模型 API

模型与价格

所有模型的每类 token 都按官方标价五折计费：输入、输出、缓存读取和缓存写入。了解每次调用的扣费算法，并查询模型列表与价格。

计价规则一句话就能说清：所有模型、每一个 token，都按官方标价的一半收费。未缓存输入、输出（含思考和推理）、缓存读取、缓存写入，一律五折。

价格以美元计，单位是每百万 token。每次调用按模型自己在响应里报告的 token 数计费，调用结束几秒内从预付余额中扣除。

逐类 token 五折#

以 claude-sonnet-5.5 为例，每百万 token：

token 类型	官方标价	你支付
未缓存输入	$2.00	$1.00
输出	$10.00	$5.00
缓存读取	$0.10	$0.05
缓存写入	$2.50	$1.25

同样的 ×0.50 系数适用于所有 Claude、GPT 和 Gemini 模型，不论哪个渠道分组、哪种 API 格式。当前模型见本页底部的实时价格表。

计费公式#

一次调用的用量分为四类 token，各有单价。它们在各 API 中的字段如下：

token 类型	Anthropic usage	OpenAI usage	Gemini usage
未缓存输入	`input_tokens`	`prompt_tokens` 减去 `cached_tokens`	`promptTokenCount` 减去 `cachedContentTokenCount`
缓存读取	`cache_read_input_tokens`	`prompt_tokens_details.cached_tokens`	`cachedContentTokenCount`
缓存写入	`cache_creation_input_tokens`	不报告	不报告
输出	`output_tokens`（含思考）	`completion_tokens`（含推理）	`candidatesTokenCount` + `thoughtsTokenCount`

合起来是：

Text

charge = ( uncached_input × input_price
         + cache_read     × cache_read_price
         + cache_write    × cache_write_price
         + output         × output_price ) ÷ 1,000,000 × multiplier

公式里的单价是模型的官方标价，倍率（multiplier）取自实际响应的渠道分组，该分组会写在响应头 x-halfoff-group 中。三个分组的倍率都是 ×0.50，五折就是这么来的。每笔扣费向上取整到 $0.000001。

GPT 和 Gemini 模型不报告缓存写入，所以对它们而言公式里只有三项。

算一笔账#

在 claude-sonnet-5.5 上进行一段很长的编程对话，其中一轮的大部分历史都命中了缓存：

token 类型	token 数	你支付（每百万）	费用
未缓存输入	3,000	$1.00	$0.003000
缓存读取	50,000	$0.05	$0.002500
缓存写入	1,500	$1.25	$0.001875
输出	1,200	$5.00	$0.006000
合计			$0.013375

如果这 54,500 个输入 token 一个都没命中缓存，光输入部分就要 $0.054500，而不是 $0.007375。缓存和五折可以叠加，提高命中率的方法见提示缓存。

查询模型和价格#

GET /v1/models 返回你当前能调用的所有模型，包括上下文长度、你的价格（官方标价的一半），以及为其提供服务的分组。它不需要密钥，OpenAI 和 Anthropic 的 SDK 都可以用 client.models.list() 读取。

Shell

curl https://halfoff.dev/v1/models

节选的响应：

Response

{
  "object": "list",
  "data": [
    {
      "id": "gemini-3.1-pro",
      "object": "model",
      "type": "model",
      "display_name": "Gemini 3.1 Pro",
      "created": 1700000000,
      "created_at": "2025-01-01T00:00:00Z",
      "owned_by": "Google",
      "context_length": 1048576,
      "pricing": {
        "input": 1,
        "output": 6,
        "cache_read": 0.1,
        "cache_write": 0.1875,
        "unit": "USD per 1M tokens"
      },
      "groups": ["gemini-value"]
    },
    {
      "id": "claude-sonnet-5.5",
      "object": "model",
      "type": "model",
      "display_name": "Claude Sonnet 5.5",
      "created": 1700000000,
      "created_at": "2025-01-01T00:00:00Z",
      "owned_by": "Anthropic",
      "context_length": 1000000,
      "pricing": {
        "input": 1,
        "output": 5,
        "cache_read": 0.05,
        "cache_write": 1.25,
        "unit": "USD per 1M tokens"
      },
      "groups": ["claude-value"]
    }
  ],
  "has_more": false,
  "first_id": "claude-fable-5.1",
  "last_id": "gpt-5.6-luna"
}

字段	含义
`id`	请求时使用的 ID。其他写法也能解析，见模型 ID。
`owned_by`	厂商：`Anthropic`、`OpenAI` 或 `Google`。
`context_length`	最大上下文窗口，单位 token。
`pricing.input`	未缓存输入 token 的单价。
`pricing.output`	输出 token 的单价，含思考和推理 token。
`pricing.cache_read`	从提示缓存读取的输入 token 的单价。
`pricing.cache_write`	写入缓存的输入 token 的单价。`null` 表示缓存写入按普通输入计费。
`pricing.unit`	固定为 `USD per 1M tokens`。
`groups`	为该模型提供服务的渠道分组。
`created`、`created_at`	固定占位值，用于兼容 SDK。

pricing 中的数字已经是你的实际单价：官方标价 × ×0.50。GET /v1beta/models 以 Gemini 的格式返回同样的模型，不含价格。

不收费的情况#

在到达模型之前就被拒绝的请求：密钥无效、模型不在允许范围、余额不足、触发限流、JSON 格式错误。
在所有渠道上都失败的请求，以及失败后改由其他渠道重试的那几次尝试。只有最终给出响应的那次尝试计费。
POST /v1/messages/count_tokens 和 Gemini 的 :countTokens。
查询模型列表。

取消或中断的流#

提前关闭流时，只按截至那一刻已生成的内容计费，同样是五折单价。输入按流中已报告的数量计；若未报告，按你的请求约每四个字符一个 token 估算。输出取「已报告的数量」与「已发送给你的文本约每四个字符一个 token」两者中的较大值。

模型长时间无响应、被网关切断的流，计费方式相同：按你实际收到的内容计费。见流式输出。

在哪里查看扣费#

日志列出每次调用的 token 数和费用。模型广场显示每个模型在各分组下已乘倍率的价格，以及实时可用状态。余额与充值见账单，用量报表见用量。

实时价格表#

下表实时读取 GET /v1/models，显示的是你在每百万 token 上的实际单价，即官方标价的一半。

模型	上下文	输入	输出	缓存读取	缓存写入

实时数据来自 GET /v1/models · 每百万 token 美元价格