在写任何产品代码之前，你就能把 LLM API 的账单估到误差在一个小倍数之内，而要判断一个想法行不行，这个精度就够了。所有模型的方法都一样：数出每次请求的 token，按类型定价，再乘以请求量。本页先讲方法，再套用到三种负载上。想让工具替你算，就用费用计算器。
第 1 步：数出每次请求的 token
token 是词的一小块。英文里一个 token 约四个字符，或四分之三个单词，所以 1,000 词的文档大约是 1,300 个 token。其他语言和代码每个词用的 token 更多。每个模型家族有自己的分词器，所以 Claude、GPT 和 Gemini 的精确计数各不相同。
把请求的各部分分开数，因为它们是分开计费的：
系统提示词、工具定义、指令。每次调用都一样。
用户消息、检索到的文本、已有的对话。
回答，加上模型先做的推理。
要得到真实提示词的精确数字，就问 API：Anthropic 和 Gemini 都提供 token 计数接口，而且每个响应都会报告用量。
第 3 步：乘以请求量
月成本等于单次请求成本乘以每月请求数。典型请求和较重的请求各算一次，两个数都留着：前者是你的预算，后者是最坏情况。
三种负载，逐个算
客服聊天机器人。 每条回复发送约 1,500 个输入 token（指令、检索片段、问题），输出 400 个。指令每次都一样，所以这些输入大部分可以走缓存。每月一万条回复，就是 1,500 万输入 token 和 400 万输出 token，输出通常占账单的大头。Haiku 级和 Flash 级的模型是第一个要测的。
文档流水线。 每份文档 20,000 个 token，摘要 500 个。一万份文档就是 2 亿输入 token：输入占主导，所以模型的输入价，以及文档能否在多个问题之间复用缓存，决定了账单。用摘要效果可接受的最便宜的模型来跑。
编程智能体。 一个任务是几十次请求，每次都重发不断变长的历史。历史大部分走缓存，所以缓存读取价和命中率比表面的输入价更重要。实测一个真实任务再乘：Claude Code 要花多少钱逐行算了一个步骤的账。
给未知因素留余量
会增加几个百分点；从第一天就开始统计。
在难题上可能让输出翻倍；看 usage 字段，并有意识地设置强度。
取第 90 百分位，而不是平均值。
从目录（GET https://halfoff.dev/v1/models）读取，不要写死。
常见问题
怎样计算一次 LLM API 调用的费用？+
输入 token 乘以输入价，加上输出 token 乘以输出价，都按每百万 token 计，缓存输入用缓存读取价。公式在模型与价格里写得很清楚。
1,000 个词是多少 token？+
英文大约 1,300 个 token，上下浮动。代码、数字和非英文文本用得更多。请数真实样本，别只靠经验值。
输出 token 比输入 token 更贵吗？+
是的，所有主流模型都如此：输出的单价通常是输入的数倍，所以一个长回答比一个长问题更贵。
怎样把估算值降下来？+
用更小的模型，缓存重复的上下文，限制输出。最省钱的 Claude API 用法按影响大小列出了这些改动。