你打算把一个高频小任务接到轻量模型上，翻官方价目表只看到一堆输入输出单价，不知道跟自己场景差多少；或者接完了账单跑起来，发现跟拍的脑袋里那个数对不上。这篇不背数字，只给一套查价、换算、对账的顺序，让你自己去站内页面拿当期数字，算清一次调用大概花多少。
你打算把一个高频小任务接到轻量模型上，翻官方价目表只看到一堆输入输出单价，不知道跟自己场景差多少；或者接完了账单跑起来，发现跟拍脑袋估的那个数对不上。这篇不背数字，只给一套查价、换算、对账的顺序，让你自己去站内页面拿当期数字，算清一次调用大概花多少。
先说清楚一件事：轻量档的价值不在单价本身，而在于「单位任务成本」和「返工率」两件事的乘积。单价再低，如果任务要反复重试才答对，账单反而会涨。所以下面这套顺序是：先认字段，再对口径，再换算成自己的单次成本，最后反过来判断该不该留在轻量档。
先弄清楚轻量模型的价格由哪几项拼出来
轻量模型的单价看着简单，其实至少有四五个字段会影响最终账单。同一个模型，你走的调用路径不一样，单价口径就不一样。比价之前先把「我这一路是怎么走的」写清楚，否则拿两个不同口径的数字对比，等于白比。
- 输入与输出分开计价
- 大多数轻量模型的输出单价高于输入。先判断你的任务偏「喂进去多」还是「吐出来多」，这直接决定哪一项占大头。
- 缓存命中价
- 同样的前缀反复发送时，命中缓存的部分可能按更低档计费，但需要你的调用方式真的能命中，不是自动生效。
- 批量提交价
- 部分渠道对非实时、可延迟返回的批量任务给单独档位，适合离线跑数据，不适合在线对话。
- 上下文长度档位
- 请求越长，可能进入更高计费档，或者触发额外计费规则，长文档摘要这类任务要特别确认。
- 渠道口径
- 官方直连、云厂商托管、中转站三者的计价单位和结算币种可能不同，比价前先统一到同一口径。
判断标准很简单：如果你的任务输出占总 token 的比例高，那输出单价就是关键变量，别只盯着输入单价挑模型；如果任务以固定前缀、固定格式为主，那缓存能不能命中比单价本身更值得研究。什么情况下不适用？当你的调用量小到一个月也就几百次，这些字段的差别被总量淹没了，先别折腾。
价格数字去哪看，别背，去核对
价格是会动的。你在别处看到的截图、别人文章里抄的数字，都可能已经过期。稳妥做法是每次做预算前回到站内官方来源核对一遍，而不是把上次的数字直接乘调用量。
- 先看官方规格与价格到 /official-api/providers/google 核对当期规格与价格字段。重点看计价单位、输入输出是否分开、有没有档位说明。
- 再对渠道差价到 /official-api 与 /sites 对照不同渠道的标价，注意标价单位和结算币种是否一致。不一致就自己换算到同一币种再比。
- 最后看变动记录到 /price-watch 看价格变化记录，确认自己引用的数字是当前生效的，而不是历史档位。
这里有个常见误区：中转站标价低不代表你最终花的少。结算币种、充值门槛、失败重试是否计费，都会改变实际支出。要到 /sites 看渠道的完整说明，而不是只看一个单价数字。什么情况下可以跳过这一步？如果你只是做技术验证、调用量极小，先把功能跑通比省钱重要。
把单价换算成「我这个任务一次多少钱」
单价是每百万 token 的量级，跟你一次调用的花费差着好几个数量级，直接看容易没概念。换算分三步：估 token 量、乘单价、乘调用频率。每一步都别拍脑袋，估不准就先用工具算。
| 步骤 | 你要做的事 | 用到的地方 |
|---|---|---|
| 估单次 token | 按任务类型估输入输出量级，长文档摘要和短分类差很多 | 自己取样几条真实请求统计 |
| 算单次成本 | 输入量乘输入单价，输出量乘输出单价，两者相加 | /tools/token-price-calculator |
| 算月成本 | 单次成本乘日调用量再乘天数，看落在哪个量级 | /tools/model-cost-calculator |
| 对账 | 跑一周后拿真实账单跟预估对比，偏差大就回头查 token 估算 | 账单与调用日志对照 |
- 输入输出分别算，别用一个混合单价乘总量，误差会很大
- 估 token 时留出余量，系统提示词和格式约束也占输入量
- 把重试计入成本：失败一次重发，等于单次成本翻倍
- 低频任务看单次成本，高频任务看月成本，两者的判断重点不一样
- 换算结果只当量级参考，别当成精确预算
换算完之后你会得到一个量级感：这个任务到底是一次几分钱还是一次几毛钱。这时候再回头看轻量档值不值得，就有依据了。什么情况下这套换算不适用？当你的成本大头其实在人工复核、数据标注或工程改造上，模型调用费占比很低，那就别在单价上纠结。
什么情况下轻量档不划算
轻量档不是万能的便宜选项。它的优势是单价低、响应快，代价是复杂任务上更容易出错。判断该不该留在轻量档，看的是「返工成本」和「复核成本」，而不是单价表。
- 长链推理、多轮工具调用：轻量档容易中途跑偏，重试几次就把省下的钱吃回去
- 输出需要人工复核：省下的单价会被复核人力覆盖，尤其是准确性要求高的场景
- 调用量很小：换模型带来的收益可能还不如把提示词优化一轮来得明显
- 任务格式极不稳定：每次都要求模型自己临场组织输出，轻量档失败率会偏高
- 需要严格一致性：同输入多次调用结果波动大时，轻量档不适合做生产主链路
反过来说，什么情况下轻量档很合适？任务边界清晰、输出格式固定、有明确校验逻辑、失败可以自动重试且重试代价低。这类任务哪怕量很大，轻量档也能扛住。判断顺序建议是：先看任务能不能被结构化约束，再看单次成本，最后才看单价。
轻量模型省的是单价，不是总成本；总成本等于单价乘以返工率，返工率上去了，便宜就没有意义。下一步拿你手上那个高频小任务，先去站内把当期价格字段和渠道口径核对清楚，再算一遍单次成本和月成本，最后对照返工情况决定留在轻量档还是换档。→
常见问题
轻量模型是不是一定比大模型便宜？
单价通常更低，但不等于总成本更低。如果任务要多次重试、或输出不合格需要人工返工，综合成本可能追平甚至超过直接用好一档的模型。判断方法是拿自己真实的一批任务各跑一遍，比总花费和返工次数，而不是只看单价。
为什么我看到的单价和别人说的不一样？
常见原因有三个：渠道不同（官方直连、云厂商托管、中转站各有自己的折算方式）、计价口径不同（是否含缓存、是否走批量）、以及时间不同（价格调整过）。比价前把这三点对齐，再去看站内当期数字。
轻量模型适合接哪些活？
适合高频、判断标准明确、输出格式固定的任务，比如分类、抽取字段、短文本改写、意图识别。不适合需要多步推理、长上下文全局理解、或者结果直接对外发布不能出错的任务。先拿一批灰度流量试，再决定放量。
