器。要为新功能做完整预测,请看 上线前如何估算大模型 API 费用。
怎么从响应中读取真实用量?
一旦有了真实流量,就别再按字数估算了,直接读数据:
import os
from openai import OpenAI
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
r = client.chat.completions.create(
model="broadnet/deepseek-v4.1-flash",
messages=[{"role": "user", "content": "Summarise this ticket in one line: ..."}],
)
u = r.usage
details = u.prompt_tokens_details # can be None when the model reports no cache data
cached = (details.cached_tokens or 0) if details else 0
print(u.prompt_tokens, cached, u.completion_tokens)
使用流式输出时,加上 stream_options={"include_usage": True},最后一个数据块就会带上 usage。参见流式输出指南。
还有哪些计价方式?
按 token 计费并不是唯一的选择:
- 固定价格套餐。固定价格套餐按时间收费,而不是按 token。BroadNet 的 Full Moon 每个会话每月 $60,DeepSeek V4.1 Flash 不限量,同一时间一个请求。Orbit 每周 $15,Meteor 每小时 $1。
- 按小时密钥。$0.50 可以买到一小时的 Gemma 4 VL 26B,一路流。参见按小时密钥详解。
- **批处理和独享 GPU。**有些服务商会给夜间批处理任务打折,或按小时出租整块 GPU。参见其他服务商如何为开源模型定价。
固定价格什么时候比按 token 计费划算,取决于用量和缓存命中率。从缓存到批处理折扣,所有省钱手段按顺序列在 如何降低大模型 API 费用 中。
按 token 的价格也会随时间变化,有降也有涨。在 11 家服务商的历史价格页面存档中,80% 的模型从未调过价。在调过价的模型中,我们一共记录到 100 次降价和 52 次涨价,每一次都是拿某个模型的价格和它自己之前的价格相比。参见 大模型 API 价格多久变一次 和 大模型 API 最大幅度降价(附来源)。
BroadNet Inference 适合什么场景
BroadNet 为其提供的所有模型发布同一份价目表,放在一个机器可读文件中,本站的价格页面就读取这个文件。新账户可获得 $5 初始额度;Gemma 4 VL 26B 和两个转写模型可以用初始额度调用,其他对话模型需要先充值。如果你想在一个账户里同时使用按 token 计费和固定价格,它很合适;套餐有单独的密钥。它不适合需要前沿闭源模型的场景:它只提供开放权重模型和 BroadNet 自己的构建版本。

