openai api 是怎么收费的

第一次接 OpenAI API 的人常卡在同一件事上：充值进去的钱是怎么被扣掉的？为什么同一段提示词，改了几个字账单就不一样？这篇不讲官方涨跌，只把计费结构拆开：哪些部分计入 token、输入和输出为什么分开算、缓存和批处理这类口径会把账改成什么样。看完你能自己搭一张估算表，也知道该去站内哪一页核对当时的单价。

第一次接 OpenAI API 的人常卡在同一件事上：充值进去的钱是怎么被扣掉的？为什么同一段提示词，改了几个字账单就不一样？这篇不讲官方涨跌，只把计费结构拆开：哪些部分计入 token、输入和输出为什么分开算、缓存和批处理这类口径会把账改成什么样。

看完你能自己搭一张估算表，也知道该去站内哪一页核对当时的单价。先记住一句：这套是「按量」逻辑，不按请求次数收。所以判断贵不贵，永远要连着用量一起看。

钱到底花在哪几块

最核心的一条：输入和输出分开计价，各自有各自的单价，不是按你调了几次接口收。同样一段提示词，输出写得长，账就明显上去；反过来，输入里塞了大段上下文，也一样贵。

输入 token

你发过去的内容，包括对话历史、系统提示、工具描述、检索回来的文档

输出 token

模型生成回来的内容，通常单价和输入不是同一个数

非文本模态

出图、语音转写、嵌入这些各有各的计量单位，不能拿文本单价直接比

附加费用项

部分接口有单独的调用费、存储费，工具调用产生的额外 token 也计入

什么情况下不适用：如果你用的是订阅制或套餐额度的产品，那不按这套按量口径算，别拿 API 的尺子去量它。两条产品线分开看，预算也别混在一张表里。

Token 是怎么数出来的

Token 不等于字数。中英文、代码、标点的切分规则都不同，同样「看起来一样长」的两段文字，token 数可能差一截。所以别用字数估，用实际返回的用量字段对。

• 多轮对话每轮都要重发上下文，是累加的，不是只算你新打的那句
• 系统提示词和工具描述都算输入，很多人只算了用户问题，所以估出来总偏低
• 同一段提示词改几个字，如果动的是切分边界，token 数会有可见变化
• 自查动作：拿一个小样本任务重复跑几次，把返回里的用量字段抄下来，和你自己的估算对一遍

对不上的时候，先怀疑漏算了上下文，而不是怀疑计费出错。绝大多数「怎么这么贵」的疑问，最后都落在没把历史对话和系统提示算进输入。

自己算一遍：从用量到钱

1. 固定一个任务，重复跑几次记录每次的输入 token、输出 token、调用次数。跑多次是为了看波动，不是看单次。
2. 取当期单价到 OpenAI 官方价目与图片视频模型对照（/official-api/providers/openai） 看当时的数字，输入价和输出价分别取，别用一个混合均价。
3. 把量代进去用日均调用量乘以单次的输入输出用量，得出区间。只算单次没有意义，预算看的是规模。
4. 交叉核对用 模型成本计算器（/tools/model-cost-calculator） 代入用量，再拿 Token 单价换算（/tools/token-price-calculator） 核一下单位有没有搞错。

同样用量，账单为什么不一样

用量一样、账单不同，通常是这几个因素在动。先把它们和「单价涨跌」区分开，再决定要不要换方案。

• 缓存：命中缓存的输入部分通常更便宜，但命中条件不满足就按原价，别把它当默认值写进预算
• 批处理：能等结果的活走批处理通道，口径和实时不一样，不过要把等待的时间成本也考虑进去
• 模型档位：同一个任务换小模型还是大模型，差的是单价而不是用量，先定任务再定模型，别反过来
• 口径对齐：比价前先确认对方报的是输入价、输出价还是混合均价，这一条搞错全盘皆错

什么情况下这些优化没用：任务本身对延迟敏感、或者输出长度不可控的时候，缓存和批处理能压的空间很有限，这时候更现实的做法是缩小上下文、或者把任务拆细。

别背数字，去这几页看当期

价格是会动的，所以这篇不写具体数字。你要做预算的时候，去站内这几页拿当期口径，比记任何截图都靠谱。

注意最后一行：订阅制和 API 按量是两套账，别混着算。做 API 预算就看 API 那几页，用订阅产品就别拿 token 单价去套。