最便宜的 LLM API：比較 token 價格與工作負載成本

2026-10-19作者：Nicho

GLM-5.3-Flash 在下方五個模型的 CheapAIModel 比較中，計算出的 token 成本最低。這讓它成為成本導向評估的合理候選，但不是每個應用程式的自動贏家。

真正有用的問題是：在計入輸入、輸出、快取和失敗嘗試之後，你的工作負載成本是多少。當你的應用程式會產生冗長回答時，較低的輸入費率就沒那麼重要。較低的快取讀取費率只有在請求真的命中快取時才有幫助。

本指南採用 2026 年 10 月 26 日查核的公開價格，以及明確的 token 假設。這些是計算結果，不是實測效能基準，也不是對你帳單的承諾。這份比較涵蓋查核當日 CheapAIModel 上列出的五個模型，並非市面上所有 API。

先從三種 token 價格開始

表格採用 CheapAIModel 顯示的每百萬 token 美元價格。「輸入」指未快取的輸入；快取讀取另外計算。價格依顯示精度重現，方便你重新計算範例。購買或調整正式環境流量之前，請先查看即時定價頁面。

模型	未快取輸入 / 1M	輸出 / 1M	快取讀取 / 1M
GLM-5.3-Flash	$0.104676	$0.348919	$0.020935
Grok 4.7	$0.198958	$0.596874	$0.049740
DeepSeek-V4.1-Flash	$0.209351	$0.837404	$0.004187
GLM-5.3	$0.976972	$3.070483	$0.181438
Kimi K3	$2.093511	$10.467555	$0.209351

不要把閘道器的費率當成模型開發商的通用價格。同一個名稱的模型，可能因為你存取的地點和方式不同，而有不同的計費條件。

對於沒有快取命中的請求，計算方式是：

Token 成本 = 輸入 token 數 / 1,000,000 × 輸入費率 + 輸出 token 數 / 1,000,000 × 輸出費率。

以下兩個情境刻意固定 token 數量。它們只呈現價格本身的影響。它們不代表各模型之間的 token 化方式、回答長度或品質相同。

這些是輸入／輸出的小計，於計算後四捨五入。它們不含稅金，也不含任何另行計費的快取、工具、儲存或其他服務。它們也不含超出上述總數的重試 token。

例如，GLM-5.3-Flash 的支援情境是 15 × $0.104676 + 4 × $0.348919 = $2.965816。這段算術完全無法證明它能解決多少客戶對話。若要為實際服務編列預算，請測量每段對話的 token 數，以及符合你驗收標準的比例。

對於有快取的請求，請把輸入拆成快取未命中和快取命中。不要對同一筆快取輸入重複計費：

token 小計 = 未快取輸入 × 輸入費率 + 快取輸入 × 快取讀取費率 + 輸出 × 輸出費率，其中所有 token 數量都以百萬為單位表示。

假設總輸入 token 為 225M、輸出 token 為 22.5M。假設快取命中占比為 80%，代表未快取輸入為 45M、快取輸入為 180M。套用表列費率後，DeepSeek-V4.1-Flash 的 token 小計為 $29.02，Grok 4.7 則為 $31.34。

這會讓它們在未快取範例中的順序反轉。80% 這個數字是情境假設輸入，不是實際觀察到或保證的命中率。在以此編列預算之前，請檢查實際用量紀錄，並確認哪些前綴符合資格、它們會快取多久，以及寫入或儲存是否會產生額外費用。

供應商特定的規則在這裡很重要。Kimi 的計費文件說明了 K3 模型有獨立的快取寫入費用。這並不代表第三方閘道會如何計費。請確認閘道本身的處理方式，而不是把直接供應商的假設套用到閘道估算中。

折扣只有在有明確基準的情況下才有意義。三項檢查可以避免誤導性的比較：

使用時間。DeepSeek 的直接 API同時列出尖峰與離峰費率。其 Flash 離峰費率為每百萬 token 未快取輸入 $0.15、快取輸入 $0.003、輸出 $0.60。這些費率低於上方顯示的 CheapAIModel Flash 費率。如果你的工作負載能在彈性時間執行，請查看官方時程。
請求大小與服務。Grok 4.7 的官方頁面標示超過 200K 上下文時有不同的定價，並連結到另行計費的工具。基本費率比較不應默默代表所有請求大小或啟用工具的工作流程。
產品類型。Z.ai 的 API 價目表與 Kimi 的計費指南說明的是特定 API 費用。請將 API 工作負載與 API 條款比較，而不是與無關的聊天會員或程式訂閱比較。

從你的應用程式必須處理的任務建立一組小型評估集。在執行之前先定義成功：有效的分類、有依據的回答、通過測試或其他可觀察的結果。對所有候選項目使用相同的任務集，並記錄設定差異。

對每個候選項目，追蹤總支出、成功任務數、重試次數、延遲與人工修正。一個有用的業務指標是總評估支出除以可接受的結果。將失敗的嘗試計入分子。否則，一個經常需要重試的模型可能看起來比實際更便宜。

從可能符合你需求的最低價模型開始。當測得的失敗或修正成本足以證明時，再改用另一個候選項目。較高的價格並不證明品質較高，而這項價格比較並未評比程式能力、可靠性或回應速度。

當品質達到可接受的水準後，減少不必要的上下文、在適當處限制回答長度，並測試對快取友善的提示結構。一次只改變一個變數，這樣才能判斷省下的成本是來自模型、提示還是減少的輸出。

使用模型目錄篩選出支援的候選項目，然後查看它們目前的費率和你所需的能力。若想了解特定模型的計費細節，請繼續閱讀 DeepSeek 定價指南或 Kimi API 指南。

準備好測試時，請依照開發人員文件操作，執行一小段具代表性的工作負載，並將產生的用量與你的估算比較，再提高流量。