输出只占六分之一,费用却占一半
文章以每月 1000 万输入、200 万输出且无缓存命中的固定负载比较多款模型。按文中采用的费率,输出约占用量的 17%,却贡献一半账单。
AI 深度解读
每月用掉 1,200 万个 token,其中输出只占 16.7%,却能吃掉一半账单。作者把 Gemini 4 Neon 和 Claude Opus 5.5 放进同一组流量里算账:每月输入 1,000 万、输出 200 万,不计缓存,两者一年相差 240 美元。
做 AI 聊天或代码生成时,这笔账可以用来判断该先改哪里。除了看模型的输入单价,还可以量一量回复有多长,以及每次重发的系统提示词有多少真正命中了缓存。
为什么六分之一的 token 能花掉一半预算
账单要分输入和输出两笔算。先把 token 数除以 100 万,再乘以对应单价,最后把两笔加起来。作者称,文中涉及的各档模型,输出单价都是输入的 5 倍。于是每 5 个输入 token 搭配 1 个输出 token 时,两边刚好花一样多的钱。输出再长一些,输出成本就会超过一半。
按原文设定的每月 10M 输入和 2M 输出,价格和费用如下。年费按月费乘以 12。
| 模型 | 输入/100 万 token | 输出/100 万 token | 月费 | 年费 |
|---|---|---|---|---|
| Gemini 4 Neon | $3.00 | $15.00 | $60 | $720 |
| Claude Opus 5.5 | $4.00 | $20.00 | $80 | $960 |
| Claude Opus 5.5(fast) | $8.00 | $40.00 | $160 | $1,920 |
标准档每月多出来的 20 美元,输入和输出各贡献 10 美元。只看每百万输入相差 1 美元,会漏掉一半价差。作者称,他在 2026-11-18 核对了 Google 和 Anthropic 的报价,在 2026-11-20 核对了 OpenAI 的 GPT‑6.2 Sol 报价。原文没有列出 Sol 的具体单价。以上账单也未计入批量折扣、承诺用量价和免费额度。
缓存命中率一变,怎么比较才公平
Gemini 4 Neon 的缓存命中输入价为每百万 token 0.15 美元,是普通输入价的 5%。系统提示词、工具定义和反复发送的文档都可能形成较长的共享前缀。按作者假设的 80% 命中率,10M 输入里有 8M 按缓存价算、2M 按普通价算,输入费用就从 30 美元降到 7.20 美元,加上输出后是每月 37.20 美元。
Claude Opus 5.5 在作者查价时未列出缓存命中输入价,因此这笔缓存账缺少同口径的对照。把一边的 80% 命中拿去和另一边的零命中比较,只能说明两种计费情景的差异。80% 本身也是测算假设,实际能省多少要看应用的用量记录。
fast 档多花的钱,需要用延迟数据来判断
Claude Opus 5.5(fast)的输入和输出单价都是标准档的 2 倍。同样的流量下,它每月比 Neon 多花 100 美元,约高 167%。如果团队为了改善聊天首屏等待考虑切档,设计文档里可以同时列出这笔增量成本和希望达到的延迟目标。原文只算了差价,没有测首 token 延迟或完整响应时间。
我的判断
固定 token 数很适合拆解单价,也适合做预算情景。文章里的「一年」来自月费乘以 12,作者自述人工核对的是报价和算术。至于聊天产品的输出比例通常会更高,原文没有给业务样本,这是经验判断。
真要选型,我更看重同一批任务的单次成功成本。模型在完成相同任务时,可能需要不同的提示长度、输出长度和重试次数。固定 10M 输入和 2M 输出能回答同等用量下谁更便宜,拿相同任务跑一遍,才能看出单价差异会怎样落到账单上。
能拿来做什么
- 给 Node 服务按路由汇总上月实际输入和输出 token,再用带查价日期的单价算月费。聊天和代码生成可以分别统计,找出输出最花钱的入口。
- 如果接口用量记录提供缓存命中 token 数,就把命中和未命中的输入分开计费。换模型试算时,缺少公开费率的一栏先留空。
- 给考虑切 fast 档的功能挑一批代表性请求,记录首 token 延迟、完整响应时间和成功率,再按实测用量估算切档后的月费。