隔一阵就有人问 OpenAI 到底烧了多少钱，网上一堆互相打架的数字，有的算融资、有的算训练、有的算推理亏损，口径不同结论差好几倍。这篇不给你一个背书式的大数字，而是把「累计花费」拆成几笔能分开看的账，告诉你去站内哪几页看当期数字、看别人的估算时该追问哪几件事，以及什么情况下这些估算根本不适用。
隔一阵就有人问 OpenAI 到底烧了多少钱，网上一堆互相打架的数字，有的算融资、有的算训练、有的算推理亏损，口径不同结论差好几倍。这篇不给你一个背书式的大数字，而是把「累计花费」拆成几笔能分开看的账。
同时告诉你去站内哪几页看当期数字、看别人的估算时该追问哪几件事，以及什么情况下这些估算根本不适用。看数字之前先看口径，这个顺序比记住任何一个总数都重要。
先把「烧钱」拆成几笔不同的账
一笔账能不能横向比较，取决于它把哪些东西算进去了。把训练、推理、人力、对外投资四块混在一起算，得出的数既不能和别的公司比，也不能和同一家公司的另一年比，基本只能当个谈资。
| 支出类型 | 性质 | 看的时候要问 |
|---|---|---|
| 算力与训练 | 阶段性大额，按代际集中发生 | 是哪一代产品、算到哪一年为止 |
| 推理服务 | 随用量增长的经常性支出 | 含不含缓存命中、重试和空闲冗余 |
| 人力与运营 | 长期稳定支出 | 含不含股权激励、办公室与合规 |
| 对外投资与生态 | 对外承诺或长期合约 | 是当期现金还是未执行合同 |
- 训练是阶段性大额支出，推理是随用户量线性增长的经常性支出，两者性质不同，不能相加后当成「一年亏损」
- 同一篇估算里如果只给总支出不给分项，先按上面四块自己标一遍，看哪一块是缺的
- 什么情况下不适用：只关心自己调 API 花多少钱的读者，这篇帮不上，直接去看官方价目表那一页
数字去哪看，别抄二手结论
行业投入类数字变化快，二手转述经常丢掉时点和口径。要去站内把这些数字回到它原本的页面上核对，尤其是价格、模型节奏和算力这几个维度，分开看比混着看可靠。
- 官方价目与模型对照
- 到 /official-api/providers/openai 核对，适合对齐单位成本这一层
- 价格随时间调整
- 到 /price-watch 看历次调整，判断某笔投入对应的成本变化
- 行业时间线
- 到 /news/daily 看当期进度，配合 /papers 判断某笔大投入对应哪一代产品
- 算力侧反推
- 到 /compute/training-cost 和 /compute/price-index 核对参数与假设
算力那一侧的钱，用站内的算力与训练成本页反推，比直接信爆料数字靠谱，前提是你知道用的什么卡、跑多久、利用率按多少算。这三个变量不写清，反推出来的也只是数量级。
- 任何一个「累计烧了 X」的说法，至少要有来源、时间点、口径三样
- 缺一样就当参考值，不当下结论，也不写进正式材料
- 同一件事有两个数字冲突时，优先信那个写清了假设的，而不是那个看起来更精确的
看到别人给的估算，按这五步追问
追问不是为了自己重算一遍，而是为了判断这个数能不能用、能用来说明什么。五步问完，通常三分钟内就能知道这个估算值不值得引用。
- 一问口径含不含人力、含不含股权激励、含不含对外投资。这三项一进一出，量级就变了
- 二问区间是单点估值还是上下界。只给单点数又声称精确到小数的，基本可以直接降低信任度
- 三问假设算力单价用的哪一档、卡型是哪一代、利用率按多少。这三项一动结果能差出数倍
- 四问时点算到哪个季度为止，中间有没有新的融资或大额采购进来，时点不写清就没法和其他年份比
- 五问反证同一篇里有没有给出营收或用量的对标。只有支出没有收入侧的估算通常偏保守或偏激进
行业视角和你自己的账，别混着看
这一节是全文最容易被忽略的地方。行业视角关心的是「这家公司还能烧多久」，变量是融资节奏、算力承诺、收入增速；开发者视角关心的是「同样的任务换谁更便宜」，变量是单价、缓存命中、重试、上下文长度。两条线几乎不重叠。
| 视角 | 核心变量 | 去哪儿看 |
|---|---|---|
| 行业视角 | 融资节奏、算力承诺、收入增速 | /news/daily 配合 /papers |
| 开发者视角 | 单价、缓存命中、重试、上下文长度 | /tools/model-cost-calculator 按自己的用量算 |
| 团队预算 | 近三个月的实际用量记录 | /price-watch 看价格变动叠加自己的账单 |
- 团队做年度预算时，把行业新闻当背景、把自己三个月的用量记录当依据，两者不能互相替代
- 想估算自己的开销，用站内工具按真实调用量跑一遍，比套用任何行业平均值都准
- 什么情况下这个区分不重要：你只是想在文章里引用一个数，那就直接写清来源和时点，别包装成自己的结论
常见问题
网上说的数字为什么差这么多？
多数是口径不同：有的只算训练算力，有的把多年期算力承诺一起折现，有的把人力与投资也算进去；再加上算力单价假设不同，差出几倍很正常。看到数字先确认它含哪几块、算到哪个时间点，再去站内核对单位成本和价格变动，比纠结绝对数值有用。
我能自己估一遍吗？
能，但要接受误差。可行的路径是：确定卡型和数量、按站内算力价格折算租金、乘上训练或推理时长，再补上人力与运维。这套算法对「量级判断」够用，对「精确到具体金额」不够用，因为真实利用率、采购折扣和电力成本外人拿不到。
这和我的 API 账单有什么关系？
关系很间接。公司层面的投入规模不决定你的单价，你的账单由模型单价、输入输出量、缓存命中率、重试次数决定。想省钱就去看 /official-api/providers/openai 的当期单价，再用 /tools/token-price-calculator 换算成你自己的用量。
