很多人第一次用多模态模型处理图片时，会发现账单比预期高一截——同样一张图，压缩一下可能差好几倍；同样张数，分辨率不同花的钱也不一样。这篇不背数字，只讲判断口径：图片大概怎么折算成 token、分辨率从哪一步开始吃钱、按张数估算成本时该看哪几项，并告诉你到站内哪里核对当时的真实单价。
第一次用多模态模型跑图片任务的人，多半会遇到同一个问题：账单比预想的高一截。同样一张图，随手压缩一下可能差好几倍；同样十张图，分辨率不同成本也能差出几档。原因不在平台乱收费，而是图片不是按「张」计价，而是先被折算成 token 再按单价算。
这篇不给你背任何数字——价格和折算参数都在变，写死的数会误导你。我们只讲判断口径：图片大概怎么折算成 token、分辨率从哪一步开始吃钱、按张数估成本时该看哪几项，以及到站内哪个页面核对当时的真实单价。看完你应该能自己拉一个估算，再和账单对。
图片是怎么被折算成 token 的
绝大多数平台的口径都分成两步：先把图切成一个个分块，每块折算成固定数量的 token，再加一个固定的基础开销。所以公式大致是「分块数 × 每块 token + 固定开销」，而不是整张图给一个价。这一步决定了图片成本的下限，也决定了后面分辨率为什么是最大变量。
- 不同厂商的切分方式不一样：有的先把短边缩放到某个上限再切块，有的对特别长的图额外惩罚，同一张图在两家平台算出来的 token 数可以差不少
- 图片内容本身影响折算结果：纯色图、大面积留白常被压得更狠，密集文字截图和复杂照片更接近上限；估成本前先确认自己在传哪类图
- 计费范围不止单张图：单次请求带几张图、多轮对话里同一张图是否重复计费，都要按平台的上下文口径看，别默认「传过一次就只算一次」
- 基础开销是每张图都会摊到的固定部分，所以传很多张特别小的图，成本可能并不比传一张大图便宜
先搞清楚自己传的是哪类图
同样是照片，发票、表格、产品图、聊天截图这四类的实际折算差别很大。判断方法很简单：如果这张图里的关键信息可以被一句话概括，多半属于低信息密度图，折算会被压得比较低；如果需要模型逐字读出内容，那它大概率会被按高密度处理，成本接近上限。
分辨率是最大的成本杠杆
大多数平台会先把图缩到某个边长上限再切块。超过这个上限继续加大，传输时间上去了，token 数却未必跟着涨；反过来，压得太狠虽然省钱，但 OCR 和小字识别会直接失败，等于把省下的钱花在了返工上。
分辨率对成本的影响通常是台阶式的，不是线性涨。跨过某个边长阈值，可能刚好多切出一整圈分块，token 数就跳一档；再往上加一点，反而没有变化。所以调分辨率时要找那个「刚好够用」的档位，而不是取中间值。
| 边长档位 | 常见用途 | 大致分块量级 | 成本敏感度 |
|---|---|---|---|
| 低档 | 粗分类、有无判断、缩略图预览 | 少量分块 | 低，适合大批量跑 |
| 中档 | 一般图文问答、商品图描述 | 中等分块 | 中，多数任务的默认选择 |
| 高档 | 表格识别、发票字段抽取 | 较多分块 | 高，按需才提 |
| 超高档 | 小字密集文档、图纸细节 | 分块继续增加 | 很高，先确认低一档是否够用 |
哪些情况别急着提分辨率
- 任务只是二分类或粗判断时，低档分辨率通常已经够用，提上去只是白花钱
- 平台按次计费而不是按 token 计费时，分辨率对账单没有影响，这时候该看的是按次套餐的价格，而不是单价
- 压缩格式和色彩深度一般不影响 token 数，只影响上传耗时和平台是否接受；别把优化精力浪费在格式上
按分辨率与张数估算成本的对照表
- 确定单图折算量级拿目标分辨率的单张图，先估算它大概落在哪个分块档位，把每块 token 和基础开销加进去；分块参数到站内多模态模型页核对当时的数值
- 乘张数再加重复项按实际要处理的张数相乘，再把批量任务里常见的失败重试、同一张图重复上传算进去；实测下来这一步最容易低估
- 按单价换算用站内 Token 单价换算把总量折成金额，注意图片计费和文本计费通常分开列，别混在一起算
- 拿小批量实测反推先跑十几张图，用用量记录反推单图折算，再外推到大批量；这一步能暴露你估算里的系统性偏差
比价时把「每张图成本」和「每次请求成本」拆开看。一张图配上一段很长的提问文本时，文本 token 往往才是大头，图片只是其中一部分；只盯着图片单价容易得出错误结论。
到站内哪里核对真实数字
价格会变，别人文章里抄来的数字基本不能信。正确做法是到站内的价格页和换算工具上拿当次的数据，再用一次小批量实测对齐，两头对不上就说明口径理解错了。
- 多模态模型的单价和折算口径，去 /models 的多模态模型页看，输入侧的图片计费和文本计费通常分开列
- 用站内的 Token 单价换算和成本计算器做一次实际估算，再和账单对一次，看差额出在哪一项
- 如果走中转站，报价可能对图片单独打折或加价，去 /sites 按倍率、分组、计价项三列口径核一遍；拿不准就用 /tools/speed-test 这类工具做一次实测
- 价格波动和历史调整记录去 /price-watch 看，确认当前数字不是过期信息
| 要核对的东西 | 去哪看 | 看什么 |
|---|---|---|
| 单图折算口径 | 多模态模型页 | 分块规则和基础开销 |
| 当前单价 | 价格页 / 成本计算器 | 输入侧图片与文本单价 |
| 中转报价差异 | 站点导航页 | 倍率、分组、计价项 |
| 价格变动 | 价格追踪页 | 近期调整记录 |
什么情况下这套核对流程不适用：你的量非常小、一个月就几张图时，花时间做精细估算不划算，直接跑一次看账单更省事；反过来，量一旦上了千张，任何一个参数理解错都会被放大成真金白银的差额。
图片成本里能自己控制的只有两件事：传多大、传几张；其余都是平台口径，先摸清口径再谈省钱。下一步先拿你手上最典型的一张图，去多模态模型页核对分块口径和当前单价，再用成本计算器跑一遍估算，和最近一次账单对一下差额——差额在哪，优化方向就在哪。→
常见问题
为什么同一张图在两家平台算出来的价格差好几倍？
主要差在切分规则和缩放上限：有的平台把图缩得更小再切块，单图 token 少；有的保留更多细节，token 就多。另外图片输入单价本身也可能不同。要对比只能按同一张图、同一任务跑一次，用用量记录看实际折算，不能只比单价。
把图片压缩到很小，是不是一定省钱？
在按 token 计费的前提下通常省，但有下限。压得太狠会让识别失败，重试一次反而更贵；需要读小字或表格时，压缩带来的误判成本可能超过省下的钱。判断标准是先看任务能不能在低分辨率下稳定完成，不能就退回上一档。
按次计费的套餐里，分辨率还重要吗？
账单上不重要，调用次数才决定花费，分辨率高低都是同一次。但分辨率仍影响别的东西：超时概率、单次延迟、失败重试次数，从而间接影响你实际能跑多少任务。选套餐时把「单次能不能稳定跑完」和「单价」分开评估。
