每月 $1,000 的 LLM API 能买到什么？三个真实工作负载的成本拆解
客服机器人、编程智能体、文档抽取：用明确的 token 假设和公式，算出 $1,000 在八个模型上能处理多少单位，并量化缓存、输出量、推理 token 和价格跳动如何让账单翻倍。
1. 每月 $1,000 折算成 token 是多少
每个定价页都用“每百万 token 多少美元”报价，但几乎没有人按这个单位做预算。预算的单位是业务本身：处理多少次对话、完成多少个任务、处理多少份文档。 这篇文章把本站的价格数据（截至 2026-10-05）折算成这些单位：定义三个 token 数明确的工作负载，在三个档位共八个模型上各算一遍，只问一个问题—— $1,000 能买到多少单位，而为了多买一些，你要放弃多少质量？
下面所有数字都来自同一个公式，套用在本站价格数据库的当前价格上：
cost = (T_fresh × P_in + T_cached × P_cache + T_out × P_out) / 1,000,000
units per $1,000 = 1,000 / cost
价格单位是每 1M tokens 的美元，主要反映 OpenRouter 的默认 endpoint。质量列使用 Artificial Analysis Intelligence Index（AA）和 AA Coding Index， 取每个模型数据库中的最新值（2026-09-08 的快照；AA 今年已多次重设指数基线，这些分数不能与更早的数字直接比较）。这两个都是通用 benchmark，不能代表你的具体任务，请把质量列当作先验参考，而不是定论。
2. 三个工作负载与明确假设
全部假设都列在表里，方便你换成自己的数字。T_fresh 是按普通输入价计费的输入，T_cached 是由 prompt caching 命中的输入，T_out 是输出。
| 工作负载 | 计量单位 | 新输入 | 缓存输入 | 输出 |
|---|---|---|---|---|
| A. 客服聊天机器人 | 1 次对话（6 轮） | 15,000 | 0 | 1,500 |
| B. 编程智能体 | 1 个任务（30 次模型调用） | 180,000 | 1,620,000 | 45,000 |
| C. 文档批处理 | 1 份文档（约 45 页） | 30,000 | 0 | 800 |
A，客服聊天机器人。1,500 token 的 system prompt（含检索到的知识库片段），之后六轮对话，每轮用户约 100 token、回复约 250 token。 每一轮都会把之前的内容重新发送一遍，所以六次输入合计约 14,850 token，取整为 15,000；输出为 6 × 250 = 1,500。基准情景不使用缓存（偏保守），第 7 节再把它加回来。
B，编程智能体。一个任务是 30 次模型调用，平均上下文为 60K token，所以每个任务有 1.8M 输入 token。智能体循环每次都会重发几乎相同的前缀， 因此假设 90% 由缓存命中（1.62M 缓存、180K 新输入）；每次调用输出约 1,500 token，共 45,000。实际任务的差异可达一个数量级，这里是中等规模的任务。
C，文档批处理。约 45 页的报告大约是 30,000 token；模型返回 800 token 的结构化摘要或 JSON 抽取结果。每份文档一次调用，不使用缓存。
以 Claude Opus 5（输入 $5.00、缓存 $0.50、输出 $25.00）为例，把公式完整算一遍。工作负载 A：(15,000 × 5 + 0 × 0.5 + 1,500 × 25) / 1,000,000 = 0.075 + 0.0375 = 每次对话 $0.1125， 所以 1,000 / 0.1125 = 8,889 次对话。工作负载 B：(180,000 × 5 + 1,620,000 × 0.5 + 45,000 × 25) / 1,000,000 = 0.90 + 0.81 + 1.125 = 每个任务 $2.835，也就是 353 个任务。 要套用到自己的场景，只需把表中三个 token 数改成你日志里的实际数字，再对候选模型重算同样的算式。
3. 三个档位、八个模型
旗舰档是 Claude Opus 5 和 GPT-5.6 Sol， 在本站所有同时有价格和 AA 分数的模型中，它们的 AA 分别排第 3 和第 5。排在前面的另外三个模型（Claude Fable 5.1、GPT-6 Astra、Claude Fable 5）定价都是 $10/$50，只会让 Opus 5 的账单刚好翻倍，所以略过。 中端档是 Claude Sonnet 5、Gemini 3.8 Flash 和 Qwen3.8 Max；低价档是 GLM 5.3 Flash、DeepSeek V4 Pro 和 MiniMax M2.7。
| 模型 | 档位 | 输入 $/M | 缓存输入 $/M | 输出 $/M | AA | 编程 | 上下文 | 近 30 天输入价区间 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 5 | 旗舰 | $5.00 | $0.50 | $25.00 | 50.7 | 78.0 | 1M | $5.00 |
| GPT-5.6 Sol | 旗舰 | $2.00 | $0.20 | $10.00 | 47.1 | 77.4 | 1.05M | $2.00 |
| Claude Sonnet 5 | 中端 | $2.00 | $0.20 | $10.00 | 38.4 | 71.5 | 1M | $2.00 |
| Gemini 3.8 Flash | 中端 | $0.75 | $0.075 | $3.75 | 41.2 | 76.3 | 1M | $0.75 |
| Qwen3.8 Max | 中端 | $2.00 | $0.25 | $6.00 | 40.3 | 71.8 | 1M | $2.00 |
| GLM 5.3 Flash | 低价 / 开放权重 | $0.15 | $0.03 | $0.50 | 41.9 | 71.5 | 1M | $0.04–0.15 |
| DeepSeek V4 Pro | 低价 / 开放权重 | $0.2088 | $0.0174 | $0.4176 | 30.9 | 59.4 | 1M | $0.209–1.60 |
| MiniMax M2.7 | 低价 / 开放权重 | $0.21 | $0.042 | $0.84 | 23.2 | 52.6 | 205K | $0.21–0.30 |
我们逐行检查了输入与输出价格的比例是否正常：Opus 5、Sol、Sonnet 5 和 Gemini 的输出价是输入价的 5 倍，Qwen 是 3 倍，GLM 5.3 Flash 约 3.3 倍，MiniMax 是 4 倍，DeepSeek 是 2 倍。 我们特意排除了 DeepSeek V4 Flash：它当前的记录是输入 $0.03、输出 $1.28，比例高达 43 倍，远超其他模型，更像是 endpoint 造成的假象，而不是真实的标价。
最后一列是更重要的警告。前四个模型的价格在 30 天内没有变动。Qwen3.8 Max 自 2026-09-04 起就没有出现在我们的每日快照中，OpenRouter 现在把它列为 Qwen3.8 Max 0902，价格同样是 $2/$6，自 09-05 上架以来没有变过。三个低价模型则有：GLM 5.3 Flash 的输入价在 $0.04 到 $0.15 之间（今天处于区间高点）， DeepSeek V4 Pro 在 $0.2088 到 $1.60 之间（今天处于区间低点），MiniMax M2.7 在 $0.21 到 $0.30 之间（今天同样是低点）。 这些波动是路由层默认 endpoint 的切换，而不是标价调整。对这三个模型，请把结果当作一个区间来看，第 7 节会给出量化。 价格也确实会真降：GPT-5.6 Sol 从 2026-07-09 的 $5/$30 降到 2026-08-22 的 $2/$10，输入降 60%、输出降 67%。
4. 工作负载 A：客服聊天机器人
| 模型 | AA | 每次对话成本 | $1,000 可处理对话数 |
|---|---|---|---|
| Claude Opus 5 | 50.7 | $0.1125 | 8,889 |
| GPT-5.6 Sol | 47.1 | $0.0450 | 22,222 |
| Claude Sonnet 5 | 38.4 | $0.0450 | 22,222 |
| Gemini 3.8 Flash | 41.2 | $0.0169 | 59,259 |
| Qwen3.8 Max | 40.3 | $0.0390 | 25,641 |
| GLM 5.3 Flash | 41.9 | $0.00300 | 333,333 |
| DeepSeek V4 Pro | 30.9 | $0.00376 | 266,071 |
| MiniMax M2.7 | 23.2 | $0.00441 | 226,757 |
差距非常大。Opus 5 每次对话 $0.1125，所以 $1,000 能处理 8,889 次；GLM 5.3 Flash 能处理 333,333 次，是前者的 37.5 倍，而 AA 只低 17%（41.9 对 50.7）。 这个差距重不重要，取决于你的对话有多难。如果大多数是根据检索内容回答的订单状态查询，你就是在为用不上的能力余量支付溢价。
有两组对比值得注意。Sonnet 5 与 GPT-5.6 Sol 价格完全相同（$2/$10），成本也相同，都是 22,222 次对话，但 Sol 的 AA 更高，47.1 对 38.4。 在这两个指数上，同价的 Sonnet 5 没有多买到任何东西，除非你有指数没有覆盖的理由才选它。 另外，Gemini 3.8 Flash 的 59,259 次对话和 AA 41.2，按今天的价格在两个维度上都输给 GLM 5.3 Flash（333,333 次、AA 41.9）。 这个结论取决于 GLM 当前价格能否维持，因为它现在处于 30 天高点，而不是低点。
5. 工作负载 B：编程智能体
| 模型 | 编程 | 每个任务成本 | $1,000 可完成任务数 | 无缓存每任务成本 | 无缓存任务数 |
|---|---|---|---|---|---|
| Claude Opus 5 | 78.0 | $2.835 | 353 | $10.125 | 99 |
| GPT-5.6 Sol | 77.4 | $1.134 | 882 | $4.050 | 247 |
| Claude Sonnet 5 | 71.5 | $1.134 | 882 | $4.050 | 247 |
| Gemini 3.8 Flash | 76.3 | $0.4253 | 2,352 | $1.519 | 658 |
| Qwen3.8 Max | 71.8 | $1.035 | 966 | $3.870 | 258 |
| GLM 5.3 Flash | 71.5 | $0.0981 | 10,194 | $0.2925 | 3,419 |
| DeepSeek V4 Pro | 59.4 | $0.0846 | 11,825 | $0.3946 | 2,534 |
| MiniMax M2.7 | 52.6 | $0.1436 | 6,962 | $0.4158 | 2,405 |
这里的主角是缓存。没有缓存时，Opus 5 每个任务 $10.125，$1,000 只能完成 99 个任务；有 90% 命中时只要 $2.835，可完成 353 个。 对旗舰模型来说，缓存能省下 72% 的账单。开启之后，Opus 5 的成本大致分为 32% 新输入、29% 缓存读取和 40% 输出，输出成为单项最大的支出。
最有意思的是 Opus 5 对 GPT-5.6 Sol 这一组。两者的 AA Coding Index 是 78.0 和 77.4，相差不到一分，但 Sol 便宜 2.5 倍，能完成 882 个任务，Opus 5 只有 353 个。 Opus 5 的通用 AA 确实领先（50.7 对 47.1），在困难、开放式的工作上也许值得溢价，但对预算受限的智能体集群而言，数据更偏向 Sol。 在另一端，GLM 5.3 Flash 能完成 10,194 个任务，Coding Index 为 71.5，比 Opus 5 低 6.5 分，吞吐量是它的 29 倍。
两个实操提醒。MiniMax M2.7 的上下文窗口只有 205K，我们 60K 的平均值会掩盖可能超出上限的长任务；其他七个模型都约有 1M。 另外 Anthropic 单独列有 cache write 价格（Opus 5 为 $6.25/M，普通输入为 $5.00）；如果每个新 token 都写入缓存，Opus 5 的任务成本会增加 7.9% 到 $3.06，可完成数降为 327。
6. 工作负载 C：大批量文档抽取
| 模型 | AA | 每份文档成本 | $1,000 可处理文档数 | 5 折批处理 |
|---|---|---|---|---|
| Claude Opus 5 | 50.7 | $0.1700 | 5,882 | 11,765 |
| GPT-5.6 Sol | 47.1 | $0.0680 | 14,706 | 29,412 |
| Claude Sonnet 5 | 38.4 | $0.0680 | 14,706 | 29,412 |
| Gemini 3.8 Flash | 41.2 | $0.0255 | 39,216 | 78,431 |
| Qwen3.8 Max | 40.3 | $0.0648 | 15,432 | — |
| GLM 5.3 Flash | 41.9 | $0.00490 | 204,082 | — |
| DeepSeek V4 Pro | 30.9 | $0.00660 | 151,559 | — |
| MiniMax M2.7 | 23.2 | $0.00697 | 143,431 | — |
这个负载由输入主导：Opus 5 每份文档 $0.17，其中 88% 是 30,000 个输入 token。所以杠杆在于你送进去多少文本，而不是答案有多长。 Opus 5 每月可处理 5,882 份文档，Sol 14,706 份，Gemini 3.8 Flash 39,216 份，GLM 5.3 Flash 204,082 份。
如果任务不要求实时，批处理定价就很重要。数据库为 Opus 5、Sol、Sonnet 5 和 Gemini 3.8 Flash 另列了批处理条目，价格正好是标准价的 50%， 可处理份数翻倍为 11,765、29,412、29,412 和 78,431。即使用批处理，Opus 5 能处理的份数也只有实时使用 GLM 5.3 Flash 的约十七分之一。 其他模型的批处理折扣没有计入，因为它们的批处理条目要么缺失，要么折扣不一致。
7. 敏感性分析：什么会让账单翻倍
下表的倍数都由同一个公式算出，表示某个假设变化时，月成本上升（可处理单位下降）的幅度。
| 模型 | B：无缓存 | B：输出翻倍 | A：输出 3 倍（推理） | C：输出 3 倍 |
|---|---|---|---|---|
| Claude Opus 5 | 3.57× | 1.40× | 1.67× | 1.24× |
| GPT-5.6 Sol | 3.57× | 1.40× | 1.67× | 1.24× |
| Claude Sonnet 5 | 3.57× | 1.40× | 1.67× | 1.24× |
| Gemini 3.8 Flash | 3.57× | 1.40× | 1.67× | 1.24× |
| Qwen3.8 Max | 3.74× | 1.26× | 1.46× | 1.15× |
| GLM 5.3 Flash | 2.98× | 1.23× | 1.50× | 1.16× |
| DeepSeek V4 Pro | 4.67× | 1.22× | 1.33× | 1.10× |
| MiniMax M2.7 | 2.89× | 1.26× | 1.57× | 1.19× |
- 没有 prompt caching。在智能体负载上，Anthropic、OpenAI 和 Google 的模型成本约为 3.6 倍（Qwen 为 3.74 倍），DeepSeek 则高达 4.67 倍，因为它的缓存价只有输入价的 8%。本文所有因素中，缓存的杠杆最大。
- 输出偏多。受影响程度取决于输出价与输入价的比例。智能体输出翻倍，Opus 5 上升 1.40 倍，DeepSeek 只上升 1.22 倍；文档任务输出变成 3 倍，Opus 5 多花 24%，GLM 5.3 Flash 多花 16%。
- 推理 token。本站数据中，只有 Google 模型有独立的 reasoning 维度，而且等于输出价，因此隐藏的思考 token 本质上就是输出 token。如果思考使聊天机器人的计费输出变成 3 倍，Opus 5 成本上升 1.67 倍，GLM 5.3 Flash 上升 1.50 倍。请查看供应商的用量日志获取真实输出量。
- 低价模型的价格状态。DeepSeek V4 Pro 展示了在其他条件不变时，路由价格跳动的影响：
| DeepSeek V4 Pro 价格状态 | 输入 / 输出 $/M | A：对话数 | C：文档数 |
|---|---|---|---|
| 当前（2026-10-05） | $0.2088 / $0.4176 | 266,071 | 151,559 |
| 早期定价（2026-05-03 至 08-10） | $0.435 / $0.87 | 127,714 | 72,748 |
| 30 天高点（2026-09-12 至 09-18） | $1.60 / $3.20 | 34,722 | 19,778 |
从今天的价格到 30 天高点，同样的预算能处理的对话少了 7.7 倍。低价档的预算规划应该留出这个余量，或者固定指定某个 provider。 本文未建模的因素：分词器差异（同样的文本在不同模型下的 token 数不同）、重试、速率限制、批量折扣，以及 token 之外的工具调用开销。
8. 结论与如何套用到你的场景
客服聊天机器人。单价不是你的限制：这里每个模型花 $1,000 都能处理超过 8,000 次对话。常见做法是路由：把 90% 的对话交给 GLM 5.3 Flash，10% 升级给 Opus 5， 成本是 0.9 × $0.0030 + 0.1 × $0.1125 = 每次对话 $0.01395，约可处理 71,685 次对话。这只是演示算术，不是经过验证的路由策略。
编程智能体。先开 prompt caching，它的价值高于任何换模型的动作。接着在自己的代码库上比较 GPT-5.6 Sol（882 个任务，Coding 77.4）和 Opus 5（353 个任务，Coding 78.0）， 再决定要不要多付 2.5 倍。
文档抽取。压缩输入、能等就用批处理定价，并先测试低价模型。只有当你自己的评测表明质量差距确实重要时，才升一个档位。
做决定之前。质量列是通用 benchmark 的平均值。对客服来说，真正重要的是在你自己的对话记录上的解决率和转人工率；对智能体是无需人工修正就能完成的任务比例； 对文档抽取则是对照一份人工标注样本的字段准确率。拿 100 个真实案例跑过两个候选模型，量出那个数字，再用它去除每单位成本。每单位便宜 10 倍、但需要三倍重试的模型，实际上只便宜 3 倍。
要代入你自己的 token 数，请使用费用计算器。更完整的方法论请参考我们的 token 定价指南和性价比 benchmark。