乐于分享
好东西不私藏

AI工具的使用成本

AI工具的使用成本

最近各个公司都开始收紧大家的AI token额度,因为投入产出比不对,大家都在消耗大量的token去做一些无关痛痒的事情。

有没有一个简单的评估方式?让使用者大致了解投入产出比?

由于所有模型都是按token作为单位进行计费的,我们就来简单拆解下:

01

—

Token消耗拆解

我们拆解一个简单的例子:

第二轮模型输入70+76字为第一轮对话的内容,模型需要对本轮对话的所有内容做分析(上下文),才能给出正确答案。

02

—

Token成本拆解

一个汉字/单词,我们按2个Token来做估算。

输入和输出的价格不同,越专业的模型,输出的价格越高。

注:下方表格中T表示Token

分类
模型名称
输入(元/千T)
输出(元/千T)
场景
轻量化经济型
Qwen-Turbo、DeepSeek V4 Flash、Moonshot-v1-8k
0.012 ~ 0.02
0.012 ~ 0.05
低成本批量处理摘要、翻译、简单问答
中端通用主力
Qwen-Plus、ERNIE 4.0、GLM-4-Air
0.08 ~ 0.12
0.20 ~ 0.24
日常办公写方案、公文、客户对话与基础代码
高端旗舰专业
Qwen-Max、GPT-4o、Claude 3.5 Sonnet
0.07 ~ 1.00
0.35 ~ 3.00
复杂推演、合同审核、专业深度报告等高价值工作

我们按轻量化模型运行,价格取该区间的中间值,那么刚才2轮对话的费用为:

轮次
类型
字数
Token 
单价(元/千T)
费用 (元)
合计 (元)
第一轮
模型输入
70
140
0.016
0.00224
0.016748
模型输出
76
152
0.031
0.004712
第二轮
模型输入
186
372
0.016
0.005952
模型输出
62
124
0.031
0.003844

03

—

Token成本举例

场景分类
计费逻辑
Token 计算
纯文字对话
输入提问 + 输出回答,分开计价
中文 1 字≈2Token,输入、输出分别统计
图片理解(看图问答)
图片转视觉 Token 计入输入,
提问文字算输入,
AI 回答算输出
448×448 低清图固定 256Token
1024×1024 高清图约 930Token
文生图(AI 画图)
提示词算输入 Token,生成图片的视觉 Token 算输出,输出单价上浮
生成图片按像素算输出视觉 Token
视频理解(视频解读)
视频每帧转视觉 Token 计入输入,提问文字算输入,AI 解读算输出
单帧 448×448 图 = 256Token
总视觉 Token = 帧数 × 单帧 Token
文生视频(AI 生成视频)
文案提示词算输入 Token,生成视频的帧序列 Token 算输出,输出单价大幅上浮
视频总 Token = 时长 × 帧率 × 单帧 Token
AI 音乐生成
作曲提示词算输入 Token,
生成音频的波形 Token 算输出
10 秒音乐≈1000 音频 Token
AI 制作 PPT
多轮文本交互,
需求文案算输入,
大纲 / 每页内容算输出
所有文本按中文 1 字≈2Token 换算
AI 电脑自动化(小龙虾操作电脑)
每一步操作都是一轮对话,
桌面截图算输入视觉 Token,
操作记录算输入,
动作指令算输出
单步截图 448×448=256Token,
历史操作 / 动作指令按 1 字≈2Token

从这个表格中看到,图片是按像素计算token,

视频是按帧拆成图片计算token,

电脑自动化是按桌面截的图片计算token。

04

—

如果在使用前计算投入产出比?

现在,我们就可以按计算投入产出比。

我的主要AI对话内容是文字和图片。

假设每一轮对话都包含刚才的保温杯类似内容,再加一张高清图片。

每个月100块的预算,可以实现3630次。

相关学习资料