月底对账，一家做客服机器人的小团队发现账不对劲。上个月的模型账单是 400 多块，这个月跳到 1300 多。
可调用次数只多了一成不到。老板先想到的是被多收了，把账单拍给技术，让他去问平台。
技术翻了两天的用量记录，找到了原因。这个月产品提了个需求：回答别那么干巴，多解释两句，再分成三段。
于是每条回答从一百多字变成了四百多字。次数没怎么变，字数翻了几倍，账单跟着上去了。
那个"按字数收费"，到底是怎么算的？
一句话原理
大模型不认字，只认 token。你打出去的每个字，先被切成 token，模型按 token 的个数干活，也按 token 的个数收钱。
一个 token 大致是半个到一个汉字，或者三四个英文字母。所以收费的单位不是字数，是模型干活的那一份一份。
像手机流量。看视频费流量，发消息省流量，账按 G 算，不按你看了几个视频算。token 就是这个流量，只不过它分成两档：你发过去的，和模型回给你的。
如果只记一句：token 就是模型眼里的"字"，它按这个字收钱。
一个具体例子
假设一次请求，你输入 2000 个字，模型输出 500 个字。
先看输入。2000 个字大概能切成 2600 个 token，各家切法不同，这里先按 2600 算。
再看价格。假设这家平台输入 1 元一百万 token，输出 4 元一百万 token。
输入这一份：2600 除以一百万，再乘 1，是 0.0026 元，也就是四分之一分钱。
输出贵四倍：500 个字大概 650 个 token，乘以四块，也是 0.0026 元。
一次问答合计 0.0052 元，半分钱。一个团队一天两千次，一个月六万次，三百块出头。
现在把回答从 500 字改到 1500 字。输入那 0.0026 元不动，输出变成 0.0078 元。一次从半分涨到一分，月账单从三百变六百。
要是再把提问从 2000 字堆到 6000 字，塞一堆参考资料进去，输入也变成 0.0078 元。一次一分半，月账单往九百走。
怎么证明？看平台后台的用量记录，输入和输出是分开列的。拿那段话再用分词器数一遍，两个数对得上，账就是对的。
一个小闭环
一，切词。输入是你打的那段话，动作用分词器切成 token，输出是一串编号。少了这步，模型拿到一堆字符，没法算。
二，发请求。输入是那串编号、base_url（接口地址）和 API key（调用凭证），动作是发出去，输出是服务端收下。少了这步，地址或凭证错一个字，请求根本到不了。
三，计 token。输入是请求内容和返回内容，动作是先把输入数清、再边生成边数输出，输出是一条用量记录。少了这步，账对不上，也说不清贵在哪。
四，出结果。输入是编号，动作是一个一个往外吐 token，再拼回文字。少了这步，你只看到用量，看不到答案。
五，对账。输入是平台用量和当月账单，动作是按单价核一遍，输出是这一次花了多少。少了这步，下个月还是不知道为什么涨。
三条技术确认点
一，确认输入和输出是不是两个价。多数平台输出比输入贵两三倍，还有一档缓存命中价，就是重复的开头被记住、按低价算。接之前把三档价格问全。
二，确认一个字算几个 token。中文的分词各家不同，同一个词，有的切一刀，有的切两刀。上线前拿自己的真实语料跑一百条，估出一次调用平均吃掉多少 token。
三，确认走中转时按谁的价算。地址换成中转的，计费也可能换一套，常见的是官方价乘一个倍率。先问清倍率和结算单位，别拿官方单价去对中转账单。
常见误区
看起来按字数收费，其实按 token。标点、空格、换行都算，一个表情符号能顶好几个。
看起来输入输出一个价，其实输出最贵。输入是一次算完的，输出得一个一个往外挤，每挤一个都要把模型跑一遍。
看起来问得多才花钱，其实问得长更花钱。上下文（这次对话里模型能看到的全部内容）越长，每一轮通常都要重读一遍，钱是按读了多少算的。
回到开头
那 1300 块的账单没被多收。是回答从一段变成三段，输出翻了倍，而输出恰好是最贵的那一档。
他们后来改了两处：提示词里写上"三句话内说完"，参考资料从全部塞进去改成只挑相关的两段。账单回到五百以内。
token 就是模型眼里的字。调模型时真正花钱的，是进去了多少字，和出来多少字，尤其是出来的。
Token工厂：贰号token工厂
主流大模型 API token 统一接入、统一计费，改个地址就能用。
点这里看详情 →