每百万Token的价格毫无意义

# 每百万token的价格毫无意义 来源：https://janilowski.pl/en/blog/2026/price-per-m-tokens/ 2026年7月5日 · 阅读时间4分钟 - \#技术 - \#机器学习 当API账单砸到你头上时，就不能光凭感觉说话了。许多公司现在发现AI确实可能很贵。一个可能让你的AI账单水涨船高的习惯，就是通过“`每百万token X美元`”来比较模型。数字越小，成本应该越低，对吧？嗯，其实不一定。 ### 每百万token X美元根本无法比较 每家前沿实验室都有自己的分词器，这决定了同一段文本会被切分成多少个token。例如，本文迄今为止的所有文字，在gpt-4o中会被切分成160个token，但在gpt-4（1106-preview，通过tiktokenizer.vercel.app (https://tiktokenizer.vercel.app/) 生成）中则要消耗200个token。即使在同一家前沿实验室（这里指OpenAI）内部，不同模型按token计价也是不可比较的。在不同实验室之间进行比较，尤其是当他们不断调整专有分词器时，会引入一个难以可靠衡量的误差。Anthropic最近修改了其分词器，导致Claude将同一段文本切分出的token数增加了30%。在其他条件不变的情况下，这相当于一次相当猛烈的涨价；不过，还有另一个重要因素需要考虑。 ### token效率的极端差异 即使忽略分词器的影响，另一个重要因素是一个额外token实际上值多少钱。我不是指token的价格，而是你用它能实现多少成果。如果你正用AI做正经工作，很可能你的大部分token消耗都花在了“思考”上——这个过程通常被隐藏或模糊化，但依然按与可见输出token相同的费率计费。这种技术可以大幅提升输出质量；然而，所谓“思维链”的长度可能成为影响你AI使用总成本的主要因素——而且这个长度可能差异巨大。 我挑选了目前美国前沿实验室和中国实验室（后者通常被宣传为与美国模型几乎一样好，但成本只有1/x，且x往往大于10）提供的部分最优AI模型，并将它们列在下方表格中。我还包含了每个模型在Artificial Analysis基准测试中的得分，该基准测试会为AI模型分配任务。AA研究者的目标一方面是衡量模型能力，另一方面是衡量每个任务完成后的计费金额。 | 模型 | 每百万token输入/输出价格 | AA智能基准测试得分 | 每基准测试任务成本 | |---|---|---|---| | **Claude Fable 5** | **$10 / $50** | 60 | **$3.25** | | **Claude Opus 4.8 max** | **$5 / $25** | 56 | **$1.78** | | **Claude Sonnet 5 max** | **$3 / $15** | 53 | **$2.29** | | **GPT-5.5 xhigh** | **$5 / $30** | 55 | **$0.99** | | **GLM-5.2 max** | **$1.40 / $4.40** | 51 | **~$0.46** | | **DeepSeek V4 Pro max** | **$0.435 / $0.87** | 44 | **~$0.04–$0.05** | | **MiniMax-M3** | **$0.30 / $1.20** | 44 | **~$0.18** | | **Kimi K2.6** | **$0.95 / $4.00** | 43 | **~$0.31** | 注意，即便GPT-5.5的名义价格比Claude Opus 4.8更高，它在基准测试中完成每个任务的实际成本却只有Anthropic模型的一半。GLM-5.2的每token价格远低于GPT（3.57倍/5.68倍）和Claude（3.57倍/6.82倍）；但其每任务成本并未按比例降低，这表明它在token效率上不如西方的前沿模型。 让我困惑的一个模型是Sonnet 5，因为它似乎性能不如Opus 4.8，同时由于token效率低得多，每任务成本反而更高。如果有使用它的人能向我解释这个模型的目的，我会很乐意倾听。（阴谋论：也许这是Anthropic的一种心理战术——用更低的标价来诱使人们使用一个token效率更低的模型，从而最终抬高他们的账单？） DeepSeek V4 Pro看起来是性价比最突出的异常点。尽管它在智能基准测试中得分明显较低，但其每任务成本极低。Fable 5（带安全约束的Mythos）似乎带来了适度的改进，但价格相比GPT-5.5上涨了3倍以上。 总体而言，我认为这张表格表明，每百万token的价格并不是一个有意义的成本指标。如果不考虑每任务的实际成本，你将做出更差的模型选择决策，最终以更高的价格获得更差的性能。