大型語言模型 (LLM) API 成本計算器

如何使用大型語言模型 (LLM) API 成本計算器

本計算器資料即時同步自 OpenRouter，極速對比最新的旗艦大模型（如 GPT-5.4、Claude 4.6、Gemini 3.1、DeepSeek V3.2 等）的 API 定價，精準估算您業務中的 AI 實際使用成本。

核心高級計算規則

• 上下文快取折扣 (Cache Hit Ratio)：許多現代模型支援 Prompt Caching（如 Anthropic、DeepSeek、xAI）。系統會自動根據您設定的快取命中率（0-100%），將會命中的部分輸入 Token 自動切換為更低廉的 Cache Read 價格計算（通常單價便宜 5-10 倍）。
• 階梯定價規則 (Tiered Pricing)：像 Google Gemini 或 Xiaomi MiMo 等模型會根據單次請求的總長度跨度實施階梯收費。當您的輸入+輸出 Token 總數超過臨界點（如 128K 或 256K）時，列表會自動高亮並切換採用更長上下文區間的浮動階梯單價。

理解基礎 Token 費用

• 輸入 Token：發送給模型的所有內容（提示詞、文件、程式碼儲存庫）都會按 Token 計費。
• 輸出 Token：模型生成的回覆內容，單價通常數倍於輸入成本。
• 百萬 Token 規則：所有大廠報價均以每 1M（一百萬）Token 為單位。作為參考感知：一頁標準中文文件平均消耗 700~1000 個 Token。

節省 Token 與降低成本的業務技巧

1. 動態模型路由：讓小模型（如 Kimi、DeepSeek 或 Flash 變體）扛下簡單的分類總結髒活，只把需要深度邏輯推理的任務丟給昂貴的旗艦大杯。
2. 最大化利用上下文快取：在多輪請求中固定長系統設定或龐大的知識儲備文件位置，觸發服務商底層的 Cache 機制白嫖極低單價。
3. 精簡死板的 Prompt 骨架：大力清洗傳給模型的廢話，剔除諸如繁冗的 HTML 標籤或者不必要的格式化佔位符，每一滴乾癟下去的體積都是省出來的真金白銀。