主流大模型推理定价、上下文窗口溢价与真实 Token 成本横评（2026 秋季版）
截至 2026 年秋季，主流大语言模型（LLM）的商业 API 计费进入高度分层阶段。传统的“统一每百万 Token 单价”已被分级上下文窗口（Tiered Context）、提示词缓存折扣（Prompt Caching）以及推理链思考 Token（Reasoning Tokens）三种全新机制打破。
本评测由 LLM Abacus 基于 2026 年 10 月各厂商官方实时协议，横向对比 OpenAI、Anthropic、Google 及 DeepSeek 的主力模型，解构长上下文阶梯溢价，并给出典型企业工程场景下的真实调用账单推演。
主流模型官方基准费率对照表 (Per 1M Tokens, 2026 秋)
以下数据基于 2026 年 10 月各厂商官方公布的最新 API 协议整理，汇率按 1 USD ≈ 7.12 CNY 换算。
| 厂商 | 模型名称 | 标准输入价 (1M) | 缓存命中输入价 | 输出生成价 (1M) | 上下文窗口 |
|---|---|---|---|---|---|
| OpenAI | o1-preview | $15.00 | $7.50 (-50%) | $60.00 (含思考) | 128k |
| OpenAI | o1-mini | $3.00 | $1.50 (-50%) | $12.00 (含思考) | 128k |
| OpenAI | GPT-4o | $2.50 | $1.25 (-50%) | $10.00 | 128k |
| OpenAI | GPT-4o-mini | $0.15 | $0.075 (-50%) | $0.60 | 128k |
| Anthropic | Claude 3.5 Sonnet | $3.00 | $0.30 (-90%) | $15.00 | 200k |
| Anthropic | Claude 3 Haiku | $0.25 | $0.03 (-90%) | $1.25 | 200k |
| Anthropic | Claude 3 Opus | $15.00 | $1.50 (-90%) | $75.00 | 200k |
| Gemini 1.5 Pro (≤128k) | $3.50 | $0.875 (-75%) | $10.50 | 2M (超长) | |
| Gemini 1.5 Pro (>128k) | $7.00 | $1.75 (-75%) | $21.00 | 2M | |
| Gemini 1.5 Flash | $0.075 | $0.01875 (-75%) | $0.30 | 1M | |
| DeepSeek | DeepSeek-V2.5 | $0.14 (¥1.0) | $0.014 (¥0.1) | $0.28 (¥2.0) | 128k |
容易被忽视的计费“隐形陷阱”与高级机制
提示词缓存（Prompt Caching）的真实省钱威力：Anthropic 机制在静态 System Prompt 或文档超过 1,024 Token 时即可设置断点缓存，缓存写入费用为 $3.75/1M（+25%），但在随后的 5 分钟滑动窗口内，缓存命中单价仅 $0.30/1M（直降 90%）。在多轮对话或代码 Agent 场景中，平均输入成本直降 75% 以上。OpenAI 机制自动检测前缀，无需手动标记，命中即享 50% 自动立减。DeepSeek 机制采用冷热分离，缓存命中只需 ¥0.1/1M。
Google Gemini 的“128k 价格断崖”：Gemini 1.5 Pro 拥有 2M 超大上下文，但存在阶梯单价机制。当单次请求总长度 ≤ 128,000 Token 时，输入 $3.50、输出 $10.50；一旦突破 128,001 Token，整笔请求的输入单价立即跳涨至 $7.00/1M（翻倍），输出跳涨至 $21.00/1M（翻倍）。工程避坑建议：若仅需分析 130k 内容，建议前置切词压缩至 125k 以内，可瞬间省下一半成本。
o1 系列的“隐藏思考 Token 账单”：OpenAI o1 系列引入强化学习思维链。生成的思维链 Token 虽然不对最终用户展示，但计费时完全按输出 Token（$60.00/1M）全额计费。若提问仅 20 Token、回答 300 Token，但内部思考消耗 6,000 Token，实际账单仍按 6,300 × $60/1M 扣费，单次花费达到 $0.38。
典型工程场景真实成本推演
场景 A：企业级代码辅助 / 复杂 Coding Agent（重输入、高频次）。特征：每次带入 30k Token 项目背景与类型定义，生成 500 Token 代码，日均 5,000 次请求。无缓存裸跑下 Claude 3.5 Sonnet 日均消费 $487.50，GPT-4o 日均消费 $400.00。启用 Prompt Caching 优化后，Claude 3.5 Sonnet 日均降至 $82.50（节约 83.1%），GPT-4o 降至 $212.50（节约 46.9%）。
场景 B：超长财报 / 法律合同审查（超长文本单次吞吐）。特征：单次灌入 150k Token PDF 文本，输出 2,000 Token 审计摘要。Gemini 1.5 Pro 单次成本为 (150k × $7.00/1M) + (2k × $21.00/1M) = $1.092；Claude 3.5 Sonnet 单次成本为 (150k × $3.00/1M) + (2k × $15.00/1M) = $0.480。结论：在此区间内，Sonnet 凭借无阶梯溢价策略，单次成本反而比 Gemini 1.5 Pro 便宜 56%。
常见问题
大模型 API 计费怎么查最准？
各厂商官方计费页面更新频繁且存在隐含条件（如阶梯阈值与缓存时间窗口）。建议使用 LLM Abacus 价格表，平台每日自动化拉取全网主流大模型最新价格，支持输入输出配比与缓存命中率模拟。
为什么 DeepSeek API 比海外模型便宜很多？
DeepSeek-V2.5 采用了稀疏混合专家架构（MLA - Multi-head Latent Attention）以及显存优化，大幅降低了推理时的 KV 缓存占用；叠加自建算力成本与国内定价策略，其输入成本（约 $0.14/1M）仅为旗舰海外模型的数十分之一。
什么时候应该选择 GPT-4o-mini 或 Gemini 1.5 Flash？
对于数据清洗、信息抽取、简单分类和初级总结等边缘任务，小模型（如 Flash / 4o-mini）的成本仅为主力旗舰的 1/20，响应速度通常快 2~3 倍，是工业界分流降本的首选。
文中价格与价格表同源、每日核对。选型前去看一眼最新价。
打开价格表 →相关工具与页面