打开任何一家模型厂商的定价页，故事都惊人地一致：每百万 token 的标价，一年之内降了又降，有些档位甚至直接砍到三成以下。可如果你去问一线开发者最近一个季度的 API 账单，答案往往没那么乐观——单价在降，账单没降，甚至还在悄悄上涨。这不是谁在撒谎，而是「每百万 token 单价」这个数字本身，遮住了一系列真实成本：模型变得更啰嗦了、缓存命中与未命中之间藏着几十倍的价差、聚合平台在标价之上加收服务费、长上下文与多模态还有各自的附加口径。本文把这套隐性成本拆开来看，姑且称之为「单价幻觉」。
先交代口径：本文综合 pricepertoken.com、apirank、kingy.ai、llmapiprices.xyz、CSDN DevPress 等多个公开来源整理，并非亲自逐家实测；文中所有价格均标注收录时点与口径，一律以各官方页面最新说明为准。另外说明分工：站内 10 月 1 日的coding-model-price-2026-10-review回答的是「编程模型平替选谁」，那是另一个话题；本文不排模型强弱，只回答一个问题——为什么标价降了，账单未必降。
标价是怎么读的：输入、输出、缓存三本账
读模型定价，第一步是要意识到它不是一本账，而是三本账。第一本是输入：你发给模型的提示词、文档、历史对话，按输入单价计费。第二本是输出：模型生成的内容，单价通常比输入贵好几倍——以月之暗面的 Kimi K3.1 Pro 为例，标准版 API 定价为每百万 token 输入 13 元、输出 68 元（官方另给口径约 2 美元与 10 美元，Highspeed 高速版价格翻倍，数据时点以官方页为准），输出单价是输入的五倍还多。这意味着一个「输入便宜、输出滔滔不绝」的使用模式，实际成本结构和你想的可能完全相反。
第三本账最容易被忽略：缓存读。主流厂商普遍对「重复出现的提示词前缀」提供缓存命中价，命中部分按远低于普通输入的单价计费。第三本账平时不起眼，但在特定场景下会反过来主导整个成本结构——下文会专门展开。三本账合起来才是真实单价，只盯着输入标价做选型，等于只看油箱不看油耗。
单价幻觉之一：模型变啰嗦了
单价幻觉的第一来源，是输出 token 数量本身在膨胀。Artificial Analysis 的测试显示，Kimi K3.1 Pro 跑完整套评测累计输出约 1.5 亿 token，是参测模型中位数的近 1.7 倍，被贴上「非常冗长」的标签。冗长从哪来？它倾向于把一个任务拆给多个子 Agent 并行处理，中间调用层层叠加，每一层都有自己的输入输出，token 消耗像滚雪球一样累积。
极端案例在真实用户身上发生了。有 199 元套餐用户只发了一句「审查项目架构」，模型拉起 5 个子 Agent 并行开工，十几分钟之后，5 小时的额度窗口见了底。事件在 10 月 26 日以官方致歉收场，月度额度补偿 25%。这暴露的正是新版定价模型与旧用量习惯之间的错位：套餐按时间窗口计，而新版模型的 token 消耗速度已经完全不是一个量级。
更有意思的是 Artificial Analysis 算的另一笔账：K3.1 Pro 每完成一个评测任务约 1.98 美元，与前代 K3 基本持平。单价明明降了，单任务成本却没降——打个比方，打车软件的每公里单价便宜了，但司机绕路多了，到家一看车费没变。这就是「冗长税」：它不出现在定价页上，只出现在账单里。选型时如果你只比较每百万 token 的输出单价，而不知道各家模型的「话痨程度」差异能到 1.7 倍，等于在错误的坐标系里做决定。
单价幻觉之二：缓存命中差 50 倍
第二重幻觉藏在缓存价里。kingy.ai 6 月 21 日快照引述的 DeepSeek 官方定价页显示，V4 Flash 的输入价为每百万 token $0.14，而缓存命中价只要 $0.0028——两者相差整整 50 倍。同样的提示词前缀，命中缓存和没命中缓存，成本是一个数量级的差距。
这组数字的推论很直接：对于提示词稳定、多轮复用的场景——固定系统提示的客服机器人、带着长篇项目文档反复问答的编程助手、批处理同一批文档的流水线——缓存费的优化价值可能比「换一个更便宜的模型」更大。把常驻前缀的字节级一致性保住、让请求落在缓存有效期之内，账单的下降幅度往往超过你在定价页上比来比去省下的那点差价。反过来说，如果你的提示词每次都在变，缓存价再便宜也与你无关，此时拿着「缓存命中 0.0028 美元」做预算，就是典型的单价幻觉。
顺带一个观察：pricepertoken.com 收录的官方定价里，DeepSeek V4.1-Flash 的口径是输入 0.014 美元、输出 0.180 美元、缓存读 0.0029 美元（1M 上下文），与 kingy.ai 快照的 0.14/0.28 明显不同。两家比价站、两个时点、两套数字，谁对谁错不重要，重要的是它再次证明：标价信息本身就是流动的，做预算前务必回到官方页核对当天口径。
单价幻觉之三：平台加价与附加费
第三重幻觉来自模型标价之外。第一项是聚合平台的加价：apirank 统计口径显示，OpenRouter 会在模型价之上加收约 5.5% 的服务费。5.5% 听起来不多，但对于每月账单上万美元的重度团队，一年下来是一笔实打实的开支。聚合平台买到的是「一个接口换几十个模型」的便利和统一账单，直连厂商买到的是更低单价。这笔取舍没有标准答案，但前提是你得知道这 5.5% 存在——很多人根本没翻过账单明细。
第二项是各种附加口径。长上下文模型标着 1M 窗口，但并非所有请求都需要拉满，部分厂商对超长上下文请求有单独的计费档位；多模态输入（图片、音频）按不同口径折算 token；思考模式、工具调用在有的厂商那里计入输出、在有的厂商那里单独计价。各家对思考与工具调用的计费口径不一，下单前务必逐家核对官方说明。这些附加项单独看都不大，叠加起来足以让「按标价做的预算」和「月底的真实账单」之间出现两位数的百分比偏差。
总对比表
下表汇总本文涉及的主流型号标价，均为收录方快照口径（时点见注），以各官方页面最新说明为准：
| 模型 | 输入 $/1M | 输出 $/1M | 缓存读 $/1M | 上下文 | 计费注意点 |
|---|---|---|---|---|---|
| Kimi K3.1 Pro | 约 2（13 元，官方另口径） | 约 10（68 元，官方另口径） | 未单列 | 以官方页为准 | Highspeed 版价格翻倍；实测输出冗长，累计 token 约为中位数 1.7 倍 |
| DeepSeek V4.1-Flash | 0.14 | 0.28 | 0.0028 | 1M | 缓存命中与未命中价差约 50 倍（kingy.ai 6-21 快照引官方页）；pricepertoken 另收录 0.014/0.180/0.0029 口径 |
| GLM-5.3 | 1.40 | 4.40 | 未收录 | 以官方页为准 | 另有 GLM-5.3-Flash 档 0.15/0.50（llmapiprices.xyz 收录） |
| Qwen3.8-Max | 2.00 | 6.00 | 未收录 | 以官方页为准 | llmapiprices.xyz 收录口径 |
| Qwen3.8-Flash | 0.15 | 0.47 | 未收录 | 以官方页为准 | 同上，Flash 档适合大批量轻任务 |
| MiniMax M3 | 0.60 | 2.40 | 未收录 | 以官方页为准 | llmapiprices.xyz 收录口径 |
| Mistral Large 4（le Chonk） | 0.70 | 2.10 | 未收录 | 以官方页为准 | CSDN DevPress 转述官方口径；开放权重许可 |
读表的三个提醒：第一，缓存读一栏大量「未收录」，不代表厂商不提供缓存价，只代表收录方未抓到，下单前以官方页为准；第二，DeepSeek 一行存在两套收录口径，本身就是标价信息流动性的证明；第三，这张表没有「性价比排名」栏——看完前文你应该明白，单任务成本才是真排名。
对号入座：四种工作负载怎么选
幻觉拆完了，落到选型上，本文的建议是按工作负载对号入座，而不是按单价排名。
高频大批量的文本处理（清洗、分类、摘要、格式转换）：看豆包 Lite、Gemini 2.0 Flash 这一档。量级对比很直观——按 apirank 6 月口径、以 3:1 的输入输出比估算，100 美元在豆包 Lite（0.02/0.02）名下约能买到 50 亿 token，在 Gemini 2.0 Flash（0.03/0.06）名下约 33 亿，在 DeepSeek V3 Chat（0.14/0.28）名下约 7.14 亿，而在 Claude 3.5 Haiku（0.80/4.00）名下只有约 1.25 亿。同一笔预算，模型之间差出 4 到 40 倍，大批量场景选错一档，账单就是数倍的差别。
长文档加中文的综合场景：国产旗舰的性价比区间值得认真看，GLM-5.3、Qwen3.8-Max、MiniMax M3 都在这个区间，具体取舍建议用你自己的真实文档跑一轮小样本再定。
Agent 与编程的重任务：先算「单任务完成成本」再比单价。K3.1 Pro 的 1.98 美元案例已经说明，冗长模型可以把单价优势全部吃回去；给 Agent 选模型时，把每个任务的中间调用层数、平均输出 token 数都纳入估算，必要时对子 Agent 的并行深度做限制。
提示词稳定的多轮复用场景：务必配缓存计价。0.0028 美元对 0.14 美元的 50 倍价差，是定价页上最确定的一笔省钱机会，前提是你的前缀真的稳定。
最后说说自托管，因为它常被当成「终极省钱方案」。kingy.ai 的分析点破了这件事：自托管的本质是成本搬家——从 token 账单搬到 GPU 采购、显存占用、工程时间、可观测性建设、版本升级与集群利用率风险上。利用率低的 GPU 集群，算下来可能比直接调 API 更贵。开源工具链确实成熟了，用 vLLM 起一个推理服务的技术门槛已经很低，但「能跑起来」和「跑得划算」之间隔着一整个运维团队。数据不能出内网的团队没有选择，其余团队建议先算利用率，再谈自托管。
常见问题
Q1： 为什么同一模型不同平台标价不一样？
A1：三个原因。一是收录时点不同，厂商可能已经调价；二是聚合平台在模型价上加收服务费，例如 OpenRouter 加约 5.5%（apirank 口径）；三是不同比价站抓取的口径不同，DeepSeek 一款模型在两家站点就出现过 0.014 美元与 0.14 美元两套收录数字。结论只有一个：以官方页当天口径为准。
Q2： 缓存命中价是怎么算的？
A2：厂商对请求中「与近期请求完全一致的前缀部分」按缓存价计费，其余部分按普通输入价计费。缓存价通常远低于普通输入价，DeepSeek 的缓存命中 $0.0028 对未命中 $0.14 就是 50 倍的差距。前缀哪怕多一个空格或版本号都可能导致未命中，稳定提示词场景要把前缀的字节级一致性当工程纪律来抓。
Q3： 怎么估算我一个月的账单？
A3：分四步。统计日均请求量与每次请求的输入输出 token 分布；区分缓存命中与未命中的比例；按三本账分别乘单价求和；最后加上平台服务费与附加项（长上下文档位、多模态折算、思考模式）。用真实请求日志估算，不要用定价页上的示例数字，更不要假设输出 token 数等于输入。
Q4： 便宜模型和贵模型差距真的大吗？
A4：单价差距极大，同一笔预算在不同模型间能买到的 token 量差 4 到 40 倍。但实际账单差距还取决于两件事：输出冗长程度（中位数 1.7 倍的差距真实存在）和缓存命中情况。重任务场景建议直接比较「单任务完成成本」，那才是有效数字。
Q5： 自部署一定更省钱吗？
A5：不一定。自托管把 token 账单换成 GPU 采购、显存、工程时间与运维成本，利用率低的集群可能比 API 更贵。一般规律是：负载稳定、规模够大、数据不能出内网，自托管才有机会划算；波动大、规模中小，直连 API 加缓存优化通常是更省心的选择。
延伸阅读
- 半价与两折：旗舰平替编程模型洗牌，谁最值？：站内 10 月 1 日旧文，回答「编程模型平替选谁」，与本文的「单价幻觉」视角互补。
- AI 价格战热点：这轮降价潮的宏观背景，为什么厂商争着把标价打下来。
- 本地部署显存 SOP：同批实操篇，自托管路线的显存估算与装机流程，算清「成本搬家」的另一半。