2026 AI 可观测性与评测平台要多少钱？trace、span、unit、GB 四种计量，同一 100 万次请求差 16 倍

直接答案：同一份“每月 100 万次 LLM 请求、每条 6 个 observation、10% 抽样评测”的生产负载，按 2026-11-02 官方公开价，LangSmith Plus 约 5,340 美元/月（10 个席位 + 99 万条 base trace），Langfuse Cloud Core 约 528 美元/月（710 万 units），Braintrust Pro 约 333 美元/月（8 GB processed data + 10 万个 score），Arize AX 超过 5 万 span 后只提供 Enterprise 定制价。最高与最低相差约 16 倍，原因不是谁“更便宜”，而是四家数的是四种东西：LangSmith 数 trace，Langfuse 把 trace、observation、score 相加，Braintrust 数摄入字节，Arize 数 span。先把自己的请求拆成这四种口径，再谈单价。

本文面向正在选 LLM 可观测性/评测平台的技术负责人、平台工程与采购。资料截止 2026-11-02；价格取自 LangChain、Langfuse、Braintrust、Arize 官方定价页与文档，按美元、未含税、不做汇率换算。文中的 100 万次请求算例是编辑测算，不是报价；trace 长度、observation 数量、评分比例和留存要求必须换成企业自己的数据。

trace、span、observation、unit 到底差在哪？

trace 是一次完整请求；observation 是 trace 里的每一步（模型调用、工具、检索）；score 是一次评测结果；span 是 Arize 对 trace 内步骤的计数；Langfuse 的 unit 则是 trace + observation + score 的总和。同一条 trace，在 LangSmith 只算 1 条，在 Langfuse 可能算 7.1 个 unit，在 Arize 可能算 6 个 span，在 Braintrust 按字节算。

“可观测性平台”听起来都在卖同一件事：把 Agent 的每一步记下来，能查、能评、能报警。但计费对象完全不同，所以首页上的“每月 29 美元起”不能直接横向比较。先把四个词对齐：

来源：Langfuse Billable Units 文档（Units = Count of Traces + Count of Observations + Count of Scores）、LangChain Pricing FAQ（trace 可包含多个步骤）、Braintrust Plans and limits（processed data 含 traces and spans，按摄入计量）、Arize Pricing（Trace spans 与 ingestion volume 分列）。访问 2026-11-02。

这就是为什么“每 1,000 次请求多少钱”在不同平台能差一个数量级：LangSmith 卖“按请求包干”，Langfuse 卖“按数据点”，Braintrust 卖“按字节”，Arize 卖“按步骤”。如果只看起售价，会得出完全错误的结论。

2026 年四家的官方价目是什么？

LangSmith Developer 免费含 5,000 base traces/月，Plus 39 美元/席位含 10,000 条，超出 0.005 美元/条；Langfuse Hobby 免费 5 万 units，Core 29 美元含 10 万、超出 8 美元/10 万，Pro 199 美元、Enterprise 2,499 美元；Braintrust Starter 免费含 1 GB + 1 万 score，Pro 249 美元含 5 GB + 5 万 score；Arize AX Free 免费 2.5 万 span，Pro 50 美元 5 万 span，超出需 Enterprise 报价。

来源：LangChain Pricing、Langfuse Pricing、Braintrust Pricing 与 Plans and limits、Arize Pricing（均访问 2026-11-02）。美元、未含税；LangSmith 的 LSU 按 1 LSU = 1 美元；Braintrust 的 GB 按摄入量计量（本文按 1 GB = 1,000 MB 估算）；Arize 超出价未公开，表中写“未公开”而不是猜一个数。Langfuse 的阶梯价为 100k–1M 每 10 万 8 美元、1M–10M 7 美元、10M–50M 6.50 美元、50M+ 6 美元。

100 万次请求一个月要多少钱？

按“100 万条 trace、每条 6 个 observation、10% 评分、平均 8 KB、10 个席位、30 天留存”：LangSmith 约 5,340 美元，Langfuse Core 约 528 美元，Braintrust Pro 约 333 美元，Arize 需 Enterprise 报价。

先把假设写清楚，否则任何对比都不可复核：

• 1,000,000 条 trace/月，每条 6 个 observation（1 个入口 + 5 次模型/工具调用）。
• 10% 的 trace 各打 1 个 score，共 100,000 个 score。
• 每条 trace 平均 8 KB（含输入、输出与元数据），即 8 GB/月。
• 10 个工程席位；30 天留存；不含税，不含判官模型 token。

编辑测算，不是报价。LangSmith 按 10 个席位计；Langfuse units = 100 万 trace + 600 万 observation + 10 万 score = 710 万；Braintrust 8 GB 中 5 GB 含在 Pro、3 GB 按 3 美元；score 5 万含在 Pro、5 万按 1.50 美元/1,000。

把公式拆开看：LangSmith 的 5,340 美元里，4,950 是 trace 用量、390 是席位；Langfuse 的 528 美元里，29 是平台费、499 是超出 units；Braintrust 的 333 美元里，249 是平台费、9 是 3 GB 数据、75 是 5 万个超出 score。三家的“平台费占比”分别约 7%、5%、75%——这决定了谁在低用量时更贵、谁在高用量时更省。

这里还没有算评测模型本身。若 10 万个 score 由 LLM-as-judge 生成，判官模型的 token 费在四家都要另付给模型供应商；平台侧的 score 计费另算，见下一节。

为什么 LangSmith 比 Langfuse 贵近 10 倍？

因为计费对象不同：LangSmith 按 trace 收 0.005 美元，一条 trace 里 6 个步骤也不另收；Langfuse 把 trace、6 个 observation、score 全部当 unit，但每个 unit 的低价约 0.00007–0.00008 美元。单价看起来差 60 倍以上，计量基数又差 7 倍，最终差约 10 倍。

换算成“每条 trace 的实际成本”：LangSmith 约 0.00534 美元，Langfuse 约 0.000528 美元，Braintrust 约 0.000333 美元。这不是说 LangSmith 定价不合理——它把“一条 trace 无论多复杂都按条算”做成可预测的包干价，适合 trace 很重、步骤很多、又不想按 span 计费的团队；反过来，trace 很轻、步骤很少时，按条计费就显得贵。

选型时真正要问的是：我的 trace 平均有多少个步骤、多少 KB、要留多久，而不是“哪家每千次更便宜”。同样 100 万次请求，如果每条 trace 有 20 个步骤，Langfuse 的 unit 会涨到 2,100 万，而 LangSmith 仍然是 100 万条。

trace 变重或变轻，排名会翻转吗？

会。轻 trace（2 个 observation、2 KB）时 Langfuse 约 248 美元、Braintrust 约 324 美元；重 trace（20 个 observation、200 KB）时 Langfuse 约 1,453 美元、Braintrust 约 909 美元。LangSmith 始终约 5,340 美元，因为按条不按量。

单位：美元/月。轻负载 Langfuse units = 100 万 + 200 万 + 10 万 = 310 万；重负载 units = 100 万 + 2,000 万 + 10 万 = 2,110 万，进入 10M–50M 档。Braintrust 轻负载 2 GB 在 5 GB 额度内，重负载 200 GB 中 195 GB 按 3 美元/GB。

重 trace 下 Braintrust 反超 Langfuse，是因为它按字节而不是按数据点；Langfuse 则随 observation 数量线性增长。反过来，如果 trace 很轻但数量极大，Langfuse 的 unit 单价更低。要让 Braintrust 的 GB 费超过 LangSmith 的按条费，在本算例（10% 评分、10 个席位）下，单条 trace 平均要超过约 1.6 MB；正常 Agent trace 很少到这个量级。

这也解释了为什么“按 span 计费”的 Arize 无法用公开价估算：Free/Pro 只覆盖 2.5 万/5 万 span，超过后必须谈 Enterprise。对 600 万 span 的负载，公开页给不出数字，任何“每 span 多少钱”的说法都只能是猜测。

留存、评测、席位：三个最常漏算的加价项

LangSmith 的 base trace 只留 14 天，延到 180 天每条加 0.0025 美元；Langfuse 把 30 天/90 天/3 年写进套餐；Braintrust 30 天后每 GB 每月加 0.50 美元；Arize 15/30 天，更长要 Enterprise。评测方面，LangSmith 的 Tuned Evaluator 每次成功运行 0.015 LSU，Langfuse 每个 score 算 1 unit，Braintrust 每个 score 计费，Arize 套餐内不限量。

“10 万次评测增量”按本算例规模估算：LangSmith 100,000 × 0.015 = 1,500 美元，另因评分 trace 自动升级为 extended 增加 100,000 × 0.0025 = 250 美元；Langfuse 在 710 万 units 规模下，多 10 万 units 落在 1M–10M 档，约 7 美元；Braintrust Pro 已含 5 万 score，超出 5 万 × 1.50/1,000 = 75 美元。判官模型 token 均未计入。LangSmith 的 Tuned Evaluator 目前在美区 Cloud 公测，可用范围以合同为准。

采购时要把“留存”写成明确天数，而不是“按需保留”。LangSmith 的 base trace 14 天是硬限制，超过要逐条升级；Braintrust 的 processed data 在摄入时就计量，删数据不会退回已计费量；Langfuse 的“data access”是能看多久，和“data retention（永久删除）”是两件事，Pro 以上才能设自动删除。

席位也要单独看：LangSmith Plus 按 39 美元/席位、10 个席位就是 390 美元；Langfuse Core 及以上不限用户，但 SSO/RBAC 要 Pro + Teams（+300 美元/月）；Braintrust 的 SAML SSO 只在 Enterprise；Arize 各档都不限用户，但 SSO/审计在 Enterprise。把“10 个席位 + SSO”放进同一张表，结论可能和只看平台费不同。

自建 Langfuse / Phoenix 真的免费吗？

软件许可免费：Langfuse OSS 是 MIT，Arize Phoenix 也可本地自托管；但服务器、Postgres/ClickHouse/Redis/对象存储、备份、升级、安全和人力都要自己出。月请求低于 5 万时，免费 SaaS 档通常更省；超过 100 万且数据不能出 VPC 时，自建或 Enterprise BYOC 才更合理。

Langfuse 官方文档写明 Self-hosted OSS 在 MIT 许可下免费、无用量计费；Arize Phoenix 为开源自托管。服务器与人力价格因企业而异，本文不给统一数字，避免把“免费软件”误写成“零成本”。

自建的最大优势不是“零许可费”，而是数据边界和可定制；最大风险是把一个 SaaS 的月费换成一个不封顶的运维项目。用“每月请求数 × 每条 trace 的运维分钟数 × 人力成本”做粗算，再和上表的 SaaS 月费比，通常比“开源免费”四个字更接近真实。

采购与验收要写清什么？

至少写清七件事：计费单位、失败与重试是否计费、自动埋点默认产生多少 observation、留存与删除、评测与判官模型费用、席位/SSO/RBAC、数据区域与导出。POC 用两周生产流量测“每千次请求的 unit/GB/span”，再外推。

本表为采购清单，不是任何一家供应商的合同条款。价格与功能以签约时的官方报价和合同为准。

什么场景选哪种？

POC 先用免费档；成本敏感且 trace 步骤多，优先 Braintrust Pro 或自建 Langfuse；需要 3 年留存 + SSO + 审计，选 Langfuse Pro+Teams 或 Enterprise；LangChain/LangGraph 深度用户用 LangSmith 最顺，但高量下按条计费最贵；数据不能出 VPC，选自建或 Enterprise BYOC。

“首选”是编辑判断，不是供应商推荐；最终选择取决于数据边界、留存、权限与现有技术栈。

常见问题

trace、span、observation、unit 有什么区别？

trace 是一次完整请求；observation 是 trace 内的一个步骤（模型调用、工具、检索等）；span 是 Arize 对 trace 内步骤的计数；Langfuse 的 unit 是 trace + observation + score 的总和。LangSmith 只按 trace 计费，所以一条含 6 个步骤的 trace 仍算 1 条；Langfuse 会算 7 个 unit（1 trace + 6 observation），有 score 再加。

100 万次请求一个月大概多少钱？

按本文假设（每条 6 个 observation、10% 评分、8 KB、10 席位、30 天留存）：LangSmith Plus 约 5,340 美元，Langfuse Core 约 528 美元，Braintrust Pro 约 333 美元；Arize 超过 5 万 span 后需 Enterprise 报价。换成你自己的 trace 长度、步骤数和评分比例，结果会变。

为什么 LangSmith 比 Langfuse 贵这么多？

因为计费对象不同。LangSmith 每条 trace 收 0.005 美元，trace 内步骤不另收；Langfuse 把 trace、每个 observation、每个 score 都算 unit，但 unit 单价低到约 0.00007–0.00008 美元。单价差约 60 倍，计量基数又差约 7 倍，最终差约 10 倍。trace 越重，LangSmith 的按条包干相对越划算。

LLM-as-judge 评测会不会另外收费？

平台侧和模型侧要分开看。平台侧：LangSmith 的 Tuned Evaluator 每次成功运行 0.015 LSU（约 0.015 美元），失败/跳过不计；Langfuse 每个 score 算 1 unit；Braintrust 每个 score 计费（Pro 1.50 美元/1,000）；Arize 套餐内 evals 不限量。模型侧：判官模型的 token 费在四家都要另付给模型供应商。

数据留存 30 天和 3 年，价格差多少？

LangSmith base trace 只含 14 天，延到 180 天每条加 0.0025 美元；100 万条全部 extended 后用量约 7,425 美元/月，比 base 多约 2,475。Langfuse 把 90 天放在 Core、3 年放在 Pro（199 美元起）。Braintrust 30 天后每 GB 每月加 0.50 美元，8 GB 约 4 美元/月，200 GB 约 100 美元/月。Arize 15/30 天，更长要 Enterprise。

自建 Langfuse 或 Phoenix 是不是就免费了？

软件许可免费（Langfuse OSS 为 MIT，Phoenix 可自托管），但服务器、数据库、对象存储、备份、升级、安全和人力都要自己承担。月请求低于 5 万时，免费 SaaS 档通常更省；超过 100 万且数据不能出 VPC 时，自建或 Enterprise BYOC 才更合理。

Arize 为什么给不出单价？

因为 Arize AX 的 Free/Pro 只公开 2.5 万/5 万 span 与 1 GB/10 GB 的包含量，超出部分没有公开单价，只写 Enterprise 定制。对 600 万 span 的负载，无法用公开页算出月费；采购时应直接要报价，并让对方按你的 span 数、摄入 GB 和留存天数出账单样例。

怎么用真实数据估自己的账单？

跑两周生产流量，记录四个数：trace 数、每条 trace 的 observation 数、平均字节数、score 比例。然后分别代入：LangSmith = 席位数 × 39 + max(0, trace − 10,000) × 0.005；Langfuse = 套餐费 + 阶梯 unit 费；Braintrust = 套餐费 + 超出 GB × 单价 + 超出 score × 单价。用 1,000 条真实 trace 先校准，再乘到月量，比看首页起售价可靠。

研究方法与局限

本文把“官方事实”和“编辑测算”分开写：平台月费、包含量、超出单价、留存天数、计费单位定义均来自官方定价页或官方文档；100 万次请求的月费、轻/中/重负载对比、每千次成本、评测增量是编辑按统一假设做的算术，不是任何一家给的报价。

局限有五个：① 只比较公开 list price，未含企业折扣、年框、云市场私有报价；② 美元计价，不做汇率换算；③ 8 KB/trace、6 个 observation、10% 评分是假设，真实值可能相差数倍；④ Arize 超出价未公开，无法给出同口径月费；⑤ 未把判官模型 token、人力、迁移和培训计入总拥有成本。采购决策应把本文当“口径模板”，用企业自己的两周流量替换假设。

数据来源与口径

• LangChain, Pricing：langchain.com/pricing。Developer 0 美元含 5,000 base traces、1 席位；Plus 39 美元/席位含 10,000 条；base trace 0.005 LSU、extended 升级 0.0025 LSU；1 LSU = 1 美元；Tuned Evaluator 0.015 LSU/次；base 14 天、extended 180 天；Enterprise 定制。访问 2026-11-02。
• LangChain, Pricing FAQ：langchain.com/pricing。trace 是一次应用执行，可包含多个步骤；Tuned Evaluator 只对成功运行计费，失败/跳过不计；评分 trace 会自动升级为 extended。
• Langfuse, Pricing：langfuse.com/pricing。Hobby 50k units、Core 29 美元/100k、Pro 199 美元、Enterprise 2,499 美元；超出 8 美元/100k 起，阶梯 7/6.50/6；Pro 含 3 年访问、Teams +300 美元；Enterprise 含审计/SCIM/SLA。访问 2026-11-02。
• Langfuse, Billable Units：langfuse.com/docs/administration/billable-units。Units = Count of Traces + Count of Observations + Count of Scores；自托管 OSS 在 MIT 下免费、无用量计费。
• Braintrust, Pricing：braintrust.dev/pricing。Starter 0 美元含 1 GB + 10k scores；Pro 249 美元含 5 GB + 50k scores；超出 3 美元/GB、1.50 美元/1,000 score；30 天后 +0.50 美元/GB/月，最长 180 天；Enterprise 定制。访问 2026-11-02。
• Braintrust, Plans and limits：braintrust.dev/docs/plans-and-limits。processed data 为摄入的日志、实验、数据集字节数，含 inputs/outputs/prompts/metadata/traces/spans，按摄入计量，删除不减少；scores 按记录数；Starter 14 天、Pro 30 天。访问 2026-11-02。
• Arize, Pricing：arize.com/pricing。AX Free 25k spans + 1 GB、15 天；AX Pro 50 美元 50k spans + 10 GB、30 天；Enterprise 定制；各档 users/evals 不限量。访问 2026-11-02。

资料截止 2026-11-02；价格为公开 list price，未含税；所有算例均为编辑测算。本文不构成采购、法律或财务建议。