同样是 1.3 倍加价，为什么 Claude 比 DeepSeek 贵这么多：逐 token 账算给你看

为什么需要自己算钱

LLM API 的计费通常按输入 token 和输出 token 分别计价，而不同模型、不同供应商的单价差异很大。即使你使用聚合站，最终成本也是基于官方单价乘以一个固定系数（本站为 1.3）。如果不自己算，很容易在长对话或批量任务中产生意外开销。

本文教你一个简单方法：拿到任意模型的官方价格后，乘以 1.3，就能得到你在本站的实际花费。

核心公式

假设某个模型的官方定价为：

• 输入：P_in 美元 / 百万 token
• 输出：P_out 美元 / 百万 token

那么通过本站调用时，你的实际单价是：

• 输入：P_in × 1.3 美元 / 百万 token
• 输出：P_out × 1.3 美元 / 百万 token

对于一次具体的请求，如果输入 token 数为 Tin，输出 token 数为 Tout，则总花费为：

总花费 = (P_in × T_in + P_out × T_out) / 1,000,000 × 1.3

注意：这里假设官方定价以美元/百万 token 为单位。如果官方定价是按千 token 计价，请先换算成百万 token。

如何获取官方单价

官方单价通常可以在各模型提供商的定价页面找到。常见的有：

• Anthropic（Claude 系列）
• OpenAI（GPT 系列）
• DeepSeek
• 阿里云（Qwen 系列）
• 智谱 AI（GLM 系列）
• 月之暗面（Kimi 系列）

你只需要记录下输入和输出两个单价即可。注意有些模型可能区分缓存命中、批量推理等不同价格，请以你实际使用场景对应的价格为准。

逐步计算示例

假设你想用某个模型处理一段文本，官方定价为：

• 输入：$3 / 百万 token
• 输出：$15 / 百万 token

你预计输入 5000 token，输出 1000 token。

1. 先算官方费用：

• 输入费用 = 5000 / 1,000,000 × 3 = $0.015
• 输出费用 = 1000 / 1,000,000 × 15 = $0.015
• 官方总费用 = $0.03

1. 乘以 1.3：

• 实际费用 = $0.03 × 1.3 = $0.039

这样你就知道这次调用大约花费 0.039 美元。

不同模型成本对比

不同模型的官方单价可能相差几十倍。例如，某些轻量级模型的输出单价可能只有旗舰模型的十分之一甚至更低。乘以 1.3 后，这个比例关系不变。因此，对于简单任务，选用轻量模型可以显著降低成本。

你可以用同样的公式，把几个候选模型的单价代入，估算同一个提示词的花费，然后选择性价比最高的那个。

贡献 Key 的返还逻辑

如果你向本站贡献自己的 API Key，当他人使用你的 Key 调用模型时，你会获得基于官方单价的返还：

• 普通 Key：官方价 × 1.1
• 优质 Key：官方价 × 1.2

返还以 USDC 形式发放。这意味着贡献 Key 可以抵消部分自己使用的成本，但返还比例低于使用时的加价系数（1.3），所以净支出仍然存在。

常见问题

为什么是 1.3 倍？

这是本站的固定服务费系数，用于覆盖支付通道、运维等成本。所有模型统一适用。

输出 token 为什么通常更贵？

因为生成 token 需要更多的计算资源，且输出长度往往影响响应时间。大多数提供商对输出定价更高。

如何准确知道 token 数？

可以使用各模型对应的 tokenizer 工具，或参考提供商文档中的估算方法。实际计费以 API 返回的 usage 字段为准。

如果官方价格调整了怎么办？

本站的计费基于官方价格动态调整，你只需用最新的官方单价乘以 1.3 即可。

总结

在发请求前花一分钟计算成本，可以避免账单 surprises。记住公式：实际费用 = 官方费用 × 1.3。把输入和输出分开算，再根据任务选择合适的模型，就能在效果和成本之间找到平衡。