推理成本是什么意思？由哪些量决定、怎么算

很多人第一次看账单会懵：明明只是问了几句话，为什么扣的钱和心里估的差一截？问题多半不在模型贵不贵，而在你没搞清推理成本到底由哪几个量相乘、哪几个量被漏掉。这篇不讲虚的，只给一条能自己动手算的顺序，并告诉你每个数字该去站内哪一页核对。

很多人第一次看账单会懵：明明只是问了几句话，为什么扣的钱和心里估的差一截？问题多半不在模型贵不贵，而在你没搞清推理成本到底由哪几个量相乘、哪几个量被漏掉。这篇不讲虚的，只给一条能自己动手算的顺序，并告诉你每个数字该去站内哪一页核对。

先说清楚适用范围：下面这套口径只针对文本为主的对话与生成场景。图片、语音、按分钟或按次计费的产品要换另一套量去算，硬套 token 公式只会越算越偏。

推理成本到底指什么，和训练成本不是一回事

推理成本是「每次调用模型产生的那笔开销」，训练成本是模型做出来之前的一次性投入，两者不该混在一张表里比。日常运营里你关心的是前者，因为它随用量线性增长，用户越多花得越多。

推理成本

每次请求实际跑模型时产生的开销，按用量反复发生

训练成本

模型成型前的一次性投入，跟单次调用次数无关

按量计费

由输入量、输出量、单价三块相乘得出

按次/按订阅/按积分

只是把上面三块包了一层，拆开看还是同样的量

判断口径是否适用有个简单办法：问自己「这个产品的账单会不会随我发的内容变长而变贵」。会变，就按三块相乘来算；不会变，说明它是包价，得先折算成等效用量才能横向比较。

决定推理成本的几个量，按影响大小排一遍

同样是问一句话，为什么有人花几分有人花几毛？差距基本来自下面这几个量。按影响大小从上往下排，先盯最上面那项，通常就够了。

• 输入 token：把系统提示、历史轮次、参考资料分别估一遍再加总，别只算你手打的那句话；
• 输出 token：按你要求的长度上限估，别按期望值估，模型经常写超；
• 单价与倍率：同一模型在不同渠道、不同分组下单价不同，先到 /official-api 对齐原厂口径；
• 缓存与重试：命中缓存的输入和重复重试的请求各自算量，这两项是预估与账单打架的常客。

一次调用的成本怎么算：四步手工推演

公式本身不复杂，难在每一步取数要取对。下面四步按顺序做一遍，你就能得到一个区间，而不是一个拍脑袋的点。

1. 估输入量把系统提示、历史轮次、参考资料分别估一遍再加总，方法参考 /ai-dict/category/basics 里的 Token 与上下文条目。
2. 估输出量按你要求的长度上限估，不要按实际期望值估，模型经常写超；给输出的上限留出余量。
3. 取单价到 /official-api 或 /sites 找当下的数字，不要记旧数，价格是会动的。
4. 乘起来加总输入量×输入单价 + 输出量×输出单价，再乘预计调用次数，得到的是一个区间而非一个点。

单次调用成本 ≈ 输入 token × 输入单价 + 输出 token × 输出单价；总成本 ≈ 单次成本 × 调用次数（含重试）

想省事可以用 /tools/model-cost-calculator 代算，但公式要自己会推一遍，不然换了个计费方式就不知道怎么改参数了。估出来的应该是「大概多少到多少」，任何给你一个精确到小数点后两位的承诺都别当真。

算完别急着信：三处最容易对不上账

算出结果和真实账单对不上，先别怀疑模型贵，按下面三处逐一排查，八成能找到差在哪。

• 缓存：命中缓存的输入和首次写入的输入计价不同，先用 /tools/token-price-calculator 把口径统一；
• 倍率与分组：中转渠道的倍率会改变最终金额，看 /sites 里的分组说明，别拿官方单价直接乘；
• 失败与重试：超时、报错、被限流后重发的请求一样会出量，把这些算进预算区间。

什么时候这套算法不成立？批量跑 Agent 任务、工具调用循环这类步数不固定的场景，只能按「单轮成本 × 预估步数」给个上限，事后用真实用量回填。另外单价和倍率随时会变，每次比较都到站内页面核对当时的数字，别拿上个月记下来的数直接套。