出图和出视频的计费单位为什么不一样？按张按秒按分辨率讲透

做多模态应用时最容易踩的坑，是拿图片的计费直觉去算视频：出图按张，出视频按秒，分辨率一调价格又跳一格，结果成本和预估差一截。这篇不讲具体数字，只拆计费单位背后的逻辑，给你一套对齐口径、估算用量、核对账单的判断方法，以及哪些情况不适用。

做多模态应用最容易踩的坑，是拿图片的计费直觉去算视频。出图按张，出视频按秒，分辨率一调价格又跳一格，最后账单和预估差一截。这篇不讲具体数字，只拆计费单位背后的逻辑，给你一套对齐口径、估算用量、核对账单的判断方法。

先记住一件事：不同计费单位不是各家随便定的，而是平台把「算力消耗」翻译成用户能理解、自己又不吃亏的计量方式。理解了这个动机，很多看起来奇怪的账单差异就有解释了。

先分清三种计费单位：张、秒、分辨率

最容易搞混的是分辨率。同一家平台可能按档位算、按像素总量算、按 token 折算，这三种做法账单表现完全不同。你要问平台一句：分辨率是算进单价，还是算进用量？前者单价直接涨，后者是同样单价扣更多量，两者对预估的影响不一样。

出图单次耗时相对确定，平台用「张」就能覆盖成本，用户也容易理解。视频生成不一样，算力随时长近似线性增长，而且一次任务实际跑多少秒很大程度由模型决定，不按时长计费平台容易吃亏。

还有一个隐含动机：计费单位也在引导用户行为。图像重抽成本低，用户习惯多抽几张挑一张；视频重抽贵，按秒计费天然提醒你少重抽、多在前置环节做功课。音频按分钟、文本按 token 是同一逻辑的延伸，想统一术语可以到 /ai-dict 对照。

先确认分辨率是改单价、改用量，还是两者都改。这一步不做，后面所有估算都是空的。分辨率往上走，常伴随时长、帧率、参考图数量一起变，账单涨的是复合项，不是单独一个分辨率因子。

估算不准往往不是公式错，而是漏项。图像漏了重抽，视频漏了失败重试，分辨率漏了档位差异。下面这套清单按任务拆单位，逐项落到日志里，才能事后复盘。

实测那一轮很关键。跑完去 /usage 看同类用量的真实分布，再对照你自己记的三列日志，差异出在哪一列就清楚了。想横向比对不同平台当时的计费口径，去 /official-api 的对应价格页核对。

不是所有场景都值得按张按秒抠。订阅制或按次打包的套餐，内部按张按秒的差别被套餐价抹平，这时单位口径只对额度上限有意义，对实际支出没有解释力。

计费单位不是平台随便定的，它是算力消耗和用户理解成本之间的一次折中，看懂折中在哪，账单就看得懂了。

同样一次生成，为什么视频比图片贵这么多？

主要不是单位不同，而是单位背后的算力差。视频要连续生成几十上百帧并保持时序连贯，算力随时长增长；图片只出一次结果。计费单位只是把这个差异翻译成用户看得懂的口径，贵在总量不在单位本身。

分辨率提高会让账单翻倍吗？

不一定按倍数走，要看平台把分辨率算进单价还是用量。有的按档位加价，有的按像素或 token 折算，还有的把分辨率和时长绑在一起。最稳的做法是拿同一提示词跑两个档位，对一次账，再回推你的估算公式。

怎么预估一个多模态功能的月成本？

拆成三列：每月张数、每月秒数、分辨率档位分布。重抽和重试各留一档余量，再乘以你核对过的单价。先小额实测一轮拿真实扣费校准，之后每月到 /usage 对一次，偏差大了再回头改系数。