大模型 API 价格表怎么读：六个让你算错一个数量级的陷阱

2026-08-07

价格表看起来是一个平台最简单的东西：几行模型名，几个美元数字，扫一眼就完了。但按我接过的这些家 API 的经验，它是最容易读错的一类表格——而且读错的结果不是差百分之几，是差一个数量级。

差百分之几你还能靠后面控成本补回来，差一个数量级意味着你的选型结论是反的：你以为选了便宜的那家，实际付账时才发现算反了；或者你在预算表里给某个功能留了三百块，上线第一周就烧到三千。

下面这六个陷阱，我每一个都见过有人真的踩进去。逐个拆。

陷阱一：同一张表里，计价单位可能不统一

这是最恶心的一个，因为它长得完全不像陷阱。

Replicate 官方定价页上的语言模型价目，是这样标的（来源：https://replicate.com/pricing，核对于 2026-08-07；以官方定价页为准）：

模型	输入	输出
`anthropic/claude-3.7-sonnet`	$3.00 / million input tokens	$0.015 / thousand output tokens
`deepseek-ai/deepseek-r1`	$3.75 / million input tokens	$0.01 / thousand output tokens

请把这两列的单位再看一遍：输入按「每百万 token」标价，输出按「每千 token」标价。同一行，两个单位。

如果你像读普通表格那样只看数字，会得出一个荒谬的结论：claude-3.7-sonnet 的输入是 3.00、输出是 0.015，输出比输入便宜两百倍；deepseek-r1 更夸张，3.75 比 0.01，便宜三百七十五倍。这个世界上没有任何一家推理平台的输出比输入便宜——输出是逐 token 自回归生成的，它只会更贵。数字一旦离谱到反常识，第一反应应该是「我读错了单位」，而不是「这家好便宜」。

把单位统一到每百万 token（以下换算为本文按官方标价所做的算术，不是官方原文表述）：

$0.015 / 千 token × 1000 = $15.00 / 百万 token
$0.01 / 千 token × 1000 = $10.00 / 百万 token

统一之后是这样：

模型	输入（$/1M）	输出（$/1M，本文换算）
`anthropic/claude-3.7-sonnet`	3.00	15.00
`deepseek-ai/deepseek-r1`	3.75	10.00

现在它才是一张能比的表：输出分别是输入的 5 倍和约 2.67 倍。跟「便宜两百倍」相比，误差正好是一千倍——因为千和百万之间差一千。

算个具体的账。假设某个任务单月消耗 100 万输入 token、10 万输出 token（这两个量是我为了演示假设的，不是实测数据），用 claude-3.7-sonnet 的挂牌价：

输入：1,000,000 ÷ 1,000,000 × $3.00 = $3.00
输出：100,000 ÷ 1,000,000 × $15.00 = $1.50
合计 $4.50

如果误把输出当成 $0.015 / 百万：输出算出来是 100,000 ÷ 1,000,000 × $0.015 = $0.0015，总额 $3.0015。你会以为输出成本可以忽略不计，实际上它占了整单的三分之一。同样口径下 deepseek-r1 是 $3.75 + 10 万 × $10/百万 = $3.75 + $1.00 = $4.75。

铁律：把任何一家的价格抄进你自己的对比表时，第一件事是统一单位，第二件事才是抄数字。 我的习惯是自己的表只留一个单位（每百万 token），抄的时候当场换算、当场写下换算式，绝不把「0.015」这种原样数字留在表里过夜——过两天你自己都记不清它是千还是百万。

陷阱二：输入和输出不是一个价

上面顺带带出了第二个陷阱：输入价和输出价是分开的，而且输出通常贵一截。

看看这两张表里的倍率分布。Replicate 那两个模型换算后是 5 倍和 2.67 倍。再看 DeepInfra 的官方定价页（来源：https://deepinfra.com/pricing，核对于 2026-08-07；以官方定价页为准），它的单位是统一的每 100 万 token：

模型	输入	缓存输入	输出
DeepSeek-V4-Pro	$1.30	$0.10	$2.60
DeepSeek-V4-Flash	$0.09	$0.018	$0.18
DeepSeek-V3.2	$0.26	$0.13	$0.38
DeepSeek-V3.1-Terminus	$0.27	$0.13	$0.95
DeepSeek-V3.1	$0.25	$0.13	$0.95

输出/输入的倍率：V4-Pro 是 2 倍，V4-Flash 是 2 倍，V3.2 约 1.46 倍，V3.1 是 3.8 倍。加上 Replicate 的两行，这七个条目的倍率从约 1.46 倍散到 5 倍。所以「输出大概贵一倍上下」只能当粗略直觉，具体倍率必须逐个模型看，它甚至在同一家的同一代模型之间都不一样。

这件事有两个直接的工程后果。

一是让模型少废话就是直接省钱。同样的问题，回答控制在 200 token 还是 800 token，成本差的是那一列单价最高的部分。加一句「直接给结论，不要复述问题」、把输出限制成结构化 JSON、给 max_tokens 一个真实合理的上限，这些改动的成本收益比比换模型高得多，而且不牺牲质量。

二是按「总 token 数」估成本一定会低估。我见过的最典型错法是拿总 token 乘输入单价。用 DeepSeek-V3.1 的挂牌价算一笔（假设量级同样是演示用）：某个偏生成的任务月耗 20 万输入、50 万输出。

正确算法：0.2 × $0.25 + 0.5 × $0.95 = $0.05 + $0.475 = $0.525
拿 70 万总 token 乘输入价：0.7 × $0.25 = $0.175

低估到只有实际的三分之一。输出占比越高，这个偏差越大。输入输出为什么分开定价、这个结构怎么反过来指导用法，我在输入价与输出价为什么不同里拆得更细。

陷阱三：是两档还是三档

第三个陷阱藏在列数里。上面那张 DeepInfra 的表有三列：输入、缓存输入、输出。很多人扫表时会自动把它读成熟悉的两列结构，中间那列直接跳过。

跳过的代价有多大？看 DeepSeek-V4-Pro：普通输入 $1.30，缓存输入 $0.10，差 13 倍。这已经接近一个数量级了。V4-Flash 是 $0.09 对 $0.018，差 5 倍。V3.2 和 V3.1 系列是 $0.26/$0.25/$0.27 对 $0.13，差不多减半。

算一笔命中缓存的账。假设一个客服类应用，每次请求 10,000 输入 token，其中 8,000 是固定不变的系统提示与知识片段、能命中缓存，2,000 是本次的用户内容；输出 500 token。用 V4-Pro 的挂牌价（命中比例是我为演示设定的假设，你的真实命中率只能自己压出来）：

缓存输入：8,000 ÷ 1,000,000 × $0.10 = $0.0008
普通输入：2,000 ÷ 1,000,000 × $1.30 = $0.0026
输出：500 ÷ 1,000,000 × $2.60 = $0.0013
单次合计 $0.0047

同样的请求如果一次缓存都没命中：

输入：10,000 ÷ 1,000,000 × $1.30 = $0.0130
输出：$0.0013
单次合计 $0.0143

$0.0143 ÷ $0.0047 ≈ 3.04 倍。也就是说，同一个应用、同一个模型、同一份提示词，仅仅因为你有没有把可缓存的部分固定在前缀位置，账单就能差三倍。

所以只拿「输入价」那一列去横向比价，会系统性地冤枉那些缓存档做得便宜的平台。反过来也成立：如果你的场景是每次请求内容都不一样、天然没有可复用前缀，那缓存档再便宜也跟你无关，这时候盯着别人的缓存价选平台同样是错的。缓存计费的触发条件、前缀怎么排、哪些改动会让缓存整段失效，可以看提示词缓存怎么计费。

补一句诚实边界：这两张表以外的平台有没有缓存档、缓存怎么计费、有没有写入费用，我这里没有核实过的数据，一律以各家官方定价页为准。没有核实的数字，宁可空着也不要填进对比表——对比表里一个编造的数字，会污染整张表的结论。

陷阱四：同名模型，不同平台不是一个价

「DeepSeek 多少钱一百万 token？」——这个问题本身就是不成立的。

开源权重的模型会同时挂在很多家推理平台上，每家自己定价。就拿手上这两张表：Replicate 挂的是 deepseek-ai/deepseek-r1，DeepInfra 挂的是 DeepSeek-V3.1 / V3.2 / V4 这几个条目。两家连表的结构都不一样——Replicate 是两档且单位混用，DeepInfra 是三档且统一每百万。结构都不同，价格自然更不会自动相同。

这就意味着：

报价必须带平台名。 「deepseek-r1 是 $3.75 / 百万输入」这句话只有加上「在 Replicate 上」才成立，脱离平台就是错的。我在文档和预算表里强制自己写成「平台 + 模型 ID + 单位 + 核对日期」四件套，少一样都不算数。
模型 ID 的写法也是平台特有的。 同一个开源模型，有的平台是扁平名，有的是「组织/模型名」两段式，有的是三段式路径。你从别人的文章里抄一个模型 ID 换个平台去调，报错还不一定报在你以为的地方。
换平台不等于换 base_url。 有的平台根本不是 OpenAI 兼容形态——比如 Replicate 走的是它自己的 predictions API（https://api.replicate.com/v1/predictions，请求体是 version + input 结构，默认异步、靠轮询或 webhook 拿结果）。这类平台的迁移成本是「改调用范式」，不是「改三处配置」。比价之前先回答这个问题，否则你比出来的便宜可能根本吃不到。

陷阱五：版本快照和滚动别名，别看串行

模型条目的名字经常长得极像。DeepInfra 那张表里就有一对现成的：

DeepSeek-V3.1：输入 $0.25，缓存 $0.13，输出 $0.95
DeepSeek-V3.1-Terminus：输入 $0.27，缓存 $0.13，输出 $0.95

输出和缓存价一模一样，输入价差 $0.02。差得小，所以看串行了也不容易被发现——但你的报表从此就带着一个说不清来源的偏差。

同一张表里还有更凶的：DeepSeek-V4-Pro 输入 $1.30，DeepSeek-V4-Flash 输入 $0.09。都是「V4」，输入价差约 14.4 倍。你在需求文档里写「用 V4」，采购按 Flash 报预算，工程按 Pro 上线，差的就不是零头了。

另一类容易看串的是带日期后缀的版本快照。有些平台的模型 ID 直接把日期写进名字里（比如 Nebius Token Factory 文档里的示例模型 ID 就是 deepseek-ai/DeepSeek-R1-0528 这种「两段式 + 日期后缀」的写法）。带日期的快照条目和不带日期的滚动别名，可能同价，也可能不同价，这没有通例——只能在你要用的那家的定价页上，把你实际要传的那个字符串，一个字符一个字符地对到价格行上。

我的做法很笨但有效：预算表里存的不是「V3.1」这种人话，而是代码里真正会传出去的那个模型 ID 字符串，跟代码里的常量保持一致。这样对账的时候，表和代码能直接对上，不给「看串行」留缝。

陷阱六：主价目之外，还有折扣档和附加结构

最后一个陷阱是：你看到的那张表，可能不是全部的价目。

平台常见的做法是在主价目之外，再挂一些独立的价目结构：批处理/离线档（用延迟换单价）、不同地域或不同数据驻留要求的独立价格、不同优先级或不同 SLA 的档位、专属部署与按 GPU 时长计费的另一套口径。比如 Replicate 的定价页上，除了上面那张按 token 计费的语言模型表，还同时存在按 GPU 秒计费的另一套价目——同一家平台，两种完全不同的计价口径，取决于你跑的是什么。

这里我只讲「存在这类结构」，不给任何具体的折扣比例——各家的档位设置、折扣力度、生效条件都不一样，而且会变，我没有核实过的数字不会写进来。你要做的是：在决定用哪一档之前，把目标平台定价页从头到尾读完（包括页脚的小字和「查看全部」之类的折叠区），确认自己看到的是不是全部；再确认你实际的调用方式落在哪一档上。默认档和折扣档之间的差别，经常比不同平台之间的差别还大。

顺带说一句实操：如果你还没有核实到某家的完整价目结构，别急着把它写进选型表。先用一批真实请求跑出你自己的单位成本（每次会话多少钱、每个工单多少钱），这个数字比任何挂牌价都可信，因为它已经把你真实的输入输出比例、缓存命中率、重试率全都算进去了。

正确的比价流程

把上面六条反过来，就是一套可执行的流程：

先定模型，再谈价格。 确定你实际要用的那个模型 ID（连日期后缀一起），而不是模糊的模型代号。模型没定，比价是空的。
一家一家去官网查当次价。 不要用文章里（包括本文）的数字当依据，价格会变。本文引用的两组数字都有核对日期，过了这个日期就只是参考。
统一单位。 全部换算成每百万 token，换算式当场写下来。
对齐档位。 输入、缓存输入、输出分列填；对方没有缓存档就明确留空，不要用输入价顶上去。
按你的真实比例加权。 用自己业务的输入/输出/缓存命中比例算加权单价，而不是把三个价简单相加或取平均。别人的比例不是你的比例。
确认计价范式。 是按 token 还是按 GPU 时长，是同步还是异步，落在哪个折扣档上。
加上时间戳存档。 每一行都记「平台 + 模型 ID + 单位 + 核对日期」，下次复查时才知道哪些该重查。

第 3 到第 5 步是纯机械劳动，也正是最容易手滑的地方，交给工具做更稳：价格对比工具可以把不同单位的标价拉到同一口径下，再按你给的输入/输出比例算加权成本，省掉手工换算这一环。想先看看「便宜」这个词在不同场景下到底指什么，可以配合怎么找到最便宜的大模型 API一起看。

自查清单

抄价格表之前，逐条过一遍：

每一列的单位是什么？是每千还是每百万？同一张表里的不同列，单位可能不一样。
换算完了吗？换算式写下来了吗？自己表里只留一个单位了吗？
输入价和输出价分开了吗？输出/输入倍率是多少？有没有拿总 token 乘输入价？
这张表是两档还是三档？有没有缓存输入这一列？漏了这列会不会冤枉某一家？
模型 ID 抄全了吗？带日期后缀的和不带的，是不是同一行？V4-Pro 和 V4-Flash 这种同族不同价的，有没有看串？
每一行都标了平台名和核对日期吗？
定价页有没有从头读到尾？有没有批处理、地域、优先级之类的独立档位没看到？
有没有用自己的真实调用跑出过单位成本，用来验证挂牌价推算的结果？

本文引用的所有价格均来自 Replicate 与 DeepInfra 官方定价页，核对于 2026-08-07，换算部分已注明为本文所做的算术演示；两家的现价与完整档位以其官方定价页为准。

要把手里几张单位不一的价目表拉到同一口径下对比，直接用价格对比工具。