按量计费说明

Modelink AI 大模型推理服务按模型和能力的实际用量计费。不要把所有请求都简单理解为“请求次数 × 单价”：文本和多模态理解通常按 Token 计费，图片生成可能包含图片输出 Token，视频生成通常还会受到生成时长、分辨率、帧率或质量档位影响。最终费用以模型广场、价格页和请求返回的用量字段为准。

本文中的示例用于说明对账方法，示例单价不是 Modelink 的统一价格。不同模型、协议、区域和供应商资源池可能有不同计费项。

先判断计费单位

接入一个模型前，先确认它属于哪一种计费方式：

能力类型	常见计费量	实际会影响费用的因素
文本对话、代码、推理	输入 Token、输出 Token，部分模型还会单列思考 Token	上下文历史长度、输出上限、思考级别、工具定义和工具结果
图片理解	文本输入 Token、图片输入 Token、输出 Token	图片数量、尺寸或 detail、图片压缩方式、提示词和输出长度
视频理解	文本输入 Token、视频输入 Token、输出 Token	视频时长、抽帧 FPS、分辨率、截取区间、提示词和输出长度
音频理解	音频输入对应的模型计费量、文本输入/输出 Token	音频时长、采样或转写设置、说话人和翻译任务、输出长度
图片生成	文本输入、图片输入和图片输出对应的模型计费量	输出尺寸、质量、数量、参考图和模型版本
视频生成	模型规定的生成计费项，常见为时长、分辨率、质量或任务档位	生成时长、输出尺寸、帧率、音频、参考素材和重试次数

这里的“Token”不只指用户输入的文字。图片、视频、音频和文件会先由目标模型转换成它能处理的计费表示，因此同一个文件在不同模型上的计费量可能不同。视频理解还可能根据 FPS 和分辨率产生明显不同的输入 Token；只截取需要分析的时间段，通常比上传整段视频更容易控制成本。

文本和多模态理解

对按 Token 计费的模型，可以按计费项分别核算：

请求费用 = 输入费用 + 输出费用 + 思考费用 + 缓存写入费用 + 缓存读取费用

不是每个模型都会返回或使用全部计费项。没有思考或缓存时，对应项就是零；价格表没有单独列出的项不要自行重复计算。

某计费项费用 = 该计费项数量 / 计价单位 × 该项单价

例如，某模型的输入单价为 1 元 / 百万 Token，输出单价为 4 元 / 百万 Token。一次请求返回 12,000 个输入 Token 和 2,000 个输出 Token，则：

输入费用：12,000 / 1,000,000 × 1 = 0.012 元
输出费用：2,000 / 1,000,000 × 4 = 0.008 元
本次推理费用：0.020 元

如果返回中另有思考 Token、缓存写入 Token 或缓存读取 Token，应使用价格表中对应的单价继续相加。max_tokens 或类似参数是上限，不等于一定会产生这么多输出 Token；实际生成多少，应以响应中的 usage 为准。

图片、视频和音频

图片理解

图片会参与模型输入计费。图片数量、尺寸、清晰度档位和模型实现都会改变输入计费量；同一张图片换一个模型，不应继续沿用原来的 Token 估算。图片理解还会叠加问题文本和模型输出的费用。

图片生成也不只是“调用一次”的固定价格。部分模型会把图片输出折算为输出 Token，尺寸和质量越高，输出计费量可能越大；部分模型会直接按图片质量和尺寸给出价格。应以该模型价格项为准，不要用文本模型的 Token 单价估算图片生成。

视频理解

视频理解的成本通常与送入模型的内容量有关。FPS 从 1 调到 5、分析区间从 30 秒扩大到 5 分钟、或提高输入分辨率，都可能显著增加视频输入 Token。需要定位某个时间段时，优先使用 start_offset 和 end_offset；只需要低精度场景信息时，先选择较低 detail 或较低 FPS。

视频生成通常是异步任务，计费维度不一定等于输入输出 Token。生成 5 秒和 10 秒视频、低清和高清版本、关闭和开启音频，可能对应不同价格。提交任务后要同时记录任务 ID、模型、时长、尺寸、质量和终态，按照模型价格页核对最终任务费用。

音频输入、转写、翻译和带音频的视频生成也不能直接套用文本模型价格。音频时长、是否包含翻译或说话人识别，以及模型是否把音频折算为 Token，都应以对应模型的计费项为准。

缓存如何影响费用

缓存命中不是免费，而是把一部分输入从普通输入计费项转移到缓存读取计费项。常见的缓存成本分为：

阶段	含义	对账时关注
缓存写入	第一次建立或更新可复用上下文	可能按标准输入价格的更高倍率计费，具体看模型
缓存读取	后续请求复用已缓存上下文	通常比普通输入便宜，但仍然计费
未命中输入	没有被缓存覆盖的本次输入	按普通输入单价计费

以支持 Claude Prompt Caching 的模型为例，当前页面记录的典型口径是：缓存写入约为标准价格的 125%，缓存读取约为标准价格的 10%，默认有效期约 5 分钟，且缓存内容通常需要至少 1024 Token。这个比例只适用于相应模型和缓存实现，不能推广到所有模型。

缓存前缀必须稳定。工具定义、系统提示词、长文档的顺序或内容发生变化，或者把时间戳、用户问题、实时数据放进前缀，都可能导致部分或全部未命中。建议在响应里记录：

Chat Completions: usage.prompt_tokens_details.cached_tokens
Responses: usage.input_tokens_details.cached_tokens
Anthropic: cache_creation_input_tokens、cache_read_input_tokens

计算缓存收益时，不要只看 cached_tokens 是否大于 0，还要比较：缓存写入费用 + 缓存读取费用 + 未命中输入费用 与“全部按普通输入计费”的差额。只调用一次的长文档，缓存写入成本可能抵消收益；短时间内反复处理同一份长上下文，才更容易体现缓存价值。

如何查看用量和费用？

对账时应分别查看 API 响应、控制台用量明细和财务账单。三者的用途不同，更新时间也可能不同：

查询内容	使用场景
响应中的 `usage`	对账单次文本或多模态请求的输入、输出和缓存字段
请求日志	核对请求 ID、模型、协议、状态、耗时、任务 ID 和错误原因
用量统计	按模型、API Key 或时间段观察 Token 和请求趋势
账单或消费明细	以财务口径核对结算金额，通常可能晚于 API 响应

不要只看 HTTP 200：响应成功不一定意味着图片或视频已经生成，也不能只按请求数估算费用。对异常请求，使用响应中的用量字段、控制台用量明细、异步任务状态和账单明细进行核对。

重试、失败和异步任务

网络超时后重试前，先判断服务端是否已经接受请求。没有幂等控制的生成请求可能被执行多次，从而产生多次费用。
文本请求要区分客户端超时、网关错误、模型拒绝和模型已返回但客户端丢失响应；最终以请求日志和账单明细核对。
图片和视频生成通常先返回任务 ID，再异步进入排队、运行和终态。提交成功不等于已经生成成功，也不代表可以忽略终态费用；需要通过任务 ID 查询终态并核对费用。
被参数校验、鉴权或限流拦截的请求通常不会产生模型推理用量；已经进入模型推理、即使业务没有采用返回结果，仍可能产生费用。具体边界以错误码、请求日志和账单明细为准。
Webhook 投递失败属于回调链路问题，不能直接推断原模型任务是否失败或是否需要重新生成；先查询原任务状态，再决定是否重试。

余额不足会发生什么？

当账户余额或套餐额度不足时，新的请求可能被拒绝，正在运行的异步任务也应通过任务状态和账单明细确认。建议按模型和业务线设置预算，给批量图片/视频任务设置队列上限，在活动前预留余额，并为余额、异常增量和缓存命中率配置告警。

上线前的核对清单

确认目标模型的计费单位，而不是只看模型名称。
文本和多模态请求用响应 usage 对账；图片、视频、音频同时记录媒体参数。
将稳定长上下文放在缓存前缀，把动态问题和实时数据放在后面。
为重试设置幂等键或业务去重，尤其是图片和视频生成。
异步任务按任务 ID查询终态，并按最终状态核对费用。
按模型、API Key、租户或业务线查看用量和预算。
先用小批量真实请求验证价格，再估算月度成本；不要用单一平均请求数替代实际用量。