LLM API 价格：牌价没写的 6 项成本

摘要：模型页上那个「每百万 token 多少钱」是计算的起点，不是答案。它和你的账单之间隔着六个机制，每一个的影响都可能超过换一家厂商。这一页把六个都点名，链到每一个背后的实测，并索引我们持续维护的各家现价页。

Last updated 2026-08-31。下面引用的倍数是当天从各家自己的缓存与定价文档里读的。

牌价没写的六项成本是什么？

1. 为什么缓存有时反而让账单更贵？

在当前的旗舰模型上，缓存的两头都被重新定价了，而其中只有一头是折扣。Anthropic 把倍数直接写了出来：

5-minute cache write tokens are 1.25 times the base input tokens price · 1-hour cache write tokens are 2 times the base input tokens price · Cache read tokens are 0.1 times the base input tokens price

OpenAI 在 GPT-5.6 及以后落到了同样的形状，「cache writes cost 1.25× the standard, uncached input-token rate」，读取是该费率的 0.1 倍；更早的 OpenAI 模型完全不收缓存写入费。所以缓存是一场对命中率的赌：写一次读一次，你付的是普通 input 成本的 1.35 倍而不是 2 倍；写进去从不读回来，你就是单纯多付了 25%。

两家的实现差异大到会影响你的架构：Anthropic 与 OpenAI 的提示词缓存 有成本算法和三个缓存未命中的修法。命中率高时真实账单长什么样，LLM API 缓存命中算法 算的是定价页暗示 $50、账单却写 $4 的那个案例。还有一个会击穿直觉的细节：DeepSeek 匹配的是完整的前缀单元而不是逐字节前缀，所以在错误的位置改一个字符就可能把整次命中丢掉。

2. 为什么同样的负载下午三点比凌晨三点贵？

DeepSeek 在 2026-08-16 的 UTC 16:00 把整个 V4 系列改成了峰谷计费。同一份负载在一天里的两个时间跑，出来是两个账单，而任何在那个日期之前建的成本模型，错的是一个倍数而不是一个百分点。

DeepSeek API 涨价 里有窗口和每档的倍率。涨价后少付钱的六种方法 是应对那一面。

3. 为什么多一个 token 会让整个请求翻倍？

这是最让人意外的一条。Grok 4.6 在提示词到 200K token 之前是每百万输入 $2、输出 $6。过了这条线，请求里的每一个 token 都按双倍计费，不只是超出阈值的那部分。201K token 的提示词不是比 199K 的略贵，是贵一倍。

200K 悬崖，以及什么时候 4.5 更划算 里有算法和临界点。

4. 为什么你的成本估算器会低估推理模型？

如果你的估算器算的是 prompt_tokens × input + completion_tokens × output，先确认这个模型的推理 token 在不在 completion_tokens 里。在 Grok 4.6 上不在。在一份实测的编程负载上，这个公式把计费的输出低估了 77%，把整次调用低估了约 71%。

Opus 5 对比 Grok 4.6 成本 就是这个问题浮出来的那次正面对比：账单是 3.6 倍，产出的代码是 1.75 倍，而账只有在把推理 token 正确计入之后才对得平。

5. 聚合器是按 token 收还是按钱收？

OpenRouter 不在厂商费率之上加每 token 的加价。它收的是信用卡充值的 5.5% 平台费，用加密货币降到 5%，另外还有一笔固定的单笔手续费，让小额充值按比例更亏。这是和「加价」形状完全不同的一种成本，也意味着解法是一次充多点，而不是换模型。

OpenRouter 收的每一笔费用逐项拆解 里有完整明细。

6. 订阅什么时候比按量 key 更差？

一份固定月费把可变成本变成了固定成本，这本身有价值。它同时也把「花钱问题」变成了「可用性问题」：窗口耗尽时，你是停工，而不是多付钱。

Grok Build 每月 30 美元对上 API 每百万约 1 美元 是完整的对比推演。Codex 周上限与一把能封顶花费的按量 API 是同一笔交易从另一面看：带硬上限的按量 key 同时给你可预测性和继续干活的能力。

每个模型的现价在哪一页？

价格按月在动，所以这个索引指向的是我们为每个模型维护的那一页，而不是复述会过期的数字。

如果你要的是一张跨厂商的总表而不是一家一页，AI API 价格对比 把二十三个模型并排放在一起，带缓存和批处理的算法。引用里面任何数字之前先看它的日期行：正文声明的核对时间是 2026 年 5 月下旬，之后有几家的价格已经动了，DeepSeek 动得最多。

视频定价的机制差异大到需要自己的一张地图。Seedance API 指南 里是按秒、按分辨率的那套结构。

不换模型怎么少付钱？

四条路，大致按每投入一小时的回报排序。

1. 按任务分流。 Claude Code 里的混合路由 把便宜的那 90% 轮次发给便宜模型，成本降约 80%。把 AI API 成本降 60% 是通用版。
2. 用真的能用的免费额度。 编程场景免费 LLM API 额度排名 把有真实上限的和第一次跑 agent 循环就死掉的分开了。分模型看：DeepSeek V4 Flash、GLM 5.2、Kimi K2.7 Code。
3. 把现成的折扣拿掉。 低于牌价的 LLM API 列了 13 个当前低于牌价的模型。
4. 把下限封住。 一个硬性花费上限，会把失控的循环从一张账单变成一个报错，而报错更便宜。如果你在处理这些报错，LLM API 报错码 讲了哪些计费失败以 402 的形式到达、哪些以 429 到达。

参考信息来源

• OpenAI API 定价
• Claude 定价
• Gemini API 定价
• DeepSeek API 定价
• xAI 模型与定价
• OpenRouter 模型列表