AI API 计费模式全解析：按 token、按请求、订阅制的真实成本对比

在接入大模型 API 的第一个月，很多团队会经历同一件事：账单比预期高出 3 到 5 倍。问题往往不出在模型选错，而是计费模式没选对。AI API 计费模式对比这件事，看起来只是财务问题，实际上直接决定了你的产品能不能跑通单位经济模型。

目前主流的计费方式有三种：按 token 计费、按请求次数计费、订阅制包月/包年。三种模式各自面向不同的使用场景，用错了就是把钱往坑里填。

token 计费：弹性最高，也最容易失控

按 token 计费是目前最普遍的模式，OpenAI、Anthropic、Google 的主力模型全部采用这种方式。基本逻辑是：输入 token 和输出 token 分开定价，输出通常贵 3 到 5 倍。

以当前市场价为参考（以下价格为 per 1M tokens）：

模型	输入	输出
GPT-5.4-mini	~$0.40	~$1.60
Claude Haiku 4.5	~$0.80	~$4.00
GPT-5.5	~$15.00	~$60.00
Claude Opus 4.8	~$18.00	~$90.00
DeepSeek V3	~$0.27	~$1.10

token 计费的核心陷阱不在单价，在于上下文窗口的累积成本。做一个对话类产品，如果把完整历史消息都塞进每次请求，当对话轮次到第 20 轮，你传入的 prompt 里光历史记录就可能已经有 15,000 token。每次请求的实际费用是第 1 轮的 10 倍以上，但用户感知的价值没有对应增长。

另一个常见踩坑点是 system prompt 膨胀。有些团队把 RAG 检索到的文档块、工具描述、few-shot 示例全部堆在 system prompt 里，单次请求轻松 8,000 token 起步。按 GPT-5.5 的价格，光输入就是 $0.12 每次。一天 10 万次调用就是 $12,000，一个月 $360,000，比雇一个小团队还贵。

适合 token 计费的场景：调用量不稳定、token 用量差异大（有时 200 token 有时 5,000 token）、需要灵活切换模型的业务。

按请求计费：预测性好，但对长上下文不友好

按请求计费（per-request pricing）在部分垂直场景 API 中出现，比如分类任务 API、情感分析 API、图像理解 API。每次调用固定价格，不管你传入多少内容。

表面上看很简单，实际上有一个隐性逻辑：提供方已经在内部把请求复杂度摊平了，通常意味着他们对输入长度做了硬限制，或者背后跑的是一个经过蒸馏的小模型。如果你的业务需要传入 10,000 token 的文档做摘要，按请求计费的服务很可能根本不支持，或者会悄悄截断你的输入。

按请求计费对高并发低 token 场景非常划算。假设你做的是一个评论分类服务，平均每次请求 150 token 输入、50 token 输出：

• token 计费（GPT-5.4-mini）：200 token × $0.40/1M input + ... ≈ $0.000096 每次
• 按请求计费（同类服务）：$0.002 每次

这个场景下 token 计费便宜 20 倍。但如果换成长文档摘要，平均 8,000 token 输入、500 token 输出，按请求计费的固定价格可能反而更低。

关键结论：拿到报价先算你的平均 token 用量，低于 500 token/次的请求，token 计费几乎一定优于按请求计费。

订阅制：批量业务的护城河，散单场景的陷阱

订阅制（subscription pricing）在 AI API 领域有两种形式：一种是阶梯包月（按月预付固定额度的 token 或请求量，超出再按量计费）；另一种是固定坐席制（常见于企业级 API 网关产品）。

阶梯包月的数学逻辑很清晰：如果你每月稳定消耗 100M token，订阅制给你的折扣通常在 20%～40% 之间，相当于用确定性换价格。问题在于用量必须稳定。如果你的业务有明显的淡旺季，淡季没跑完的额度直接蒸发，折扣全吐回去了。

固定坐席制更适合内部工具场景。某个团队 20 人，每人每天用 Claude Code 或 Codex 做编码辅助，按坐席付费比让每个人自己充值 token 预算更可控。但一旦有人离职或项目结束，空坐席就是纯损耗。

订阅制的隐藏条款值得重点审查： - 额度是否跨月滚存（rollover） - 超出部分的按量单价是否高于普通 token 价格 - 是否锁定特定模型版本（订阅时是 Claude Sonnet 4.6，半年后想换 Opus 4.8 要不要补差价）

高并发低 token vs 低并发长上下文：两种业务的成本结构

把上面三种模式放进真实业务场景，差异会更具体。

场景 A：高并发低 token 实时搜索建议、短文本分类、简单问答 chatbot。平均每次请求 300 token，日调用量 500,000 次。

• 月 token 用量：150M tokens
• 用 DeepSeek V3（token 计费）：~$40/月
• 用 GPT-5.4-mini（token 计费）：~$75/月
• 如果订阅制提供 150M token/月套餐价 $60：DeepSeek 仍更优

这个场景核心是压单价，token 计费配便宜模型是最优解。

场景 B：低并发长上下文 法律文件审查、代码 review、长报告生成。平均每次请求 20,000 token 输入 + 3,000 token 输出，日调用量 500 次。

• 月 token 用量：约 345M tokens（其中输出约 45M）
• 用 Claude Opus 4.8：输入 $300 + 输出 $4,050 = $4,350/月
• 用 Claude Sonnet 4.6（约 $3/$15 per 1M）：输入 $900 + 输出 $675 = $1,575/月
• 如果有订阅制套餐覆盖 300M token/月，且折扣 30%，则能省约 $470

这个场景里模型选择比计费模式影响更大。Opus 4.8 对 Sonnet 4.6 的价格差在长上下文场景会被极度放大，只有任务确实需要旗舰模型能力时才值得付这个溢价。

同时，这类场景要认真考虑 prompt caching（OpenAI 和 Anthropic 都支持）。对于重复率高的 system prompt，缓存命中可以把输入成本降低 75%～90%，是长上下文场景最值钱的优化手段之一。启用方式：在 Anthropic API 中给 system prompt 加 cache_control: {"type": "ephemeral"}；OpenAI 对超过 1,024 token 的 prompt 自动做缓存，无需手动配置。

选模式前先做这三件事

选计费模式不是拍脑袋，先做这三件事能让决策清晰很多：

1. 跑一周真实 token 分布数据。接入任意一个 API，打开 usage log，统计 p50、p90、p99 的 token 用量。很多团队以为自己是"短 prompt 业务"，实际 p90 已经超过 2,000 token。

2. 算出你的月均调用量置信区间。如果 ±50% 的波动是常态，订阅制很危险；如果能预测到 ±10%，订阅折扣才真正落袋。

3. 把输出 token 单独建模。大多数团队只估输入，忘了输出。对于需要生成长内容的场景（报告、代码、翻译），输出成本占总账单的 60%～80% 是常见情况。控制 max_tokens 上限、让模型返回结构化 JSON 而非自由叙述，是降低输出 token 的最直接手段。

---

算清楚这笔账之后，接入哪家 API 的问题就浮出来了。我现在主要用 XycAi 词元平台（https://www.xyc.ai）做多模型聚合接入——一个 OpenAI 兼容 API 覆盖 200+ 模型，GPT-5 和 Claude Opus 系列的价格低至官方价 1.4 折起，Claude Code、Codex、Gemini CLI 都能一键接入，不用维护多套 key 和计费账户。尤其是做成本对比测试的时候，能在同一个接口下切换 DeepSeek V3、Sonnet 4.6、GPT-5.4-mini，省了大量对账的麻烦。