直接答案：企业大模型 API 的账单不是“单价 × token”这么简单，而是由输入/输出 token、缓存命中、批处理、推理 token、工具调用和重试共同决定。按每月 1 亿输入 + 2,000 万输出 token 计算，DeepSeek Flash 高峰约 360 元，OpenAI GPT-6.1 Sol 标准价约 400 美元，Claude Sonnet 5.5 约 400 美元。缓存、批处理和模型路由能显著改变总价，但前提是质量与延迟达标。
本文面向正在做 AI 应用、Agent、知识库或内容生产的企业技术和采购团队，资料截止 2026-10-25。价格来自 DeepSeek、OpenAI、Anthropic、阿里云百炼的公开页面；人民币与美元不换算、不排名。算例为编辑测算，不是报价，也不承诺节省比例、准确率或上线周期。
输入价不是总价；输出和推理 token 常是主成本；缓存和批处理能省钱，但不能弥补错误答案。
大模型 API 到底怎么计价？
主要按输入/输出 token 分别计价，缓存、批处理、长上下文和推理 token 会改变单价；不能只看标价。
大多数文本模型把输入 token（提示词、文档、上下文）和输出 token（回答、思维链、工具参数）分开计价。输出通常更贵，因为生成需要逐 token 解码；长上下文可能进入更高价格阶梯；缓存命中只降低重复输入；批处理通常把实时推理打个折，但延迟更高。
还要区分“标准价”和“实际账单”。标准价通常不含税、不含工具调用、不含重试、不含搜索/抓取、不含嵌入和向量存储；不同地域、峰值/空闲时段、部署范围也可能改变价格。采购时先确认计价单位、地域、币种和有效期。
100M 输入 +20M 输出一个月多少钱？
标准价下，DeepSeek Flash 约 360 元，OpenAI 与 Claude 约 400 美元；模型差距更大。
算例假设：每月 1 亿输入 token、2,000 万输出 token；只算标准文本推理，不含缓存、批处理、工具、重试、税费和观测；人民币与美元分开列示。这个规模大致相当于每天数万次中等长度问答或一批文档/内容任务，具体取决于提示词和输出长度。
| 模型 / 地域 | 输入（每百万 token） | 输出（每百万 token） | 月成本（标准价） |
|---|---|---|---|
| DeepSeek Flash（中国，高峰） | 2 元（缓存未命中） | 8 元 | 约 360 元 |
| DeepSeek Flash（中国，空闲） | 1 元 | 4 元 | 约 180 元 |
| DeepSeek Pro（中国，高峰） | 9 元 | 27 元 | 约 1,440 元 |
| OpenAI GPT-6.1 Sol（标准） | 2 美元 | 10 美元 | 约 400 美元 |
| Claude Sonnet 5.5（标准） | 2 美元 | 10 美元 | 约 400 美元 |
| Claude Haiku 5.5（标准） | 0.10 美元 | 0.50 美元 | 约 20 美元 |
| Qwen3.8-Max（新加坡） | 2 美元 | 6 美元 | 约 320 美元 |
| Qwen3.8-Flash（新加坡） | 0.15 美元 | 0.47 美元 | 约 24.4 美元 |
编辑测算：100M 输入 × 输入单价 + 20M 输出 × 输出单价；未含缓存、批处理、工具/搜索、重试、税费和观测。人民币与美元不换算。DeepSeek 高峰/空闲按官方页面；OpenAI/Anthropic/Qwen 为公开标准价，地域和版本可能变化。
这张表最容易被误读的地方是“最便宜”。Haiku 或 Qwen Flash 的标准价低，不代表复杂任务也能用；如果为了省钱换了模型，导致返工、人工复核或错误承诺，节省会被抵消。下一节看缓存、批处理和路由的真实影响。
缓存、批处理和模型路由能省多少？
缓存只降低重复输入，批处理通常打五折，路由把简单任务交给便宜模型；三者可能叠加，但不能牺牲正确率。
三种优化的作用点不同。缓存适合重复的长系统提示、固定知识或工具说明；批处理适合不要求实时返回的分类、摘要、离线评估；模型路由则把任务按难度分给不同模型，让便宜模型处理大多数简单请求，把昂贵模型留给复杂推理。
| 方案 | 标准月成本 | 50% 输入缓存 | 批处理 | 说明 |
|---|---|---|---|---|
| DeepSeek Flash（高峰） | 360 元 | 262 元 | 未假设 | 缓存命中输入 0.04 元/百万 |
| DeepSeek Pro（高峰） | 1,440 元 | 1,005 元 | 未假设 | 缓存命中输入 0.30 元/百万 |
| OpenAI GPT-6.1 Sol | 400 美元 | 305 美元 | 未假设 | 缓存输入 0.10 美元/百万 |
| Claude Sonnet 5.5 | 400 美元 | 310 美元 | 200 美元 | 缓存读 0.20 美元；批量五折 |
| Claude Haiku 5.5 | 20 美元 | 未假设 | 10 美元 | 批量五折 |
| Qwen3.8-Max | 320 美元 | 230 美元 | 160 美元 | 缓存命中按输入 10% 计；Batch 五折 |
| Qwen3.8-Flash | 24.4 美元 | 17.65 美元 | 12.2 美元 | 缓存命中按输入 10% 计；Batch 五折 |
同一算例：100M 输入 + 20M 输出/月。50% 缓存指一半输入命中；缓存写入/创建成本、最低缓存长度和各厂商规则不同。批处理与缓存可能不能叠加；表中分别计算，不相加。未含税费、工具、重试、观测。
缓存和批处理不是“自动省钱开关”。缓存要求请求前缀稳定，否则命中率很低；批处理适合离线任务，不适合实时客服或交互式 Agent；缓存写入本身可能收费，长上下文还会进入更高阶梯。真正可持续的优化是路由 + 评测 + 预算上限，而不是只买最便宜的模型。
为什么实际账单常比单价估算高？
推理 token、工具调用、重试、长上下文、缓存写入和观测都会增加用量；只看输入输出单价会漏掉这些行，必须按任务核算。
一个 Agent 请求可能包含系统提示、知识库片段、历史对话、工具定义、工具返回、思维链和最终回答。输出 token 不只包含给用户看的那一段；检索、重排、嵌入、向量存储、搜索/抓取、日志和监控也可能单独计费。失败重试和超时重放会把同一请求计多次。
- 推理/思考 token：部分模型按输出或单独计费；复杂任务的实际输出远高于最终答案。
- 工具调用：工具参数、返回结果和多轮循环都消耗 token；搜索/抓取还可能按次收费。
- 长上下文：超过阶梯阈值后，整个请求可能按更高单价结算。
- 缓存写入：创建缓存可能按标准输入的 125% 计费；命中率低时反而不划算。
- 重试与并发：超时、限流、失败重放会产生重复费用；高峰期还可能触发更高价格。
- 观测与治理：日志、追踪、评测、网关和审计不是模型账单，但属于 AI 应用总成本。
便宜模型什么时候不能用？
分类、抽取、摘要可用便宜模型；复杂推理、代码、高风险承诺和长链路 Agent 要先做同题评测，正确率不达标不能换。
| 任务 | 可优先考虑 | 质量门槛 | 不建议 |
|---|---|---|---|
| 意图分类、字段抽取、路由 | Flash / Haiku / Luna 级 | 准确率、拒答、延迟 | 用大模型做简单分类仍不评估 |
| 摘要、改写、FAQ 初稿 | 中低价模型 | 事实一致、引用、可读性 | 把生成稿直接对外发布 |
| RAG 回答 | 中价模型 + 检索评测 | 忠实度、引用、越界拒答 | 只换模型，不修知识库/权限 |
| 复杂推理、代码、Agent 规划 | 旗舰/中高端模型 | 任务成功率、回归集 | 只看单次价格，不看返工 |
| 报价、赔付、医疗/安全建议 | 高能力模型 + 人工确认 | 合规、可追溯、人工复核 | 让便宜模型自动承诺 |
编辑建议，不是模型排名。必须用企业自己的任务集比较正确率、延迟和单次成功成本；模型版本、提示词和工具变化都会改变结果。
采购和验收应该看什么？
看单次成功任务成本、P95 延迟、正确率、重试率、缓存命中、工具调用和合规；不要只比每百万 token 的标价。
采购时把“token 单价”换成“成功任务成本”：（模型 + 工具 + 检索 + 重试 + 人工复核 + 观测）÷ 成功任务数。这个分母必须由企业定义：是正确回答、完成工单、生成可用文案，还是一次代码合并。否则便宜模型可以用更低的单价制造更高的返工。
| 验收项 | 建议口径 | 要留的证据 |
|---|---|---|
| 单次成功任务成本 | 全部 AI 相关费用 / 成功任务数 | 账单、用量、任务结果 |
| 正确率 / 任务成功率 | 同一测试集，人工或规则判定 | 测试集版本、评分标准 |
| P95 延迟 | 端到端，含检索和工具 | 真实并发下的追踪 |
| 重试/失败率 | 失败、超时、限流、重放次数 | 网关日志和告警 |
| 缓存命中率 | 命中输入 token / 可缓存输入 token | 请求前缀设计、账单明细 |
| 工具/检索成本 | 搜索、抓取、嵌入、向量库、重排 | 分项账单 |
| 数据与合规 | 地域、留存、训练使用、权限、审计 | 合同、DPA、日志 |
没有统一的“便宜”阈值。用同一测试集和同一时间窗比较，才能判断换模型或换计费方式是否真的降低了成功任务成本。
API 还是私有化？
低到中等调用量、快速上线优先 API；数据不能出内网、权限复杂或长期高负载时，再算私有化 TCO。
API 的优势是无需采购 GPU、按量付费、模型更新快；劣势是数据出境/留存、供应商锁定、限流和价格变化。私有化的优势是数据边界、权限和可定制；劣势是硬件、模型部署、备份、安全和运维。两条路不是“谁更便宜”，而是“哪种约束更重要”。
如果只是试做知识库、内容生成或轻量 Agent，先用 API 做 POC 更合理；当调用量稳定、数据敏感、需要内网和多系统集成时，再评估私有化。已有 AI 私有化部署成本 和 RAG 知识库成本 两篇拆解，本文不重复。
凌壹适合谁？
需要私有网关、模型路由、权限和系统集成时，凌壹可做 AI 基座；只要通用 API 和轻应用，直接用云厂商更简单。
凌壹不转售模型 API 折扣，也不承诺某家模型“最便宜”。LingHarness 适合需要私有化网关、模型路由、权限、审计和多系统集成的企业；如果只是调用公开 API 做轻应用，直接使用云厂商通常更快、更省。平台选型可参考 Agent 基座对比，需要梳理预算与路由策略可联系我们。
常见问题
大模型 API 是不是只按 token 收费？
文本生成通常按输入/输出 token 收费，但工具调用、搜索/抓取、嵌入、向量存储、重试、长上下文和批处理/缓存可能有单独规则。签约前要确认计费单位、地域、税率、最低消费和价格有效期。
100M 输入 +20M 输出一个月大概多少钱？
按本文假设和公开标准价：DeepSeek Flash 高峰约 360 元、OpenAI GPT-6.1 Sol 约 400 美元、Claude Sonnet 5.5 约 400 美元、Qwen3.8-Flash 约 24.4 美元。未含缓存、批处理、工具、重试和税费；人民币与美元不能直接比较。
缓存和批处理能省多少？
同一算例下，50% 输入缓存可把 GPT-6.1 Sol 从约 400 美元降到 305 美元、Claude Sonnet 5.5 从 400 降到 310 美元；批处理可把 Sonnet 5.5 降到 200 美元。实际节省取决于命中率、缓存写入成本、延迟要求和厂商是否允许叠加。
便宜模型能替代贵模型吗？
要看任务。分类、抽取、简单摘要可以先用便宜模型；复杂推理、代码、长链路 Agent、报价/赔付等高风险场景必须用同一测试集比较正确率、延迟和返工，不能只看单价。
API 还是私有化更划算？
没有统一答案。低到中等调用量、快速上线优先 API；数据不能出内网、权限复杂、长期稳定高负载时，再算硬件、模型部署、集成、运维和折旧。私有化不一定更贵，但总成本和周期通常更高。
怎么防止 AI 账单失控？
设置模型/任务预算上限、按任务记录用量、监控重试和缓存命中、限制长上下文和工具循环、对高风险任务加人工确认。用成功任务成本而不是 token 单价做月度复盘。
口径、来源与局限
本文是公开资料研究和编辑测算，不是厂商报价，也没有进行企业访谈或实测。人民币与美元不换算；模型价格、地域、版本和计费规则可能随时变化。算例未含税、工具/搜索、重试、观测、人工复核和私有化基础设施；缓存/批处理分别计算，不假设可以叠加。模型能力与价格不是一回事，本文不做“最便宜/最强”排名。
- DeepSeek，模型 & 价格（访问 2026-10-25）：deepseek-flash/v4-pro 输入、缓存命中、输出与峰谷价。
- OpenAI，Introducing GPT-6.1 Sol（2026-09-29）：2 美元/百万输入、0.10 美元/百万缓存输入、10 美元/百万输出。
- Anthropic，Claude 模型定价（2026-10-15 生效）：Sonnet 5.5 2/10 美元、Haiku 5.5 0.10/0.50 美元、缓存与批处理价格。
- 阿里云百炼，模型调用价格（更新 2026-10-22）：Qwen3.8-Max/Flash 新加坡地域价格、Batch 五折与上下文缓存规则。