什么是 token：大模型 API 按什么计费

token 是大模型读写文本的最小单位，也是 API 的计费单位。英文里 1 个 token 大约是 4 个字符、0.75 个单词；中文的换算取决于模型，常用汉字大多在 1 个 token 左右。API 价格一般标成「每百万 tokens 多少钱」，输入和输出分开计价。

token 和字数怎么换算

模型不直接读文字，而是先用分词器把文本切成 token。常见的词会被切成一个 token，少见的词会被拆成几段。所以 token 数和字数大致成正比，但没有固定比例：

同一段文字在不同模型上的 token 数会有差异，因为各家的分词器不同。估算预算时先按上表粗算，上线后看实际的 usage 数据。

输入 token 和输出 token

一次请求的费用由两部分组成：

• 输入 tokens：你发给模型的全部内容，包括系统提示词、历史对话、检索到的资料、工具（函数）定义，以及换算成 token 的图片。
• 输出 tokens：模型生成的内容。推理模型的思考过程也算输出，即使最终回答很短，输出 tokens 也可能很多。

输出单价通常是输入的好几倍。下面是几个常用模型在最低价分组的实时价格：

一次请求花多少钱

按 token 计费的模型，单次费用的算法是：

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

以一次客服问答为例：系统提示词加历史对话约 2,000 tokens，回答约 500 tokens。用 deepseek-v4.1-flash 计算：

同样的问答每月 10 万次：

换成其他模型，只需要把单价换掉。各模型在所有分组的价格见模型与价格。

上下文长度也按 token 算

每个模型都有上下文长度上限，指一次请求里输入加输出的 token 总数。超出上限时，请求会报错，或者回答被截断（finish_reason 为 length）。多轮对话越聊越长，历史消息会一直占用输入 tokens，既花钱也挤占上下文，需要定期裁剪或做摘要。

怎么知道实际用了多少

• 每次响应的 usage 字段返回本次的输入、输出 tokens，Chat Completions 里是 prompt_tokens 和 completion_tokens。
• 控制台「用量明细」按请求列出模型、tokens 和扣费金额，可以导出核对。
• 想在发送前估算，可以用对应厂商提供的分词工具，但最终以 usage 为准。

减少 token 用量的几个办法

1. 精简系统提示词，删掉重复的说明和示例。
2. 多轮对话只保留最近几轮，更早的内容压缩成摘要。
3. 用 max_tokens 或 max_completion_tokens 限制回答长度。
4. 固定不变的长前缀（如系统提示词、产品资料）利用上下文缓存，命中部分按更低的价格计费，见上下文缓存是什么、怎么省钱。
5. 简单任务用便宜的小模型，复杂任务再用大模型，见如何为业务选模型。