gpt 5.3 codex spark 价格

打算把代码任务交给这个模型时，最容易卡住的不是能不能用，而是不知道钱按什么口径走：走订阅额度、走按量 API，还是走中转站，三种账完全不同。这篇不给死数字，只给查价顺序、计费项对照表和一套月度核对流程，让你在任何时间点都能自己把那笔账算清楚，也标出哪些情况下这套算法不成立。

打算把代码任务交给这个模型时，最容易卡住的不是能不能用，而是不知道钱按什么口径走：走订阅额度、走按量 API，还是走中转站。三种账的计费逻辑完全不同，混在一起比较会得出错误结论，比如拿订阅的包月额度去除以按量单价，当然会显得订阅划算，但前提是你真的把额度用满了。

这篇不给死数字，只给一套查价顺序、计费项对照表和月度核对流程。你在任何时间点都能自己把那笔账算清楚，也标出这套算法在哪些情况下不成立，免得照着套反而算错。

先分清三种花钱入口，别把订阅和按量混着算

花钱入口决定了计费口径，口径不对，后面算得再细也是白算。先把三种入口的适用场景分开，再看自己属于哪一类，比直接比价格有意义得多。

订阅额度

按周期给一笔额度，超额部分才按量结算；适合每天都要写代码、用量稳定的人，用量不稳容易为闲置额度付费。

按量 API

输入输出分别计价，缓存命中另有口径；适合任务量波动大、可以攒着批量跑的活。

中转站渠道

同一模型的报价受倍率、汇率、充值赠送影响；先对齐计价口径再比数字，混着比容易得出错误结论。

同样的活为什么花的钱不一样：四个变量

同一个任务，不同写法花掉的钱能差出好几倍。不是模型在坑你，而是这四个变量在起作用。把它们的量级摸清楚，你就能判断哪部分是可优化的、哪部分是必要成本。

• 上下文长度：把整个仓库喂进去和只给相关文件，token 量差出好几倍，先做检索再喂是性价比最高的动作。
• 输出长度：代码生成的长尾输出往往比输入更贵，让它少解释、多给 diff，能直接压掉一截成本。
• 重试与失败请求：报错重发、工具调用循环都会真实计入用量，看着不起眼，月底一汇总往往很扎眼。
• 缓存是否命中：多轮对话里重复的前缀部分命中与否单价不同，具体规则和档位去站内计费页核对当时的数字。

查价清单：五分钟把当前数字拿全

价格会变，任何写死的数字都会过期，所以这里只给顺序。按这个顺序走一遍，你拿到的就是当下的口径，而不是几个月前某张截图上的一行字。

1. 第一步：看官方按量单价到 /official-api 核对输入、输出、缓存几档分别是多少，顺手确认计费单位是按 token 还是按别的口径。
2. 第二步：核对订阅档位到 /coding-plans 看各档额度怎么给、超额怎么算，判断你的月用量落在哪一档更划算。
3. 第三步：看第三方渠道变动到 /price-watch 看变动记录和各家报价，别用旧截图做决策，中转站倍率调整比你想象的频繁。
4. 第四步：换算成单次任务成本拿你最近一次真实任务的 token 数，乘上刚才查到的单价，换算成「这个活大约多少钱」，单看每百万 token 的数字没有体感。

这套清单的前提是你能拿到自己的真实用量。如果平台侧根本不给你看 token 明细，那这套算法不成立，你得先在调用层自己埋日志，否则后面所有比较都是拍脑袋。

做预算与月度核对：让每一笔都能追溯

控成本的关键不是找到最便宜的渠道，而是让每一笔支出都能对上来源。做预算时别按感觉拍数字，按上个月的真实用量记录定上限，再加上一道告警线。

• 月初按上月真实用量定预算上限，不要按感觉拍数字。
• 在平台侧设预算告警，超过阈值先降级模型或减少自动重试，而不是等账单出来再心疼。
• 月末把账单与充值记录逐项对一遍，重点看缓存计价、失败重试、汇率换算这三类容易对不上的项。
• 用量日志至少留请求时间、模型、输入输出 token 数、是否命中缓存这几个字段，缺了对账只能靠猜。