价目字段
本页说明模型价目的计费单位、实际扣费计算方式和成本估算示例。
模型价目 API 见 获取价目。
计费单位
charge_unit | 适用模态 | 说明 |
|---|---|---|
token | text | 按 token 数量计费。输入（prompt）和输出（completion）分别计价。部分模型还支持缓存输入（cached_input），价格低于普通输入。 |
image_count | image | 按图片张数计费。不同分辨率对应不同档位价格。 |
video_second | video | 按视频时长（秒）计费。不同分辨率对应不同档位价格。 |
实际扣费计算
生文（token）
实际扣费由消耗量 × 对应的分段单价计算：
扣费金额 = input_tokens × input_unit_price + output_tokens × output_unit_price- 如果模型使用缓存输入（prompt caching），缓存部分按
cached_input单价计算，而非input单价。 - 单价按上下文长度分段：短上下文的输入/输出价格较低，长上下文价格较高。
- 价格单位
/per_million_tokens表示每百万 token 的价格。
示例
python
# 模型: gpt-5.5（context_length_range）
# 输入: 10K tokens（≤ 272K 区间，$5/百万 tokens）
# 输出: 500 tokens（≤ 272K 区间，$30/百万 tokens）
input_cost = (10_000 / 1_000_000) * 5 # = $0.05
output_cost = (500 / 1_000_000) * 30 # = $0.015
total = input_cost + output_cost # = $0.065生图（image_count）
扣费金额 = 图片张数 × 对应分辨率档位单价不同分辨率档位价格差异显著。例如：
| 模型 | 分辨率 | 单价 | 1 张费用 | 4 张费用 |
|---|---|---|---|---|
| GG-2.5 | 1k | $0.0414/张 | $0.0414 | $0.1656 |
| GG-2.5 | 4k | $0.0635/张 | $0.0635 | $0.2540 |
生视频（video_second）
扣费金额 = 视频时长（秒） × 对应分辨率档位单价例如 5 秒 1080p 视频：
| 模型 | 分辨率 | 单价 | 5 秒费用 |
|---|---|---|---|
| kling-2.6 | 720p | $0.042/秒 | $0.21 |
| kling-2.6 | 1080p | $0.14/秒 | $0.70 |
缓存输入（cached_input）
部分生文模型支持 prompt caching。当请求的输入与前序请求的输入部分重合时，缓存部分按 cached_input 价格计费，通常低于 input 价格。
- 缓存输入在
price_groups中以token_kind: "cached_input"标识，结构同input/output。 - 缓存命中由平台自动判断，无需客户端配置。
分段计价示例
以 context_length_range 模式的模型为例，价格随上下文长度变化：
| 上下文范围 | 输入单价 | 输出单价 |
|---|---|---|
| 0 – 128K tokens | $2/百万 | $10/百万 |
| 128K – 272K tokens | $5/百万 | $30/百万 |
| > 272K tokens | $10/百万 | $45/百万 |
假如某次调用消耗了 150K input tokens + 1K output tokens：
python
# input: 150K tokens → 落在 128K–272K 区间，单价 $5/百万
input_cost = (150_000 / 1_000_000) * 5 # = $0.75
# output: 1K tokens → 落在 0–128K 区间，单价 $10/百万
output_cost = (1_000 / 1_000_000) * 10 # = $0.01
total = input_cost + output_cost # = $0.76变体价目（price_variants）
部分模型支持分时折扣等其他价目变体。effective_variant 指示当前生效的变体。登录后，价目 API 返回的 amount 为该变体下的实际价格。折前原价见 list_amount。