計費範例

本頁透過幾個典型模型示範真實的計費計算，每種定價方式各舉一例。每種定價方式背後的機制詳見模型計費方式。

LLM token 計費——zai-org/glm-5.2

LLM 模型按百萬 token 計費，輸入（提示詞）、快取輸入和輸出（補全）token 分別有各自的費率（參閱 LLM 模型）：

$Cost = \frac{Fresh\ Input}{1M} \times \$1.40 + \frac{Cached\ Input}{1M} \times \$0.26 + \frac{Output}{1M} \times \$4.40$

費用在請求完成後扣除，依據回應 usage 欄位中報告的 token 數量——串流和非串流請求的計費方式完全相同，失敗的請求不會計費。

範例——一次包含 12,000 個提示詞 token（其中 10,000 個命中提示詞快取）和 1,500 個輸出 token 的聊天請求：

1. 新輸入：2,000 × $1.40 ÷ 1M = $0.0028
2. 快取輸入：10,000 × $0.26 ÷ 1M = $0.0026
3. 輸出：1,500 × $4.40 ÷ 1M = $0.0066
4. 合計：$0.0120

如果沒有提示詞快取，同一請求的全部 12,000 個輸入 token 都會按完整輸入費率計費——$0.0168 + $0.0066 = $0.0234，幾乎是前者的兩倍。在多次請求間保持系統提示詞穩定，可讓重複部分套用快取費率。

按 token 計費的影片——bytedance/seedance-2.0/reference-to-video

Seedance 2.0 參考生成影片在任務完成時按輸出影片 token 計費（參閱按 token 計費的影片模型）。根據您的輸入類型，適用兩種 token 費率：

解析度乘數：480p / 720p / 1080p × 1.0，4k × 0.57，720p-sr / 1080p-sr × 1.8，1440p-sr × 3.2。計費 token 按實際生成的輸出計量（對包含參考影片的請求，還會計入輸入影片的部分），因此 4K 和 SR 層級請使用 /calculate 取得精確報價。

Token 數量隨解析度、影格率和時長增加：

$Video\ Tokens \approx \frac{Width \times Height \times FPS \times Duration(seconds)}{1024}$

在 1080p（1920 × 1080、24 fps）下，相當於每秒影片 48,600 token。

範例 A——僅參考圖片，1080p 下 10 秒：

1. 輸出 token：48,600 × 10s = 486,000 token
2. 標價：486,000 ÷ 1,000,000 × $11.20 × 1.0 = $5.44

範例 B——包含一段 8 秒參考影片，1080p 下輸出 10 秒：

1. 計費 token 包含輸入影片與輸出：(10s + 8s) × 48,600 = 874,800 token
2. 適用較低的含影片費率：874,800 ÷ 1,000,000 × $6.88 × 1.0 = $6.02

提交時會暫時凍結一小筆金額，任務計費後立即釋放；失敗的任務不會計費。

按秒計費的影片——alibaba/wan-2.7/image-to-video

Wan 2.7 圖生影片採用經典的按秒定價：基礎費率為每秒 $0.10，按輸出解析度縮放，並設有 5 秒最低計費時長：

$Cost = \$0.10 \times max(5,\ Duration) \times Resolution\ Multiplier$

範例——1080p 下 8 秒：

$0.10 × 8 × 1.5 = $1.20，提交時從您的餘額中預留，影片交付後正式扣款。

範例——720p 下 3 秒：

時長低於最低計費時長，因此按 5 秒計費：$0.10 × 5 × 1.0 = $0.50。

按張計費（含選項）的圖片——google/nano-banana-pro/edit

Nano Banana Pro（編輯變體）按輸出圖片張數定價，含解析度層級和可選的網路搜尋附加費：

$Cost = Images \times Tier\ Price\ (+\ \$0.014\ if\ web\ search)$

範例——2 張 4K 圖片，啟用網路搜尋：

1. 圖片：2 × $0.24 = $0.48
2. 網路搜尋：+ $0.014（每次請求僅加收一次）
3. 標價合計：$0.494

金額在提交時預留，任務失敗時自動釋放。

按 token 計費的圖片——openai/gpt-image-2/edit

GPT Image 2 像 LLM 一樣按 token 計費，但 token 數量在提交時根據您的請求參數計算：

1024×1024 圖片的輸出 token 數：196（low）、1,756（medium）、7,024（high）。更大的尺寸會產生等比例更多的 token；輸入圖片一律按 medium token 基數計算，與 quality 無關。

範例——編輯一張 1024×1024 圖片，quality: medium、size: 1024x1024、n: 1：

1. 輸入文字：1,000 token × $5/1M = $0.0050
2. 輸入圖片：1,756 token × $8/1M = $0.0140
3. 輸出圖片：1,756 token × $30/1M = $0.0527
4. 合計：每張圖片 ≈ $0.072

請求 n 張圖片時，總金額會乘以 n。

按字元計費的音訊（TTS）——xai/tts-v1 與 bytedance/seed-audio-1.0

這兩個文字轉語音模型均按輸入文字的長度定價，費率為每 1,000 字元 $0.015：

$Cost = \frac{Characters(text)}{1{,}000} \times \$0.015$

字元按 Unicode 字元計數，因此一個 CJK 字元與一個拉丁字母相同，都算作一個字元。

範例——一段 1,200 字元的腳本：

1,200 ÷ 1,000 × $0.015 = $0.018，提交時收費。

範例——一段 300 字元的短提示詞：

300 ÷ 1,000 × $0.015 = $0.0045。

自行驗算任何模型

以上每個範例都可以透過成本預估 API 重現——將您的確切請求主體傳送到 /api/v1/model/calculate，即可在不建立任務的情況下取得標價、您的實際生效價格和所套用的折扣。