---
title: "大模型 API 计费详解：按 token 计价与实例计算 | BroadRouter"
description: "大模型 API 按 token 计费是怎么算的？逐项讲清输入、缓存输入、输出、思考 token、图像和按分钟计费的音频，并用一份公开价目表做实例计算。"
url: https://broadrouter.com/zh/blog/llm-api-pricing-explained/
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/llm-api-pricing-explained/) (2026-11-15 更新).

# 大模型 API 怎么计费：输入、缓存、输出与思考 token 详解

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

大模型 API 按每百万 token 计费，输入、缓存输入和输出各有单价。思考 token 按输出计费，图像按输入 token 计费，语音转文字则按音频分钟计费。在 BroadNet Inference 上，DeepSeek V4.1 Flash 每百万 token 输入 $0.175、缓存 $0.0055、输出 $0.52。

## 要点

-   账单上有三块 token 计量：新输入、缓存输入和输出，每块都有自己的每百万 token 单价。
-   输出通常比输入贵好几倍。DeepSeek V4.1 Flash 的输出是 $0.52，输入是 $0.175。
-   思考 token 不会出现在回复里，但按输出价计费。
-   图像按输入 token 计费；音频转写按分钟计费，例如阿拉伯语转写每分钟 $0.0042。
-   固定价格套餐和按小时密钥用时间价格取代 token 计量，适合全天运行的智能体。

**本页内容**

1.  你到底在为什么付费？
2.  每个模型的 token 单价是多少？
3.  为什么输出比输入贵？
4.  缓存输入 token 怎么计费？
5.  为什么思考模型计费的输出比你看到的多？
6.  图像和音频怎么计价？
7.  一个真实请求要花多少钱？实例计算
8.  怎么从响应中读取真实用量？
9.  还有哪些计价方式？
10.  BroadNet Inference 适合什么场景

_[image: A stream of tokens flowing into the words "Ideas become answers."]_

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](https://broadrouter.com/zh/glossary/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](https://broadrouter.com/tools/token-counter/)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](https://broadrouter.com/zh/glossary/input-and-output-tokens/) 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](https://broadrouter.com/zh/models/deepseek-v4.1-flash/) | $0.175 | $0.0055 | $0.52 | 1,048,576 |
| [GLM 5.3](https://broadrouter.com/zh/models/glm-5.3/) | $0.78 | $0.173 | $3.46 | 1,048,576 |
| [Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) | $0.175 | $0.0435 | $2.17 | 262,144 |
| [Gemma 4 VL 26B](https://broadrouter.com/zh/models/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](https://broadrouter.com/zh/llm-api-pricing/)。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](https://broadrouter.com/data/llm-api-price-index/)（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](https://broadrouter.com/zh/glossary/cached-input-tokens/) 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](https://broadrouter.com/zh/blog/cached-input-tokens-explained/)；要估算你自己的缓存命中率，可以用 [提示词缓存计算器](https://broadrouter.com/tools/prompt-caching-calculator/)。

## 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](https://broadrouter.com/zh/glossary/reasoning-tokens/) 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](https://broadrouter.com/zh/guides/reasoning-tokens-empty-response/)，以及[如何降低思考成本](https://broadrouter.com/zh/blog/reasoning-tokens-cost/)。

## 图像和音频怎么计价？

**图像。**[视觉模型](https://broadrouter.com/zh/glossary/vision-language-model/)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](https://broadrouter.com/zh/blog/cheapest-vision-llm-api/)。

**音频。**[语音转文字](https://broadrouter.com/zh/glossary/speech-to-text/)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。

1.  \*\*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。
2.  \*\*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。
3.  \*\*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。
4.  \*\*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：

```text
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](https://broadrouter.com/tools/llm-api-cost-calculator/)。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](https://broadrouter.com/zh/blog/estimate-llm-api-cost-before-launch/)。

## 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：

```python
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](https://broadrouter.com/zh/guides/streaming-chat-completions/)。

## 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](https://broadrouter.com/zh/glossary/flat-rate-llm-plan/)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](https://broadrouter.com/zh/blog/hourly-llm-api-key-explained/)。
-   \*\*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](https://broadrouter.com/zh/blog/llm-inference-provider-pricing-compared/)。

[固定价格什么时候比按 token 计费划算](https://broadrouter.com/zh/blog/flat-rate-vs-pay-per-token-llm-api/)，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](https://broadrouter.com/zh/blog/how-to-reduce-llm-api-costs/) 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](https://broadrouter.com/zh/blog/how-often-llm-api-prices-change/) 和 [大模型 API 最大幅度降价（附来源）](https://broadrouter.com/zh/blog/llm-api-price-cuts-2023-2026/)。

## 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](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-llm-api-pricing-explained&utm_content=body)中，本站的[价格页面](https://broadrouter.com/zh/pricing/)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。

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。

[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。

[语音转文字（speech-to-text）](https://broadrouter.com/zh/glossary/speech-to-text/)

语音转文字，也叫自动语音识别（ASR），是把口语音频转换成书面文字的技术。语音转文字 API 接收音频文件或音频流并返回转写文本，通常按音频分钟计价。准确率用词错误率衡量，会随口音、方言和录音质量变化。

[思考 token（reasoning tokens）](https://broadrouter.com/zh/glossary/reasoning-tokens/)

思考 token（reasoning tokens）是推理模型在写出可见回答之前、为解决问题而生成的 token。它们通常按输出 token 计费，计入输出上限和上下文窗口，API 可能将其隐藏或只返回摘要。

[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。

[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。

[缓存输入 token（cached input tokens）](https://broadrouter.com/zh/glossary/cached-input-tokens/)

缓存输入 token 是大模型服务商近期已处理过、可以直接从缓存中复用而无需重新计算的提示词 token，通常是重复的前缀，例如系统提示词或文档。服务商对它们按低于新输入 token 的单价计费。

[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

### 大模型 API 的费用是怎么算出来的？

输入 token 乘以输入价，缓存输入 token 乘以缓存价，输出 token 乘以输出价，单价都按每百万 token 计，三者相加即可。思考 token 包含在输出里。

### 为什么输出 token 比输入 token 贵？

模型读取输入时一次并行处理完，生成输出却要一个 token 一个 token 地来，所以每个输出 token 占用更多 GPU 时间。服务商把这个差别算进了价格。

### 思考 token 要收费吗？

在按 token 计费的密钥上要收费。思考 token 计入 completion tokens，按输出价计费，尽管它们不会显示在回复里。

### 大模型 API 处理一张图片要多少钱？

图像会被转换成输入 token，所以费用是它的 token 数乘以输入价。图像越大，token 越多。查看 usage 中的 prompt\_tokens 就能知道实际数量。

### 全天运行的智能体，怎么付费最省钱？

通常是固定价格套餐。在 BroadNet 上，一个 Full Moon 会话每月 $60，DeepSeek V4.1 Flash 不限量使用，同一时间一个请求。

## 继续阅读

-   [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 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/)
-   [上线新功能前，怎样估算大模型 API 费用](https://broadrouter.com/zh/blog/estimate-llm-api-cost-before-launch/)
-   [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 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/)
-   [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：推理模型为什么返回空回答](https://broadrouter.com/zh/guides/reasoning-tokens-empty-response/)
-   [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/)

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-llm-api-pricing-explained&utm_content=page-cta) ·

**来源**

-   [BroadNet Inference 机器可读价格文件（pricing.json） （英文）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-llm-api-pricing-explained&utm_content=sources)
-   [BroadNet Inference 价格页面 （英文）](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-llm-api-pricing-explained&utm_content=sources)
-   [BroadNet Inference API 参考：思考与缓存 token （英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-llm-api-pricing-explained&utm_content=sources)
-   [OpenAI 思考模型指南：思考 token 如何计费（2026-11-14 获取）](https://developers.openai.com/docs/guides/reasoning)
-   [OpenAI 帮助中心：什么是 token，如何计数（2026-11-14 获取）](https://help.openai.com/en/articles/4936856-what-are-tokens-and-how-to-count-them)
