“开源更便宜”是常见的说法。大体上没错,但决定账单的是细节。本文用各服务商自己的价格页,比较闭源模型(GPT、Claude、Gemini、Grok)和开放权重模型(GLM 5.3、DeepSeek V4.1 Flash、Qwen3.8 27B、gpt-oss-120b、Gemma 4)的每 token 价格,再为一个真实的工作负载算账。所有第三方价格都在 2026 年 11 月 15 日从服务商页面重新核实过。BroadRouter 是 BroadNet 的网站,BroadNet 销售其中部分开源模型,所以我们会标出其他托管方更便宜的地方。
这些数据行来自我们的大模型 API 服务商价格数据集,也就是 LLM API 价格指数背后的原始数据。这个选择在业务上的考量(可控性、锁定、质量差距),请阅读企业如何在开放权重与闭源模型之间选择。
闭源与开放权重模型的每 token 价格对比如何?
标准按量付费价格,每百万 token,短提示词,核实于 2026 年 11 月 15 日:
| 模型 | 类型 | 销售方 | 输入 | 缓存输入 | 输出 |
|---|---|---|---|---|---|
| GPT-6.1 Sol | 闭源 | OpenAI | USD 2.00 | USD 0.10 | USD 10.00 |
| Claude Sonnet 5.5 | 闭源 | Anthropic | USD 2.00 | USD 0.10 | USD 10.00 |
| Gemini 4 Hydrogen | 闭源 | USD 1.50 | USD 0.075 | USD 7.50 | |
| Gemini 3.8 Flash | 闭源 | USD 0.75 | USD 0.075 | USD 3.75 | |
| Grok 4.3 | 闭源 | xAI | USD 1.25 | USD 0.20 | USD 2.50 |
| GPT-6 Luna | 闭源 | OpenAI | USD 0.10 | USD 0.01 | USD 0.50 |
| Claude Haiku 5.5 | 闭源 | Anthropic | USD 0.10 | USD 0.01 | USD 0.50 |
| GLM 5.3 | 开放权重 | Z.ai(厂商) | USD 1.40 | USD 0.26 | USD 4.40 |
| DeepSeek V4.1 Flash | 开放权重 | DeepSeek(厂商),高峰 | USD 0.30 | USD 0.006 | USD 1.20 |
| Qwen3.8 27B | 开放权重 | 阿里云(厂商) | USD 0.50 | 未列出 | USD 3.00 |
| gpt-oss-120b | 开放权重 | Groq | USD 0.15 | USD 0.075 | USD 0.60 |
| Gemma 4 26B A4B | 开放权重 | DeepInfra | USD 0.07 | 未列出 | USD 0.34 |
页面本身的说明:
- Gemini 3.8 Flash 是促销价,有效期 “through December 31, 2026”(译文:至 2026 年 12 月 31 日)。从 2027 年 1 月 1 日起,Google 标价为输入 USD 1.50、输出 USD 7.50,是现在的两倍。
- Claude Haiku 5.5 的这个价格适用于不超过 100,000 token 的提示词。更长的提示词按输入 USD 0.50、输出 USD 2.50 计费。
- GPT-6.1 Sol 和 GPT-6 Luna 在输入超过 272K token 时价格更高。Grok 4.3 在提示词达到 200K token 时,整个请求都按更高的价格计费。
- DeepSeek 非高峰时段价格减半:工作日 UTC 01:00 到 04:00 和 06:00 到 10:00 以外的时段,输入 USD 0.15、缓存 USD 0.003、输出 USD 0.60。
有三个规律很明显:
- **闭源的高端更贵。**GPT-6.1 Sol 和 Claude Sonnet 5.5 的输出价是 GLM 5.3 在其厂商处输出价的两倍多。
- **闭源的低端并不贵。**GPT-6 Luna 和 Claude Haiku 5.5 的输入标价低于 Groq 上的 gpt-oss-120b,与 DeepInfra 上的 Gemma 4 只差几美分。Gemma 的输出价更低。
- **缓存输入是各家差别最大的地方。**DeepSeek 的缓存价是其输入价的 2%;Z.ai 的 GLM 5.3 约为 19%。反复发送相同上下文的智能体,从低缓存价中获益最多。参见缓存输入 token 详解。
托管方对开源模型价格的影响有多大?
闭源模型每个厂商只有一张价目表(加上获得授权的云平台)。开放权重任何人都可以提供,所以同一个模型有很多价格。以下是一些例子,每百万 token,核实于 2026 年 11 月 15 日:
| 开源模型 | 托管方 | 输入 | 缓存输入 | 输出 |
|---|---|---|---|---|
| GLM 5.3 | Z.ai | USD 1.40 | USD 0.26 | USD 4.40 |
| GLM 5.3 | Together AI | USD 1.40 | USD 0.26 | USD 4.40 |
| GLM 5.3 | DeepInfra(促销,6.2 折) | USD 0.5625 | USD 0.125 | USD 2.50 |
| GLM 5.3 | BroadNet Inference | $0.78 | $0.173 | $3.46 |
| DeepSeek V4.1 Flash | DeepSeek,高峰 | USD 0.30 | USD 0.006 | USD 1.20 |
| DeepSeek V4.1 Flash | Together AI | USD 0.30 | USD 0.006 | USD 1.20 |
| DeepSeek V4.1 Flash | DeepInfra(促销,7 折) | USD 0.14 | USD 0.0042 | USD 0.42 |
| DeepSeek V4.1 Flash | BroadNet Inference | $0.175 | $0.0055 | $0.52 |
| Qwen3.8 27B | 阿里云 | USD 0.50 | 未列出 | USD 3.00 |
| Qwen3.8 27B | DeepInfra(促销,7.5 折) | USD 0.15 | USD 0.0375 | USD 1.875 |
| Qwen3.8 27B | BroadNet Inference | $0.175 | $0.0435 | $2.17 |
| gpt-oss-120b | Groq | USD 0.15 | USD 0.075 | USD 0.60 |
| gpt-oss-120b | Together AI | USD 0.15 | 未列出 | USD 0.60 |
| gpt-oss-120b | DeepInfra | USD 0.037 | 未列出 | USD 0.17 |
| Gemma 4 26B A4B | DeepInfra | USD 0.07 | 未列出 | USD 0.34 |
| Gemma 4 26B A4B | BroadNet Inference | $0.10 | 未公布 | $0.22 |
价差很大:上表中各托管方之间,GLM 5.3 的输入价相差约 2.5 倍,gpt-oss-120b 的输入价相差约 4 倍。DeepInfra 的 GLM、DeepSeek 和 Qwen 行标注为促销折扣,页面没有说明何时结束。BroadNet 在 GLM 5.3 和 Qwen3.8 27B 上低于厂商标价,也低于 DeepSeek 的高峰价格;但 DeepSeek 非高峰时段的输入和缓存价格低于 BroadNet,DeepInfra 的促销价在这三个模型上也都更低。单模型价格页列出了我们跟踪的所有托管方,推理服务商怎样给开源模型定价解释了这些数字为什么不同。在多家托管方同时销售的全部 119 个模型中,中位差距为 1.76 倍:参见同一模型、不同托管方。
托管方之间的差别不只是价格。请逐一检查量化方式(有的提供精度更低的权重)、上下文长度、速率限制、数据保留,以及该模型是否支持工具调用。
一个真实工作负载在各模型上要花多少钱?
每 token 价格表看不出输入、缓存输入和输出的构成。下面是一个工作负载:应用内助手,按每个活跃用户每月计算,取自我们的大模型单用户成本示例:
- 0.45M 新输入 token
- 0.45M 缓存输入 token(稳定的系统提示词和历史)
- 0.3M 输出 token,含思考
公式为 0.45 × input + 0.45 × cached + 0.3 × output,代入每百万价格。如果某个页面没有列出缓存价格,我们按完整输入价计算缓存 token。部分厂商额外收取的缓存写入费和缓存存储费不计入。
| 模型和销售方 | 每个活跃用户每月成本 |
|---|---|
| GPT-6.1 Sol,OpenAI | USD 3.95 |
| Claude Sonnet 5.5,Anthropic | USD 3.95 |
| Gemini 4 Hydrogen,Google | USD 2.96 |
| GLM 5.3,Z.ai | USD 2.07 |
| Gemini 3.8 Flash,Google(促销价) | USD 1.50 |
| GLM 5.3,BroadNet | $1.47 |
| Grok 4.3,xAI | USD 1.40 |
| Qwen3.8 27B,阿里云(未列出缓存价) | USD 1.35 |
| Qwen3.8 27B,BroadNet | $0.75 |
| Qwen3.8 27B,DeepInfra(促销) | USD 0.65 |
| DeepSeek V4.1 Flash,DeepSeek 高峰 | USD 0.50 |
| gpt-oss-120b,Groq | USD 0.28 |
| DeepSeek V4.1 Flash,BroadNet | $0.24 |
| GPT-6 Luna,OpenAI | USD 0.20 |
| Claude Haiku 5.5,Anthropic | USD 0.20 |
| DeepSeek V4.1 Flash,DeepInfra(促销) | USD 0.19 |
| gpt-oss-120b,DeepInfra(未列出缓存价) | USD 0.08 |
有两点会改变这张表的读法。第一,这些模型能力并不相同。表中靠下的一行,只有在模型通过你的测试集时才算省钱。第二,如果 Google 公布的调价如期执行,Gemini 3.8 Flash 这一行将在 2027 年 1 月 1 日翻倍到 USD 2.99。想用自己的数字计算,请使用 LLM API 费用计算器。
为什么要按任务档位而不是模型名比较?
“开源还是闭源”不是做价格决策的正确维度。真正有用的问题是:哪个模型能把这项任务做得够好,而且最便宜?不同档位的价格走势也不同:根据存档的价格页,Claude Opus 和 GPT 主线大幅降价,而 Claude Haiku 和 Gemini Flash 变贵了(OpenAI、Anthropic 与 Google API 价格历史)。
- 简单、大批量的工作(分类、抽取、短摘要):小型闭源模型和中小型开源模型都在表的底部。按准确率、延迟和数据条款来选。
- 智能体和编程:工具调用、长上下文和缓存输入起主导作用。缓存价低的开源模型,或固定价格套餐,成本可能只是前沿闭源模型的几分之一。
- 最难的推理任务:闭源前沿模型通常仍然领先。每 token 付得多,每个正确答案的成本反而可能更低。
用 50 到 100 个真实用例测量每个正确答案的成本。切换前如何评估大模型给出了方法。
还有什么会改变实际成本?
- **分词器。**同样的文本在不同模型上会变成不同数量的 token。在 BroadRouter 的分词器数据集中,现代标准阿拉伯语需要的 token 数是其英文译文的 1.31×(Qwen3.8 27B)到 1.77×(GLM 5.3),所以阿拉伯语工作负载可能会改变表中的排序。参见阿拉伯语与英语每个词的 token 数。
- **思考 token。**无论开源还是闭源,思考模型都把思考按输出计费。Google 的页面说 Gemini 的输出包括 “thinking tokens”(译文:思考 token)。把思考强度设为能通过测试的最低档。
- **批处理折扣。**OpenAI 和 Anthropic 的 Batch API 价格为标准价的一半。如果你的任务能等,这会缩小与开源模型的差距。BroadNet 没有 Batch API;没有 Batch API 时如何批处理介绍了变通办法。
- **长上下文加价。**有几个闭源模型在超过 100K、200K 或 272K token 时收费更高。看看你的提示词落在哪个区间。
- **自建部署。**开放权重也可以在你自己的 GPU 上运行,但只有在用量高且稳定时才划算。参见大模型自建部署 vs API。
BroadNet Inference 的定位
BroadRouter 是 BroadNet 自己的网站。BroadNet Inference 是一个托管的开放权重模型 API,用一个 OpenAI 兼容的 base URL https://inference.broadnet.ai/v1 提供 DeepSeek V4.1 Flash、GLM 5.3、Qwen3.8 27B 和 BroadNet 版本的 Gemma 4,另有语音转文字。它不提供闭源模型,也不在服务商之间路由请求。DeepSeek V4.1 Flash 由合作伙伴托管。
根据上面的数据,BroadNet 在 GLM 5.3 和 Qwen3.8 27B 上的定价低于厂商标价,也低于 DeepSeek 的高峰价格;但高于 DeepInfra 当前的促销价,以及 DeepSeek 非高峰时段的输入和缓存价格。它并不是每个模型都最便宜。它额外提供的是:DeepSeek V4.1 Flash 的固定价格套餐(每个会话每月 $60,同一时间运行一个请求,不计 token)、推理内容零保留,以及 GLM 5.3 和 Qwen3.8 27B 上有文档说明的工具调用和结构化输出。它没有 Batch API,自助账户也没有 SLA。
