很多人第一次认真看 ChatGPT 的用量,会觉得数字对不上自己聊的那几句话。问题通常不在模型,而在你没分清聊天额度、API 计费、上下文重发这三本账。这篇不背价格,只讲哪些地方在悄悄多算、怎么自查、什么情况下这些判断不成立。
第一次认真看 ChatGPT 的用量,多数人会觉得数字对不上——明明就聊了几句,怎么消耗这么大。问题往往不在模型本身,而在于你把几本不同的账混在一起看了:订阅版的对话额度、API 的按 token 计费、中转渠道的折算,是三套算法。混着看,一定对不上。
这篇不背价格,也不复述官方文档。只讲清楚 token 在哪些地方被悄悄多算、哪些是算法本身就这么贵,以及你自己能动手核对的动作。先说清楚一个前提:下面所有判断都建立在「你搞清了自己花的是哪本账」之上,账没分清,后面的自查基本白做。
先分清你花的是哪本账
订阅版看的是次数或额度条,API 看的是输入输出 token 数,中转渠道看的是按倍率折算后的结果。这是三条平行线,互相之间没有固定换算关系。你拿网页里聊了十句的体感,去乘 API 的单价,得出的数一定是错的。
判断标准很直接:消耗发生在网页或 App 里,就别套 API 单价;消耗发生在代码调用里,就别拿订阅额度去比。两种情况都别用记忆里的数字,单价和计费口径到 /pricing 对当时的数字。如果你用的是聚合平台或中转,那要按该平台自己公布的口径算,不能直接套官方规则——这一点经常被忽略。
多轮对话里最贵的一笔,其实是你自己重复发的话
这是最容易被忽略的一笔。每轮请求都会把之前的对话历史重新带上去,聊得越长,单轮被计费的输入就越大。你在第 50 轮发一句「继续」,实际计费的可能是一整段历史加上这句「继续」。钱不是花在这句话上,是花在它背后拖着的那一长串上下文上。
做法不复杂:一个长会话把任务做完,新开一轮,把结论粘过去再继续。比在一个几百轮的窗口里硬聊省得多。判断标准也好记——同一条消息,在会话第 5 轮发和在会话第 50 轮发,成本不一样,后者贵。这不是模型变贵了,是输入变长了。
但这招有边界。需要连续上下文的调试和写作,硬拆会话反而要反复解释背景,重复的解释本身就是新的消耗,得不偿失。什么时候该拆、什么时候该留,看你下一轮的问题是否真的依赖前面的细节。
- 任务收尾就新开会话,把结论、格式约定、待办粘到开头
- 长期项目单独维护一段「背景摘要」,每次带上它而不是带上全部历史
- 同一个会话里连续追问同一份材料时,先算一下已经重发了几轮
- 纯闲聊、问一句答一句的场景不用刻意拆,上下文本来就短
输出 token 比输入贵,这一点决定了回复长度也是成本
多数厂商的输出单价高于输入,所以让模型少说废话,本身就是在省钱。很多人只盯着「我发了多少字」,却不管「它回了多少字」,而回复那一侧往往才是账单的大头。具体贵多少,到 /pricing 看当期输输入输出的单价对比,别凭印象。
可执行的动作是:在提示里定死字数上限和结构。比如要求「列三条,每条不超过两句话」,或者「只给结论和一句理由」。这不是抠,是把输出压在你真正要用的范围内。判断标准:如果一次请求的输出远大于输入,成本重心就在输出侧,这时候压输出比压输入有效得多。
也有不适用的时候。需要完整长文的场景,压缩输出会牺牲可用性,比如要一篇能直接发的稿子,你让它只写三条要点,后面还得重来一次,反而更贵。这时该换思路——把长任务拆成几段短输出,或者用更便宜的方式先出草稿再改。
贴长文档最容易翻倍,注意截断和重复上传
整篇文档塞进对话,每次追问都会把整篇重发一遍。你追加三五个问题,那份文档就被计费了三五次。这个坑特别隐蔽,因为界面上你只看到自己问了一句话,看不到背后那份几万字的材料又被拖上去了一遍。
稳妥的做法是先让模型做一次摘要或抽取要点,后续问题基于要点问。判断标准:文档很长还在一轮轮追问,先停下来估一下重发次数——追问几轮,就等于文档被读了几遍。估完再决定要不要换方式。
同样有例外。需要逐字精确引用原文的任务,比如合同条款核对、代码逐行审查,压缩会丢细节,这时候省下来的钱可能换来一个错误结论,不值。这类任务该接受它的成本,或者改用支持文档检索的方式,而不是把原文反复塞进对话。
缓存没命中,你以为省了其实没省
缓存只对稳定前缀生效。提示开头改一个字,后面的缓存就可能全不命中,整段重新计费。很多人以为「我用了缓存所以便宜」,其实每次请求的开头都在变,命中率基本为零,等于没用。
可执行的动作:把固定不变的系统提示、格式约定、角色设定放最前面,把变动的内容放后面。判断标准也简单——如果你每次请求的开头都不一样,缓存基本帮不上忙。改动位置越靠前,越可能把后面的缓存全部打掉。
不是所有任务都值得为缓存去凑结构。本来就没有重复前缀的一次性任务,硬拆成「固定开头加变量」反而增加复杂度,收益接近于零。缓存是给高频、结构稳定的调用用的,低频零散请求别在这上面花心思。
| 常见动作 | 实际发生了什么 | 该怎么处理 |
|---|---|---|
| 长会话里反复追问 | 历史被每轮重发 | 收尾后新开会话,粘结论 |
| 一次贴进整篇长文档 | 文档随追问重复计费 | 先摘要或抽要点再问 |
| 提示开头每次都改 | 缓存不命中,全额重算 | 固定前缀放最前,变量放后 |
| 回复写得很长很全 | 输出侧成本放大 | 提示里定字数上限和结构 |
去哪里核对自己的数字
所有关于「贵不贵」的结论,都要落到具体页面和具体时间点,否则只能当参考。模型单价和计费口径去 /pricing 对当期数字;中转渠道的倍率和折算规则,去 /sites 里对应的中转站页面看当期说明,不同渠道规则差别不小,别拿一家的口径套另一家。
自己真实的消耗量,用站内的换算工具和成本计算器把单位统一后再比。输入和输出分开算,别把两者混成一个总数。核对时记下页面和核对时间,过一阵子规则可能就变了,旧结论不能直接搬。
- 定位账本确认消耗来自订阅、官方 API 还是中转渠道,选对口径
- 分离输入输出把一次请求的输入 token 和输出 token 分开看,找出大头在哪侧
- 估算重发次数数一下同一份长材料在会话里被带上去几次
- 统一单位比对用站内换算工具把不同渠道的数字换成同一口径再比
这些判断都有前提。如果你的用法本身就是低频、短会话、一问一答,上面大部分坑你根本踩不到,不用为了省而把流程搞得复杂。反过来,如果你每天跑大量长上下文调用,那这几笔账值得逐一核对一遍。
常见问题
同样是问一句话,为什么这次扣得比上次多?
多半是这一轮带上的上下文更长了。多轮对话每轮都会重发历史,输入 token 随会话长度增长。想验证就把会话清空重问同一条,对比两次的用量差,差出来的就是历史那部分。
订阅版还需要关心 token 吗?
需要关心,但关心的点不同。订阅看的是额度条和次数,不是按 token 结账,所以别拿 API 单价去乘。你该盯的是长会话和长文档这类会快速吃额度的用法。
把提示词写短一点真的能省钱吗?
能,但幅度取决于比例。输入短、输出长的任务,压输入收益有限;输入长、输出短的分类抽取类任务,压输入效果明显。先看你的请求里哪一边占比大再动手。
中转渠道的 token 数和官方一样吗?
不一定。折算方式、倍率、是否计入缓存,各家规则不同。要比价就把单价、缓存、用量口径三列对齐,只比一个数字结论容易错。
这些判断什么情况下不成立?
如果你用的是固定月费、不计量计费的套餐,那 token 层面的省钱动作只影响你能用多久,不影响账单金额。这种情况下改盯任务结构和使用频率。