code-llama-34b

token 是什么

token 是模型读写文本的最小单位。请求发出后，文本先由模型的分词器（tokenizer）切成一个个 token，再按 token 数计费。

不同厂商、不同代际的模型分词器不同，同一段文字在不同模型上的 token 数可能相差不少。最准确的数字是接口返回的 usage 字段。

中英文大致换算

下表是常见的经验值，只用于粗略估算，实际视模型的分词器而定。代码、数字、生僻字和表情符号通常更「费」token。

输入、输出与缓存如何计费

按 token 计费的模型，一次请求的费用由几部分相加，单价都按「每百万 tokens」标注：

• 输入（prompt tokens）：系统提示、历史消息、工具定义、上传的文件内容都算输入，按输入价计费。
• 输出（completion tokens）：模型生成的内容，按输出价计费，通常比输入贵数倍。
• 缓存读取：输入中命中上下文缓存的部分按缓存读取价计费，一般只有输入价的一小部分。
• 缓存写入：部分模型（如 Claude）首次把内容写入缓存时，按缓存写入价计费。
• 按次计费的模型（多见于图像、视频）每次请求固定价格，与 token 数无关。

费用 = 输入 × 输入价 + 输出 × 输出价 + 缓存读取 × 缓存读取价 + 缓存写入 × 缓存写入价

本模型按次计费：「标准」分组每次请求 ¥0.012，与输入输出长度无关。

推理 token 计入输出

推理（思考）模型在给出答案前会先生成一段内部推理。这部分 token 虽然不一定返回给你，但会计入输出（usage 中的 reasoning tokens），按输出价计费。

所以同一个问题，推理模型的输出 token 往往明显更多。不需要深度推理的任务，可以调低推理强度，或换用非推理模型。

图片和音频也会折算成 token

多模态模型会把图片按分辨率折算成一定数量的输入 token，尺寸越大、细节档位越高，token 越多；音频通常按时长折算。具体折算方式各模型不同，以接口返回的 usage 为准。

在哪里查看每次扣费

登录控制台，在「用量明细」里可以看到每次调用的模型、分组、输入 / 输出 / 缓存 token 数和实际扣费金额，并支持筛选和导出。

在代码里，接口返回的 usage 字段也会给出本次的 token 数；流式请求记得开启 include_usage。

降低成本的几个办法

• 按需选分组：同一模型在不同分组价格不同，在「价格」标签页可以按省钱、均衡或稳定挑选。
• 用好缓存：把固定不变的系统提示、参考文档放在消息开头，提高缓存命中率。
• 控制输出：设置 max_tokens，并在提示里要求简洁的输出格式。
• 精简上下文：长对话定期做摘要，避免每轮都发送完整历史。
• 大小模型搭配：分类、抽取等简单任务交给更便宜的模型，复杂任务再用旗舰模型。
• 推理模型按需调低推理强度。