AI 定价模型解析：Tokens、任务和成本

你的AI功能已在运行，现在你正尝试为其定价。模型的token费率看起来尚可接受，但预发布环境的账单却包含了长篇回复、重试、工具调用，以及从未生成可用内容的视频任务。将标称费率乘以你的预期流量，不再能为你提供一个可信的预算。

AI定价模型描述了供应商如何向你收费。每完成任务的成本则告诉你该功能是否经济划算。 你需要这两种视角：计费单位用于核对费用，而最终产出则用于比较模型、供应商和产品利润。

目录

• 六种 AI 定价模型及其计费方式
  • 将单位与工作负载匹配
• Token 定价如何转化为按请求计费
  • 通过两种费率计算一个请求
  • 根据实际请求建立估算
• 图像、视频和音频的媒体定价
  • 比较相同的生成设置
• 为什么按完成任务成本优于按 Token 成本
  • 将未成功的工作计入分子
• 为什么模型价格持续下降
  • 为不断变化的供应而非永久费率做预算
• 在积分、订阅和按用量计费之间选择
  • 根据您的运营限制进行选择
  • 将资金与收费分开
• 超出标价之外的提供商清单
  • 验证收费路径
  • 验证控制路径
• 在承诺之前确认您的每任务成本
  • 进行受控比较
  • 使决策可重复

六种AI定价模式及其计费方式

大多数AI产品通过六种结构之一进行计费。下表显示了每种模式的计费单位、最佳适用场景和主要风险。

常见AI定价模式一览

根据工作负载匹配计费单位

按token计费适用于文本工作负载，因为它计量处理和生成的材料。它对聊天和编码很有用，但一个生成详细解释的指令可能会改变账单，即使请求数量没有变化。

按媒体单位计费乍一看更容易理解：为一张图片或一个生成任务付费。难点在于该单位的定义，包括分辨率、时长、质量设置和声音。

带配额的订阅适用于团队需要定期访问并能保持在可预测限额内的情况。在将订阅视为固定运营成本之前，请检查达到上限后会发生什么。

预付积分将支出与已充值的余额挂钩。它们适用于跨模型的实验，前提是您了解有效期、退款以及积分如何转化为实际使用量。

基于结果的定价使收费更接近业务价值。然而，支持工作流程需要明确的解决测试，包括客户重新开启案例时会发生什么。

混合模式结合了访问权限或包含的限额与可变消耗。它们可以适应混合工作负载，但财务部门必须协调基础费用和按量计费部分。

实用规则： 在比较任何标价之前，确定供应商的计费单位。

订阅不一定比按使用量计费便宜，积分也不一定是折扣。将每项优惠转化为您打算运行的工作负载，包括您将付费但不会使用的任何限额。

令牌定价如何转化为按请求计费

请求成本 = (输入令牌 ÷ 每定价单位令牌数 × 输入费率) + (输出令牌 ÷ 每定价单位令牌数 × 输出费率)。

对于按百万令牌报价的价格，请使用一百万作为除数。输入令牌包括提示、系统指令、对话历史记录和检索到的文档。输出令牌涵盖生成的答案。请使用模型的 tokenizer 或返回的使用字段，而不是字数估算，尤其是在处理代码和多语言文本时。

不同的费率很重要。arXiv 对 API 定价的分析报告称，GPT-4于 2023 年 3 月推出时，每百万输入令牌收费 $30，每百万输出令牌收费 $60。生成所需的计算与处理提示不同，因此不要假设这两种费率是匹配的。

通过两种费率计算一个请求

考虑一个包含 2,000 输入令牌和 800 输出令牌的假设请求。Claude Opus 5.5 的标价为每百万令牌 $4.00 输入和 $20.00 输出，而在 UberLLM 上则为**$2.03 输入和 $10.13 输出**。

这些计算描述的是假设请求，而不是您应用程序的平均值。假设每月有一百万个请求，且令牌组合完全相同，那么差额为 $11,836，或大约 $12,000。不同的输出长度会改变结果。

计费流程使提示大小和答案大小之间的区别更容易检查。

根据实际请求构建您的估算

1. 使用您的提示模板和代表性客户数据计算输入令牌。包括指令和检索到的上下文。
2. 根据已接受的答案估算输出令牌，而不仅仅是最短的成功演示。
3. 将每种费率分别应用于其对应的令牌计数。
4. 将结果相加，以获得该请求的模型费用。
5. 乘以预期用量，并保持短请求和长请求类别分开。

我们列出的模型价格描述的是请求的通常成本，而不是上限。请求的计费绝不会超过随其发送的 max_price 或 max_cost。在您的应用程序中明确区分这一点：估算有助于预测支出，而请求上限则强制执行限制。

媒体定价：图像、视频和音频

每单位媒体价格示例：官方价与UberLLM价对比

Flux 的价格降低了75%，这是根据所列图像价格计算的。LTX 的价格降低了25%，Veo 的价格降低了50%。每次比较仅适用于指定的模型和匹配的设置，不适用于所有图像或视频请求。

媒体产品通常以文本 token 以外的单位计费。生成任务、图像、音频时长或视频时长成为您需要标准化的单位。模型选择和输出设置决定了该单位所代表的内容。

比较相同的生成设置

廉价的短片段无法替代您的产品所需的更长、更高分辨率的素材。声音也很重要：无声预览和完成的视听片段不是等效的交付物。

在比较提供商之前，请明确以下几点：

• 模型和任务： 保持模型版本和生成模式一致，包括文本转视频与图像转视频。
• 分辨率和时长： 记录请求的尺寸和片段长度，而不是仅仅依赖模型的名称。
• 音频设置： 指定是否包含生成的音频。
• 任务定义： 确认一项任务包含哪些内容，以及扩展、放大或额外输出是否需要单独请求。

Veo API 每秒价格指南](https://uberllm.dev/answers/veo-3-api-price-per-second)有助于构建基于时长的比较。在您了解报价所涵盖的时长之前，请勿将按任务报价转换为每秒费率。

只有当两个价格购买的是相同的交付物时，媒体价格比较才有意义。

对于音频，请区分生成的语音、转录和音乐生成。上传音频的时长和生成输出的时长是不同的测量值，因此请记录服务计费的那个。

在您的定价电子表格旁边，保留一份小型的设置清单：模型标识符、任务、尺寸、时长、音频以及任何质量选项。使用每个提供商对该清单进行定价，然后将报价和配置一起保存。当价格变化时，您可以重复比较，而不会意外地比较到不同的产品。

为什么每完成任务成本优于每Token成本

最便宜的Token费率可能导致最昂贵的已完成任务。一个需要反复修正、不必要的工具调用或手动修复的模型，可能消耗更便宜的Token，但交付可用结果的成本却更高。

当你比较直接答案和持续采取行动的工作流时，这种差异就显而易见了。

Oometa的智能体工作流成本分析描述了智能体工作流消耗比传统聊天机器人交互多消耗5–30倍的Token，并估计大致简单聊天机器人调用需要$0.001，而多步骤智能体任务需要$0.10–$1.00。请将这些视为背景信息，而非您的预测：规划、检索、工具、反思和重试因实现方式而异。

将不成功的工作放入分子

每成功结果成本 = 任务相关总支出 ÷ 成功完成的任务数。

在一个假设的批次中，每次$0.10的1,000次尝试总成本为**$100**。如果800次成功，则每解决一个任务的成本是**$0.125**，而不是$0.10。不成功的尝试仍然属于成本计算的一部分。

第二个假设性比较展示了为什么标价会误导人：

这些是算术示例，而非实际测量的模型性能。它们假设了可比较的尝试和不变的成功率；您的评估必须确定这两者。

该视频提供了另一种方式来考虑工作流成本。

针对共享任务标识符，追踪输出长度、重试次数、延迟驱动的备用方案以及不成功请求的费用。当工具或基础设施成本是实质性开销时，请将其包含在内，并将API响应与业务成功区分开来。

一个需要员工重写的支持答案不等于一个已解决的工单。使用您的客户所需的结果：一个已解决的案例、一个已接受的片段，或一个通过验收测试的编码任务。

模型价格为何持续下跌

在MMLU上达到GPT-3.5级别性能的最便宜模型，从2022年11月的每百万token约**$20下降到2024年10月的$0.07**，大约便宜了286倍，根据Orb对斯坦福报告数据的总结。斯坦福大学的2025 AI指数报告将同期能力匹配的推理成本下降描述为超过280倍。

这种比较保持了基准阈值不变。它不仅仅是将昂贵的强大模型与便宜的弱模型进行比较，尽管匹配基准仍不能保证在您的应用程序上表现出相同的行为。

为不断变化的供应而非固定费率做预算

更小的架构、量化、改进的推理软件、专用硬件以及供应商竞争都促成了成本的降低。它们各自影响经济的不同方面：模型大小、数值精度、服务效率、硬件利用率或供应商利润。

对于买家而言，实际的意义在于将价格假设与质量假设分开。只有当候选模型仍符合您的验收标准时，更低的费率才有用。

• 维护一份带日期的价格记录： 保存模型标识符、输入和输出费率、计费单位以及您读取它们的时间。
• 使用预算情景： 模拟预期需求，同时考虑更重的工作负载，包括更长的输出和更复杂的任务。
• 安排审查： 每季度重新评估费率，并在下一次预定审查前调查重要的发票偏差。

模型价格指数可以帮助识别值得重新测试的候选模型。它不应取代您自己的请求日志中附带的价格记录。

我们的标价每5分钟更新一次。它使用供应商的标价乘以在过去24小时内市场交易最昂贵时段所收取的标价份额，并且永远不低于最便宜的报价。

请将合同中的价格变动条款与您的审查计划分开检查。日历提醒并不能使可变费率固定，历史上的下降也不能保证每条路线都会变得更便宜。

在积分、订阅和按使用量计费之间选择

arXiv 对 AI 产品定价的研究 发现，带有使用配额的订阅是 52 款产品中最大的 AI 原生定价模式；25 款产品提供了免费套餐、试用或初始积分，而 13 款产品采用了按量付费的入门定价。这种模式并不能确立一个普遍的赢家。它表明了为什么纯粹的按消费量计费并非唯一合理的结构。

这个决定关乎谁承担可变使用量的风险。订阅将部分需求风险转移给供应商，而预付费和按量计费的结构使消费者对消费情况更加清晰可见。

利用你的运营限制来选择

单一提供商的稳定使用量倾向于订阅，前提是配额符合你的实际工作量。不要将未使用的配额视为价值，并核实超额使用是否需要批准或自动发生。

跨多个模型的不均衡需求倾向于积分或按量计费。有效期和结转条款很重要，因为购买你从不使用的容量可能会抵消掉表面上的折扣。

将资金与计费分离

预付费钱包描述的是你何时为使用量充值，而不一定是如何为每个请求定价。同样，按量付费可以通过预付费余额而非后付费发票进行操作。

我们没有月费，也没有最低消费。客户保持一个余额并按量付费。我们首先提供的 upto 支付选项，让钱包将报价作为上限进行签署；在得到答案后，只收取实际费用，并向上取整到美元的百万分之一。

在选择方案之前，请选择你不能妥协的限制。

如果该限制是固定预算，请检查支出控制。如果是稳定团队的可预测访问，请检查配额和超额使用规则。如果是文本和媒体的灵活性，请检查相同的余额是否支持你打算运行的工作流程。

供应商核对清单：不只看标价

价目表并不能告诉你核对生产账单所需的一切。请测试实际的计费行为，而不仅仅是沙盒中显示的计算结果。

使用这份核对清单，明确需要具体答案的条款。

验证计费路径

• 费用明确。 我们不会在列出的模型价格之上额外收取任何费用。在比较总支出时，请将充值费用与请求费用分开。不好的答案是报价中排除了未指明的平台附加费。
• 计费依据可追溯。 当供应商报告单次调用所收取的费用时，我们精确地按该金额计费。否则，该调用将按列出的价格计算其 token 费用。不好的答案是发票总额无法与请求级别的用量或报告的费用挂钩。
• 失败请求的处理方式明确。 我们失败的请求和生成不收取任何费用。然而，您不喜欢的已完成生成不应自动归类为技术故障。不好的答案是区分标准不明确。

验证控制路径

• 密钥提供隔离。 我们的 API key 具有作用域且可撤销，并适用每个 key 的支出限制。MCP 工具调用像等效的 API 请求一样被计费、限制和拒绝。不好的答案是需要禁用所有服务才能停止一个受损的集成。
• 回退行为可理解。 当供应商变慢或不可用时，我们会将请求转移到另一个健康的卖家。在您的日志中测试由此产生的费用和时间。无法解释备用路由是否会改变费用的供应商会让您面临未知价格。

对于混合工作负载，请检查 统一的文本、图像和视频 API 如何公开任务状态和结果。异步媒体请求需要一个持久的任务标识符，以便即使提交、完成和计费发生在不同时间，也能进行核对。

针对具有代表性的生产型流量运行这些检查，包括超时、取消和失败的任务。一个只有短提示和成功响应的演示账户无法揭示您的核算是否能在应用程序必须处理的条件下存活。

在承诺之前确认您的每任务成本

使用有界评估，而不是仅仅根据定价表进行迁移。目的是在不改变工作负载的情况下，发现哪种方案能以可接受的运营成本提供可接受的结果。

进行受控比较

1. 选择有代表性的任务。 包括常规请求、疑难案例、长上下文以及以前导致问题的输入。除非获得授权，否则请勿将敏感客户资料用于评估。
2. 捕获执行记录。 记录输入和输出 token、任务标识符、重试次数、工具调用、费用和成功判断。记录达到可用结果的时间，而不仅仅是首次响应的时间。
3. 计算当前基线。 将所有相关支出除以已接受的结果。将任务类别分开，以免简单请求掩盖了困难工作的糟糕经济效益。
4. 测试替代模型。 保留 prompt、输入、工具权限和验收测试。通过我们通用的 API 访问，切换模型只需使用不同的模型标识符，并且每个请求都会路由到最便宜且健康的卖家。
5. 应用请求预算。 为每个任务类别选择适当的限制，并验证应用程序如何处理拒绝或未完成的工作。限制应产生受控的用户体验，而不是无法解释的错误。
6. 综合比较运营结果。 评估每次成功的成本、延迟和失败率。检查实际输出，因为自动化评分可能会遗漏事实错误或未完成的工作。
7. 在承诺前进行试点。 将一小部分受控的实时流量发送给候选方案。在试点期间，根据您的日志核对已计费的费用，并保留回滚路径，直到质量和核算都可靠为止。

使决策可重复

在审查模型名称和价格之前，写下验收标准。否则，很容易因为某个候选方案看起来更便宜而原谅其较弱的输出。

保持评估集版本化，并随着应用程序的变化添加新的失败案例。每季度安排下一次审查，当模型、定价或产品发生重大变化导致现有比较不可靠时，提前进行重新测试。

获胜的方案并非孤立地看最便宜的模型。它是能在您的质量、延迟和预算限制内完成工作负载的配置。

---

UberLLM 为文本和媒体模型提供一个 API key、一个共享的预付余额，并为每个请求的模型路由到最便宜且健康的卖家。访问 UberLLM 比较当前价格，然后测试有代表性的任务，并在迁移生产流量之前衡量已接受结果的成本。