為什麼不同模型費用差很多？

單價隨模型能力與上下文長度差異大，且輸入輸出單價常不同；大上下文/強模型更貴，選型需權衡效果與成本。

估算的 token 數準嗎？

不準到精確位。中文在 GPT/Claude/國產模型下 token 數差異明顯，本工具給量級參考，精確計費以廠商賬單為準。

🔑 LLM Token Cost Estimator

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

📐 計算公式 / 原理

輸入費用 = 輸入 tokens / 10⁶ × 輸入單價；輸出費用 = 輸出 tokens / 10⁶ × 輸出單價；人民幣 ≈ 美元 × 匯率

大模型 API 普遍按輸入與輸出分別計價，且輸出單價通常高於輸入，因此壓縮提示詞與控制生成長度都能直接省錢。換算人民幣時匯率按當期取值，另需考慮批次/緩存摺扣與最低計費粒度。

輸入 Token 數

輸出 Token 數

輸入單價 $/1M

輸出單價 $/1M

成本估算

輸入 10k token($0.01/1k)、輸出 2k token($0.03/1k) → 費用=10×0.01+2×0.03=0.16 USD≈1.15 元。批次呼叫前用此預判賬單。

為什麼不同模型費用差很多？: 單價隨模型能力與上下文長度差異大，且輸入輸出單價常不同；大上下文/強模型更貴，選型需權衡效果與成本。
估算的 token 數準嗎？: 不準到精確位。中文在 GPT/Claude/國產模型下 token 數差異明顯，本工具給量級參考，精確計費以廠商賬單為準。