读懂大模型价目表的 5 个术语陷阱：这些坑我替你踩过

价目表上的单价几乎都以「每百万 token」计。但 token 不等于字。中文一个汉字通常算 1 到 2 个 token，英文一个单词往往拆成一两个 token。粗略地说，一百万 token 大概对应几十万个汉字。

为什么这个坑要命？因为你如果按「字数」去套「每百万 token」的价格，估出来的量级可能差好几倍。估算前先搞清楚：你的真实文本换算成 token 大概是多少。多数平台都提供 tokenizer 或估算工具，别拍脑袋。

价目表上每个模型至少有两个价：输入价（你喂进去的）和输出价（模型吐出来的）。这两个数经常差好几倍——比如 GPT-5.1 是输入 ¥1.25、输出 ¥10，输出是输入的 8 倍。

只记住其中一个数去估算，是新手最常见的错误。正确做法是分别估你的输入 token 和输出 token，各自乘以对应单价再相加。如果你的应用是短问长答（写作、代码），输出价才是账单大头。

有些模型的价目里还有一列「缓存输入价」，数字低得吓人。比如 DeepSeek V4 Pro 输入 ¥3，缓存命中只要 ¥0.025。这不是打错，是上下文缓存的价格。

它的意思是：如果你每次请求前面挂着一大段相同的内容（固定的角色设定、固定的知识库），这部分在命中缓存后按缓存价计费，能便宜一两个数量级。带长固定前缀的应用如果没用上这个档位，等于白白多付钱。看价目表时，缓存价这一列别跳过。

很多厂商提供 Batch 接口：你不要求实时返回、可以等几分钟到几小时，价格通常打五折。价目表上有时单列，有时藏在文档里。

陷阱在于：不是所有任务都需要实时。数据清洗、批量打标、离线摘要、内容归类这类任务，走 Batch 能直接省一半，但很多人默认全用实时接口，从没想过分流。估算成本时，先问自己哪些任务其实可以等——那部分就该按 Batch 价算。

海外厂商按美元计价，国产按人民币，价目表上混着看很容易记错量级。更细的一个坑是汇率：当你把美元价折算成人民币做对比时，用的是哪天的汇率？汇率一波动，跨币种的对比结论就可能变。

所以看跨厂商对比时，要确认三件事：这个价是原始货币还是已折算的、折算用的汇率是什么时候的、以及是不是每天更新。算盘对每个模型都标了原始计费货币，并按每日汇率折算——这类细节看着琐碎，但正是它决定了你的跨币种对比准不准。