为什么不同模型费用差很多？

单价随模型能力与上下文长度差异大，且输入输出单价常不同；大上下文/强模型更贵，选型需权衡效果与成本。

估算的 token 数准吗？

不准到精确位。中文在 GPT/Claude/国产模型下 token 数差异明显，本工具给量级参考，精确计费以厂商账单为准。

🔑 LLM Token Cost Estimator

Estimate API cost from input and output token counts and unit price, to budget a LLM feature before launch.

📐 计算公式 / 原理

输入费用 = 输入 tokens / 10⁶ × 输入单价；输出费用 = 输出 tokens / 10⁶ × 输出单价；人民币 ≈ 美元 × 汇率

大模型 API 普遍按输入与输出分别计价，且输出单价通常高于输入，因此压缩提示词与控制生成长度都能直接省钱。换算人民币时汇率按当期取值，另需考虑批量/缓存折扣与最低计费粒度。

输入 Token 数

输出 Token 数

输入单价 $/1M

输出单价 $/1M

成本估算

输入 10k token($0.01/1k)、输出 2k token($0.03/1k) → 费用=10×0.01+2×0.03=0.16 USD≈1.15 元。批量调用前用此预判账单。

为什么不同模型费用差很多？: 单价随模型能力与上下文长度差异大，且输入输出单价常不同；大上下文/强模型更贵，选型需权衡效果与成本。
估算的 token 数准吗？: 不准到精确位。中文在 GPT/Claude/国产模型下 token 数差异明显，本工具给量级参考，精确计费以厂商账单为准。