先说一个很多开发者都会踩的坑：你只发了一段百字提问，结果API账单却蹭蹭往上涨。问题大概率出在Token——这个模型世界的"计价单位"上。Token，你千万不要把它理解成"字数"。它是模型阅写的最小语义单元，每个单元都是按真实价格来收费的。

更关键的是，输入和输出分开算钱，而且输出单价往往是输入的2到5倍。如果再叠加上多轮对话不裁剪历史、直接上传整份PDF、或者让AI处理代码这些操作——那Token消耗的增速，恐怕会让你心脏漏跳一拍。

Token到底是什么？先破除字数幻觉

当你打开一段中文，比如"请总结这份合同的关键条款"，模型并不会按汉字一个一个去读。它首先会让Tokenizer分词器登场，把这句话切成若干语义小块："请"、"总结"、"这份"、"合同"、"的"、"关键"、"条款"。是的，这些小块就是Token。别小看标点、空格、换行、emoji，甚至系统提示里那个不起眼的冒号——它们通通会被算成一个独立的Token。哪怕只是多敲一个回车，也会多算1个Token。

值得注意的是，不同模型的切割方式也各不相同。同样是"人工智能"，Qwen可能切成2个Token，GPT-4o则可能切成3个；再比如英文单词"unbelievable"，BPE算法会把它拆成"un"、"believe"、"able"三块。肉眼根本无法判断，唯一的验证方法是用官方Tokenizer工具跑一遍。

费用怎么算？输入和输出分开扣钱

几乎所有的商用大模型API都采用的是双向计费模式：你传给模型的所有内容（输入Token）和模型吐出来的所有内容（输出Token），各自独立计价。最后相加，才是你单次调用的总费用。

计费公式其实非常简单：单次调用总费用 = （本次有效输入Token数量 × 输入单价） + （本次有效输出Token数量 × 输出单价）。

重点要强调的是输出单价——它普遍是输入的2到5倍。举个例子，GPT-4o的输入是$2.50/百万Token，输出却是$10.00/百万Token，倍率高达4.0x；而Claude 3.5 Sonnet的输出单价更是直接飚到了输入的5倍。如果只看输入便宜就贸然开干，等账单来了你会发现，输出那部分才是真正烧钱的地方。

哪些操作偷偷吃掉大量Token？

方法一：多轮对话不裁剪历史上下文
假设第1轮对话只消耗了800 Token，而走到第5轮时，累积的对话历史就膨胀到了3500 Token；到了第10轮，更是高达6500 Token。原因很简单：每一轮都会把前面所有的对话历史重新塞给模型。如果不手动截断历史消息，就等于在反复为已经读过的内容重复付费。

方法二：上传整份PDF让AI读取
一份10页、内嵌图表和复杂格式的PDF，经过OCR识别后，文本量通常超过5万字。国产模型大约是1汉字等于0.6 Token，国际模型则达到1汉字约等于1.8 Token。按最低估算，光是输入部分就可能吃掉9万Token——这还不算AI开始回复之后的输出账单。

方法三：让AI处理代码或JSON结构体
代码和JSON是隐形的Token黑洞。每个括号、每个分号、每一个缩进空格，全都要单独计费。一段只有20行的Python函数，实际Token数很可能是一段等长中文的4倍；再加上调试时反复提交修改版，相当于每次都要为全量输入+输出付出真金白银的成本。

实测对比：同样一句话，在不同场景下Token差异

第一步：用官方Tokenizer工具加载Qwen-Max模型。
第二步：输入纯文本"你好，请帮我看下附件合同是否合规"，得到输入Token数：28。
第三步：改写为带系统指令的Prompt："你是一名资深法律顾问，请逐条核对以下合同文本，指出所有法律风险点，并用表格形式输出结论。合同正文：[粘贴2000字合同]"——输入Token瞬间飙升至3260。
第四步：执行后AI返回800字分析报告，输出Token为510（国产模型的压缩效率确实较高）。
第五步：换用GPT-4o重跑同任务，输入Token升至5980，输出Token高达2100，总消耗接近翻了近三倍。

看完这组数据，你应该能明显感受到：同样是对话，变量稍作调整，Token消耗的差距便是天壤之别。理解Token的消耗逻辑，才是控制API成本的第一道门槛。