GPT API 定价：输入、缓存、输出与长上下文

GPT API 账单到底怎么算

GPT API 按 token 计量，而不是按请求一口价。每次调用都会把你发送的 token——系统提示词、对话历史、工具定义、检索到的文档——按输入费率计费，再把模型生成的 token 按另一个更高的输出费率计费。没有按请求收费，没有席位许可，也没有最低消费：token 数量乘以模型费率，就是一次调用的精确成本。

一个 token 大约相当于四个英文字符，约四分之三个单词。代码、JSON 和非拉丁文字的分词密度更高，所以同样字数的源码文件比散文更费 token。输出更贵的原因很机械：输入是一次性并行处理的，而每个输出 token 都要模型单独跑一遍前向计算。

这些都用不着你按字符数去估。响应里的 usage 对象会精确报告一次调用消耗了多少 token，并按费率表的计费项拆开：

"usage": {
  "prompt_tokens": 40210,
  "completion_tokens": 1834,
  "total_tokens": 42044,
  "prompt_tokens_details": { "cached_tokens": 32000 }
}

以 gpt-5.6-sol 的临时官方费率为例：输入每百万 token $4，缓存输入每百万 $0.40，缓存写入每百万 $5，输出每百万 $20。上面这次调用的成本是 8,210 × $4/M 新鲜输入 + 32,000 × $0.40/M 缓存输入 + 1,834 × $20/M 输出 = $0.08232（官方价）——在本站固定五折之后是 $0.04116。这是基于权威 usage 数字的算术，所以做预算时以 usage 对象为准，而不是以提示词字符串的长度为准。

另见： GPT-5.6 Sol vs Terra vs Luna：按任务选档，而不是按习惯

GPT-5.6 费率表：Sol、Terra、Luna

以上均为每百万 token 的价格。Sol 的临时官方促销价有效至 2026-11-21（含当日）；自 2026-11-22 UTC 起恢复标准输入 $5、输出 $30。gpt-5.6 是 gpt-5.6-sol 的别名，价格相同，并非另一套费率——在两个模型 ID 之间切换不会改变账单。

层级之间的价差是 GPT 开销里最大的杠杆。按临时费率，Terra 输入是 Sol 的 50%，输出是 60%；Luna 则分别是 5% 和 6%。把每个任务路由到能胜任它的最弱层级——分类、抽取和路由交给 Luna，日常编码和生产聊天交给 Terra，最难的推理交给 Sol——省下的钱超过任何提示词压缩手段；而五折对所有计费项一视同仁，不会改变这个排序。

缓存读取按 10%，缓存写入按 125%

当重复的提示词前缀命中提供商的缓存时，这部分 token 会作为独立的缓存输入计费项结算，费率是普通输入的 10%——促销期 Sol 上是每百万 $0.40 而不是 $4。但存储前缀并不免费：GPT-5.6 的缓存写入按普通输入的 125% 计费，促销期 Sol 为每百万 $5，所以第一次调用要付一点溢价，之后每次命中几乎免费。哪怕只重复读取一次也是赚的：1.25 倍加 0.10 倍，仍然低于两次全价输入。

• 终态 usage 对象决定哪些 token 算缓存命中；同一个 token 绝不会同时按缓存输入和新鲜输入重复收费。
• 把稳定内容——系统提示词、工具定义、大型参考文件——放在提示词最前面；缓存按前缀匹配，不按片段匹配。
• 修改缓存前缀的中间部分会让改动点之后的全部内容失效，下次调用要为这段尾巴重新支付全价输入。
• 多轮智能体自动受益：每一轮都会把累积的对话作为输入重发，未改动的早期轮次会以缓存 token 计费。

最经典的缓存杀手是提示词顶部的易变数据——时间戳、请求 ID、随机种子。把所有随调用变化的内容挪到消息列表末尾，否则每个请求都会变成一次 125% 费率的全新缓存写入，廉价读取一次也捞不到。

272K 长上下文的价格悬崖

输入超过 272K token 后，GPT 长上下文费率会对整个请求生效：输入 2 倍、输出 1.5 倍，而不只是超出边界的那部分 token。这个跳变陡到必须在规划时考虑：一个刚好低于阈值的请求和一个刚好超过的请求，成本差距远大于多出来的那点 token。

在 Sol 促销价下，270K 输入加 2K 输出的官方成本是 270,000 × $4/M + 2,000 × $20/M = $1.12。输入再多 3K token——273,000 × $8/M + 2,000 × $30/M——同一个请求就变成 $2.244。多 1% 的输入，账单大约翻倍。在越过边界之前，先裁剪对话历史、收紧检索，或者拆分任务；五折之后悬崖依然是悬崖，只是高度减半。

推理 token 按输出计费，只算一次

GPT-5.6 模型提供可调节的推理强度（reasoning effort），生成的推理内容会计入输出用量，按输出费率计费。推理 token 属于输出计费项，不会作为单独的 token 类别再收第二次——但它们是真实的输出 token，按输出价格付费，Sol 促销期官方价是每百万 $20。

这让 effort 成为模型层级之后的第二个杠杆。一个棘手的架构问题值得在 Sol 上开 max effort；一个路由或格式化子步骤则不值得。把可预测的批量任务交给 Luna 并调低 effort，每 token 费率和你要付费的不可见 token 数量会同时下降。

固定五折在哪里结算

apiToken.sale 不改变上述任何计费机制。你的请求发往一个 OpenAI 兼容端点，应答的是同样的模型 ID，usage 对象报告的也是同样的 token 计费项。改变的是结算：每次调用先被换算成精确的官方支出——输入、缓存输入、缓存写入、输出，以及适用时的长上下文倍率——然后扣除固定的 50% B2C 折扣，之后才会动你的预充值余额。没有订阅费，也没有加价；折扣本身就是定价。

控制台会记录每次请求结算后的 token 用量和精确的折后扣费，所以你可以逐次调用地用真实流量核对本文的算术，而不必等到月底对账。同一个预充值余额也按各自的官方费率表计量支持的 Claude、Gemini 和 Kimi 模型，同样享受五折。

各模型页面：完整费率表与上下文窗口 →

GPT-6 Astra：最新 GPT 模型

GPT-6 Astra 是本模型目录中的最新 GPT 模型。每百万 token 的官方新鲜输入/缓存输入/缓存写入/输出费率为 $10/$1/$12.50/$50，B2C 五折后为 $5/$0.50/$6.25/$25。Codex 最大上下文为 872K，保守输入上限为 744K，输出上限为 128K。推理强度支持 low、medium、high、xhigh 和 max。输入超过 272K 时，输入及缓存费率翻倍，输出为 1.5 倍；Fast 将适用费率再翻倍。下方 GPT-5.6 示例保留各自费率。

GPT-6 Astra →

常见问题

相关指南