什麼是 token：大模型 API 按什麼計費

token 是大模型讀寫文本的最小單位，也是 API 的計費單位。英文裡 1 個 token 大約是 4 個字元、0.75 個單詞；中文的換算取決於模型，常用漢字大多在 1 個 token 左右。API 價格一般標成「每百萬 tokens 多少錢」，輸入和輸出分開計價。

token 和字數怎麼換算

模型不直接讀文字，而是先用分詞器把文本切成 token。常見的詞會被切成一個 token，少見的詞會被拆成幾段。所以 token 數和字數大致成正比，但沒有固定比例：

同一段文字在不同模型上的 token 數會有差異，因為各家的分詞器不同。估算預算時先按上表粗算，上線後看實際的 usage 資料。

輸入 token 和輸出 token

一次請求的費用由兩部分組成：

• 輸入 tokens：你發給模型的全部內容，包括系統提示詞、歷史對話、檢索到的資料、工具（函式）定義，以及換算成 token 的圖片。
• 輸出 tokens：模型生成的內容。推理模型的思考過程也算輸出，即使最終回答很短，輸出 tokens 也可能很多。

輸出單價通常是輸入的好幾倍。下面是幾個常用模型在最低價分組的即時價格：

一次請求花多少錢

按 token 計費的模型，單次費用的演算法是：

费用 = 输入 tokens ÷ 1,000,000 × 输入单价 + 输出 tokens ÷ 1,000,000 × 输出单价

以一次客服問答為例：系統提示詞加歷史對話約 2,000 tokens，回答約 500 tokens。用 deepseek-v4.1-flash 計算：

同樣的問答每月 10 萬次：

換成其他模型，只需要把單價換掉。各模型在所有分組的價格見模型與價格。

上下文長度也按 token 算

每個模型都有上下文長度上限，指一次請求裡輸入加輸出的 token 總數。超出上限時，請求會報錯，或者回答被截斷（finish_reason 為 length）。多輪對話越聊越長，歷史訊息會一直佔用輸入 tokens，既花錢也擠佔上下文，需要定期裁剪或做摘要。

怎麼知道實際用了多少

• 每次響應的 usage 欄位返回本次的輸入、輸出 tokens，Chat Completions 裡是 prompt_tokens 和 completion_tokens。
• 控制台「操作日誌」按請求列出模型、tokens 和扣費金額，可以匯出核對。
• 想在傳送前估算，可以用對應廠商提供的分詞工具，但最終以 usage 為準。

減少 token 用量的幾個辦法

1. 精簡系統提示詞，刪掉重複的說明和示例。
2. 多輪對話只保留最近幾輪，更早的內容壓縮成摘要。
3. 用 max_tokens 或 max_completion_tokens 限制回答長度。
4. 固定不變的長字首（如系統提示詞、產品資料）利用上下文快取，命中部分按更低的價格計費，見上下文快取是什麼、怎麼省錢。
5. 簡單任務用便宜的小模型，複雜任務再用大模型，見如何為業務選模型。