大模型 API 月度成本案例

一、估算方法（三个场景共用）

场景一：聊天机器人 / 在线客服

场景假设：单轮输入含系统提示词与近期历史（约 1,200 Token），回复简短（约 300 Token）；客服类应用调用高频，取日均 2,000 次。系统提示词稳定，缓存命中率取 40%。成本结构：调用次数是被放大器，轻量低价档优势明显。

计算假设：日均 2000 次 · 单次输入 1200 / 输出 300 Token · 缓存命中率 40% · 错峰低谷价 · 每月 30 天。月成本 = 调用 × 30 ×（输入 ÷ 1,000,000 × 有效输入价 + 输出 ÷ 1,000,000 × 输出单价）；分档模型按 1200 Token 自动选档，未公开费率的档位如实标注无法估算。

场景二：RAG 知识库问答

场景假设：检索出的知识片段随提示词注入，单次输入约 10,000 Token；答案简短（约 500 Token）；日均 300 次问答。系统提示词与知识库前缀稳定，缓存命中率取 60%。成本结构：输入项占主导，缓存价与命中率是决定性变量。

计算假设：日均 300 次 · 单次输入 10000 / 输出 500 Token · 缓存命中率 60% · 错峰低谷价 · 每月 30 天。月成本 = 调用 × 30 ×（输入 ÷ 1,000,000 × 有效输入价 + 输出 ÷ 1,000,000 × 输出单价）；分档模型按 10000 Token 自动选档，未公开费率的档位如实标注无法估算。

场景三：编码 Agent

场景假设：每次任务携带代码上下文与工具输出（约 6,000 Token），产出补丁与解释（约 1,500 Token）；日均 100 个任务。上下文随任务变化大，缓存命中率保守取 20%。成本结构：输出项权重高，输出单价差异直接拉开差距。

计算假设：日均 100 次 · 单次输入 6000 / 输出 1500 Token · 缓存命中率 20% · 错峰低谷价 · 每月 30 天。月成本 = 调用 × 30 ×（输入 ÷ 1,000,000 × 有效输入价 + 输出 ÷ 1,000,000 × 输出单价）；分档模型按 6000 Token 自动选档，未公开费率的档位如实标注无法估算。

二、场景间怎么对比（事实性观察）

三、敏感性示例：缓存命中率如何改变 RAG 账单

以场景二（RAG，日均 300 次、输入 10,000 / 输出 500 Token、错峰低谷价）为例，保持其余假设不变，只调整缓存命中率， 观察同一口径下各模型估算月成本的变化。下表由构建脚本按同一公式生成——这不是行业调查或用户统计， 而是演示"命中率"这一个变量对预算的影响量级的示例假设。

读表：缓存价越低的模型（如 DeepSeek V4.1 Flash 低谷缓存价 ¥0.02/百万），命中率提升带来的降幅越大；未公开缓存价的模型（如 MiniMax M3）输入按未命中价计，命中率变化不改变估算——这正是"先确认官方是否公开缓存价"的价值。美元模型保留 $ 原价并按参考汇率（1 USD = 6.718 CNY（中国外汇交易中心中间价 2026-10-23））折算。

四、数据来源与限制

五、下一步