定价指南

最后更新:2026 年 3 月 · 价格核实于 2026 年 3 月

2026 AI Token 定价对比:Claude vs GPT vs Gemini — 完整成本指南

2026 年,最便宜与最昂贵的 AI 模型之间价差超过 100 倍。取决于你选择哪个模型、提示词写得多高效,单次 agent 会话的成本可以在 0.02 美元到 45 美元之间浮动。本指南拆解每个主流模型的定价,对比真实的按任务成本,并展示 token 优化如何把经济账扭转到对你有利的一边。

理解 AI Token 定价

在对比具体模型之前,值得先弄清 AI token 定价的实际运作方式。所有商用 LLM 都按 token 计费——token 是文本的小单位,大约对应四分之三个英文单词。单词 "understanding" 是两个 token,短语 "Please help me write a function that" 是九个 token。一段典型的自然语言段落大约是 60 到 100 个 token。

价格按每百万 token(MTok)报价,每个模型有三个需要区分的价格点:

输入 Token(提示词价格)

输入 token 是你发送给模型的内容:指令、上下文、对话历史、系统提示词,以及你附上的任何文档或代码。这是模型读取你提示词的费用。输入价格几乎总是低于输出价格,因为读取的计算成本低于生成。对大多数工作流来说,输入 token 的数量远超输出——一条典型提示词可能是 2,000 个 token,回复只有 500 个。在 Claude Code 或 Cursor 这类带工具的 agent 会话中,这个比例还会进一步倾斜:模型为了生成每一次简短的工具调用,都要读取数千行代码上下文。

输出 Token(生成价格)

输出 token 是模型针对你的提示词生成的内容,包括实际的回答、写出的代码、推理过程,以及工具调用参数。输出 token 更贵——通常是输入价格的 3 到 5 倍——因为生成需要串行计算:每个输出 token 都依赖之前的所有 token,天然比输入侧的并行处理更昂贵。对编程任务来说,输出成本常常主导账单,因为模型会生成冗长的代码块、解释说明和多步工具调用序列。

缓存读取价格

缓存价格是最新、影响也最大的维度。当你在多次请求中发送相同的前缀(系统提示词、对话历史或文档上下文)时,提供商可以缓存首次请求的 KV(键值)表示并在后续请求中复用。缓存的输入 token 便宜得多——通常比标准输入价低 90%。Anthropic、OpenAI 和 Google 现在都提供某种形式的提示词缓存,只是实现方式各异。对每一轮都要重发相同上下文的 agent 会话而言,真正决定成本的是缓存价格。一次 200K token 的 agent 会话,如果每轮输入的 90% 命中缓存,实际花费只是牌面输入价的一小部分。

完整定价表:所有主流模型(2026 年 3 月)

下表列出了通过商用 API 可用的各主流模型当前的每百万 token 定价。价格单位为美元。

模型	输入 / MTok	输出 / MTok	缓存读取 / MTok	上下文窗口
Anthropic (Claude)
Claude Opus 4	$15.00	$75.00	$1.50	200K
Claude Sonnet 4	$3.00	$15.00	$0.30	200K
Claude Haiku 3.5	$0.80	$4.00	$0.08	200K
OpenAI
GPT-4o	$2.50	$10.00	$1.25	128K
GPT-4o-mini	$0.15	$0.60	$0.075	128K
o1	$15.00	$60.00	$7.50	200K
Google (Gemini)
Gemini 2.0 Flash	$0.10	$0.40	$0.025	1M
Gemini 1.5 Pro	$1.25	$5.00	$0.3125	2M

价差惊人。发送 100 万个输入 token,在 Gemini 2.0 Flash 上花 0.10 美元,在 Claude Opus 4 或 o1 上要 15.00 美元——相差 150 倍。输出价格的跨度类似:Gemini Flash 每 MTok 0.40 美元,Claude Opus 4 则是 75.00 美元,相差 187 倍。这不是可以忽略的边际差异。给任务选错模型,或把不必要的冗长提示词发给昂贵的模型,能把一个 0.50 美元的工作流变成 50 美元。

缓存价格缩小了多轮工作流的差距,但没有消除它。Claude Opus 4 的缓存输入价 $1.50/MTok,仍是 Gemini Flash 缓存价 $0.025/MTok 的 60 倍。模型选择的经济账会在 agent 会话的每一轮上复利放大。

按任务的成本拆解

裸的每百万 token 价格很难有直观感受。真正重要的是一个真实任务到底要花多少钱。以下是三个常见场景在各模型上的具体成本,按典型的输入输出比例估算。

Agent 会话这一列才是数字变得真实的地方。一位每天跑 10 次 Claude Opus 4 agent 会话的开发者,每天在 API token 上就要花 67.50 美元,一个月约 1,350 美元。同样的会话换成 Sonnet 4,每月 270 美元;换成 Gemini 2.0 Flash,月账单降到 8 美元。这些不是假想的推演——它们反映的是 2025 年至 2026 年间开发者使用 Claude Code、Cursor 等 agent 工具的真实用量模式。

简单问答与 agent 会话之间的成本鸿沟,说明了为什么上下文窗口越大,单 token 效率就越呈指数级重要。提示词很短时,模型选择几乎无所谓——就算是 Opus 4,回答一个小问题也只要 0.02 美元。但当你在一次 40 轮编程会话的每一轮里都塞进 200,000 个 token 的上下文时,提示词里每一个浪费的 token 都被放大了 40 倍,模型之间的价差也就成了一杯咖啡与一期车贷的区别。

大多数开发者忽视的隐性成本

定价表告诉你每个 token 多少钱,却不会告诉你浪费了多少 token。实际上,大多数开发者在 token 上的花费比必要水平高出 30-50%,而浪费的来源往往并不显眼。

上下文窗口浪费

Agent 框架每一轮都会重发完整的对话历史。到第 20 轮,模型在重读它早已处理过的 19 轮上下文。如果你早期的提示词写得啰嗦,这份啰嗦现在正在每一次后续请求中被反复计费。第 1 轮里一条本可以 60 词却写了 100 词的提示词,那多出的 40 词要乘以会话剩余的每一轮。在一次 40 轮的 Opus 4 会话中,第 1 轮里一段不必要的冗长文字就能给总账单添上好几美元。

重复 API 调用

Agent 会话经常发出冗余的 API 调用:模型把同一个文件读两遍、同一条搜索再跑一次,或因为忘了自己已经取过数据而用相同参数再次调用工具。每次重复调用都会把完整的上下文窗口连同工具结果再过一遍模型。Terse 的 agent 监控器常规检测到会话中 5-15% 的工具调用属于重复,每一次都要为重读完整上下文付输入 token、为重复的响应付输出 token。

冗长的提示词

人写的提示词充满了花 token 却不加信息的模式。"I would really appreciate it if you could please" 与 "Please" 传达的指令完全相同——而 "Please" 本身与什么都不写也一样,因为 LLM 不需要客套就能给出好结果。LLMLingua(EMNLP 2023)的研究量化了这一点:典型提示词包含 40-70% 的冗余 token。含糊措辞("I think maybe")、赘词("basically"、"actually"、"just")、元语言("what I'm trying to do is")和过度限定,都在消耗模型处理时直接忽略的 token。

错别字引发的重试循环

一个拼错的变量名、一个不正确的函数签名,或一条含混的指令,都可能让模型产出错误结果,进而引发一轮追加纠正——把整个上下文窗口再发送一遍。在 Opus 4 上,一次由错别字引发的、上下文为 100K token 的重试,光输入 token 就要 1.50 美元。错别字本身也许只有两个字符——但重试的代价是整个上下文窗口被重新处理一遍。在提示词发送之前、在入口处做拼写纠正,可以把这一整类浪费彻底消除。

Markdown 与格式开销

许多提示词里塞满了 Markdown 标题、项目符号、加粗标记等格式字符——它们对阅读提示词的人有意义,对处理提示词的模型却无关紧要。一条充斥着 **bold**、### headers 和 - bullet points 的提示词,可能把 5-10% 的 token 预算花在格式字符上。去掉它们,模型的输出同样出色。

Token 优化如何改写这笔账

上面描述的隐性成本并非不可撼动。通过 token 优化——在提示词发送给模型之前进行压缩,去除冗余、保留模型真正需要的指令——它们可以被系统性地削减。

Terse 应用一条在本机运行、耗时不到 5 毫秒的 7 级优化管线。它对成本的影响相当可观,并会在 agent 会话中复利放大。以下是各类任务在使用 Terse Normal 模式(削减 25-40%)前后的数字对比:

场景	模型	使用 Terse 前	使用 Terse 后(削减 30%)	节省
简单问答(500 token)	Opus 4	$0.0225	$0.0158	$0.007
简单问答(500 token)	GPT-4o	$0.0033	$0.0023	$0.001
代码评审(5K token)	Opus 4	$0.150	$0.105	$0.045
代码评审(5K token)	Sonnet 4	$0.030	$0.021	$0.009
Agent 会话(200K token)	Opus 4	$6.75	$4.73	$2.02
Agent 会话(200K token)	Sonnet 4	$1.35	$0.95	$0.40
Agent 会话(200K token)	GPT-4o	$1.00	$0.70	$0.30
Agent 会话(200K token)	o1	$6.00	$4.20	$1.80

就单次请求而言,一个简单问题上的节省看起来微不足道。但 agent 会话中的复利效应让数字变得可观。一位每天跑 10 次 Opus 4 agent 会话的开发者,每天省 20.20 美元,每月省 404 美元。一支五人开发团队,每月就是 2,020 美元——足以覆盖额外的工具、基础设施,或直接把 AI 预算砍掉四分之一。

节省还会进一步复利,因为 token 优化抑制了上下文窗口的增长。当第 1 到第 10 轮的提示词缩短 30% 时,第 11 到第 40 轮重发的累计上下文也随之缩短。一次 40 轮会话的实际节省通常比线性的 30% 再高 5-10 个百分点,因为压缩会沿着对话历史层层传导。

在 Aggressive 模式(削减 40-60%)下,节省大致翻倍。习惯了电报式提示词——更短、更直接、剥离所有赘料——的开发者,可以把 Opus 4 agent 会话的成本从 6.75 美元压到 3.00 美元以下。到那时,Opus 4 与 Sonnet 4 之间的成本差距已经小到:对于确实能体现质量差异的任务,直接选更强的模型也变得合理。

你该用哪个模型?

模型选择取决于两个因素:你在做什么,以及你愿意花多少钱。以下是一个基于任务类型和预算敏感度的决策框架。

基本原则很简单:用能为你的任务产出可接受结果的最便宜模型。对大多数编程工作流,Claude Sonnet 4 或 GPT-4o 在能力与成本之间的平衡最好。Opus 4 和 o1 留给它们更强的推理确实能带来可度量提升的任务——复杂的架构决策、隐蔽的 bug 分析,或换成便宜模型就得多次重试(重试本身也要花 token)的多文件重构。

对于数据处理、分类和提取这类高吞吐工作,Gemini 2.0 Flash 和 GPT-4o-mini 独一档。分别以每百万输入 token 0.10 和 0.15 美元的价格,它们让那些在前沿模型上贵得离谱的任务变得经济可行。质量差距是真实存在的——这些模型在复杂推理上比不了 Opus 4——但对于结构清晰、定义明确的任务,它们能以极小的成本达到相近的表现。

还有一个重要的考量:最便宜的模型未必是最便宜的选择。如果一个廉价模型要两次尝试才能得到正确答案,而更贵的模型一次就对,那廉价模型实际反而更贵。每次重试都要重发完整的上下文窗口。在一次 100K token 的 agent 会话中,Sonnet 4 上的一次重试要 0.30 美元的输入 token。如果更贵的 Opus 4 避免了那次重试,你为 Opus 4 输入价多付的 0.15 美元就被抵消了。真正的成本指标不是每 token 的价格,而是每个成功结果的价格。

无论用什么模型,Terse 都能帮上忙

Token 优化与模型无关。不管你把提示词发给 Opus 4、GPT-4o-mini 还是 Gemini Flash,里面的冗余都同样存在。Terse 之所以对所有模型都有效,是因为它工作在提示词层面——在文本到达任何 API 之前。

通用压缩

Terse 的优化管线处理的是纯文本。它不依赖任何模型的分词器、API 格式或定价结构。无论提示词发往 Anthropic、OpenAI 还是 Google,压缩的应用方式完全一致。赘词就是赘词,不管终点是哪个模型;含糊措辞在每家提供商那里都要花 token。Terse 在 Normal 模式下实现的 30-40% 削减,会在任何模型、任何价位上直接转化为 30-40% 更少的计费 token。

节省随价格同步放大

优化的美元价值与模型价格成正比。在 Gemini Flash 上削减 30%,每百万 token 省 0.03 美元;同样的 30% 在 Opus 4 上,每百万 token 省 4.50 美元——同一次优化,美元收益放大 150 倍。这意味着 Terse 在最贵的模型上回本最快,而这些模型恰恰是开发者最不愿在质量上妥协的。与其从 Opus 4 降级到便宜模型,不如继续用最好的模型,通过压缩提示词来降低它的实际成本。

Agent 会话监控

在提示词压缩之外,Terse 的 agent 监控能力让你实时看清 token 都去了哪里。监控面板跟踪每个 agent 会话的输入 token、输出 token、缓存命中、工具调用和累计成本;标记重复工具调用,检测冗余文件读取,并在上下文占用超过 85% 时发出警报。这些洞察帮你优化的不只是提示词,而是整个工作流——找出 agent 浪费 token 的模式,进而调整做法,或更新你的 CLAUDE.md 规则,让浪费不再重演。

跨会话的复利效应

大多数开发者每天跑的不是一次 agent 会话,而是五次、十次、二十次。Token 优化的节省在会话之间线性累积,在单次会话内部(由于上下文窗口重发)则指数放大。一位用 Terse 优化提示词、每天跑 10 次 Sonnet 4 agent 会话的开发者,大约每天省 4.00 美元、每月省 80 美元、每年省 960 美元。换成 Opus 4,同样的用量模式每天省 20 美元、每月 400 美元、每年 4,800 美元。团队的话,按人数相乘即可。

算术很简单,含义却很重大:对在意成本的开发者来说,token 优化不是可有可无的点缀。按 2026 年当前的价格水平,它是直接作用于你 AI 预算的一项输入,并随你运行的每一次会话复利增长。

延伸阅读

探索更多降低 AI 成本的指南与技术:

• Terse 首页 — 本机 token 优化器与 agent 监控器概览
• 文档 — 安装、配置与使用指南
• 什么是 Token 优化? — 提示词压缩及其原理入门
• 如何降低 AI API 成本 — 模型选择之外的实用策略
• LLMLingua 与提示词压缩 — token 优化背后的研究
• 模式优化 — 20 多条确定性压缩规则
• 电报式压缩 — Aggressive 模式的最大化压缩