计费对账

导出字段说明

通过日志导出功能获取 CSV 文件后，可使用以下字段进行计费核算：

字段	含义
提示Token	上游返回的原始输入总量（校验用）
输入Token	按普通文本输入单价计费的非缓存输入；无缓存、无图片时等于提示Token
缓存命中Token	命中缓存的输入 token
缓存写入Token	写入缓存的 token（5分钟有效期）
缓存写入1hToken	写入缓存的 token（1小时有效期）
输出Token	总输出 token 数（含推理）
推理Token	模型内部推理消耗的输出 token
输入单价	CNY/百万Token
输出单价	CNY/百万Token
缓存命中单价	CNY/百万Token
缓存写入单价	CNY/百万Token
缓存写入1h单价	CNY/百万Token
推理单价	CNY/百万Token
搜索次数	Claude Web Search 调用次数
搜索单价	CNY/次（按次计费）
图片输入Token	图片模态的输入 token 数
图片输入单价	CNY/百万Token（图片输入）
缓存图片Token	缓存命中的图片输入 token 数
缓存图片单价	CNY/百万Token（缓存图片）

校验关系

普通文本:
提示Token = 输入Token + 缓存命中Token + 缓存写入Token + 缓存写入1hToken

含图片输入:
提示Token = 输入Token + 图片输入Token + 缓存命中Token + 缓存图片Token + 缓存写入Token + 缓存写入1hToken

提示Token用于校验上游输入总量。财务核算统一使用各分项 Token 乘对应单价，不使用提示Token直接计费。

精度说明

公式计算金额与实际计费可能存在 < ￥0.0001 的差异，来源于内部额度单位的向上取整（ceil），属于正常精度损失。

Claude 系列

适用模型：claude-sonnet-4-6、claude-opus-4-6、claude-haiku-4-5 等 计费特点： 缓存分为 5分钟和 1小时两档，写入缓存比普通输入贵，读取缓存大幅折扣。支持 Web Search 按次附加计费。

上游响应体结构

Claude 原生 Messages API 返回的 usage 结构如下：

{
  "usage": {
    "input_tokens": 465,
    "output_tokens": 572,
    "cache_creation_input_tokens": 46109,
    "cache_read_input_tokens": 11944,
    "cache_creation": {
      "ephemeral_5m_input_tokens": 29762,
      "ephemeral_1h_input_tokens": 16347
    },
    "server_tool_use": {
      "web_search_requests": 1
    }
  }
}

字段	对账映射
`input_tokens`	输入Token（非缓存普通输入）
`output_tokens`	输出Token
`cache_read_input_tokens`	缓存命中Token
`cache_creation_input_tokens`	写缓存总量（校验用）
`cache_creation.ephemeral_5m_input_tokens`	缓存写入Token
`cache_creation.ephemeral_1h_input_tokens`	缓存写入1hToken
`server_tool_use.web_search_requests`	搜索次数

如果上游没有返回 cache_creation 分桶，平台会把 cache_creation_input_tokens 作为默认/5分钟写缓存处理。通过 OpenAI 兼容接口返回给客户端时，缓存命中会映射到 usage.prompt_tokens_details.cached_tokens；写缓存分桶以日志 metadata 和导出字段为准。

公式

金额 = 输入Token / 1M × 输入单价
     + 缓存命中Token / 1M × 缓存命中单价
     + 缓存写入Token / 1M × 缓存写入单价
     + 缓存写入1hToken / 1M × 缓存写入1h单价
     + 输出Token / 1M × 输出单价
     + 搜索次数 × 搜索单价

搜索次数和搜索单价为可选导出字段，仅在请求使用了 Claude Web Search 工具时有值。未使用时为空，不影响总金额。

示例

以 claude-haiku-4-5 一次真实请求为例：

字段	值
提示Token	58,518
输出Token	572
输入Token	465
缓存命中Token	11,944
缓存写入Token	29,762
缓存写入1hToken	16,347
输入单价	￥3.5/M
输出单价	￥17.5/M
缓存命中单价	￥0.35/M
缓存写入单价	￥4.375/M
缓存写入1h单价	￥7.0/M

计算：

465 / 1M × 3.5       = ￥0.001628
11,944 / 1M × 0.35   = ￥0.004180
29,762 / 1M × 4.375  = ￥0.130209
16,347 / 1M × 7.0    = ￥0.114429
572 / 1M × 17.5      = ￥0.010010
─────────────────────────────────
合计                   = ￥0.260456

GPT-5 系列

适用模型：gpt-5、gpt-5.4、gpt-5.4-mini 等 计费特点： 有推理 token（reasoning），推理单价通常等于输出单价。支持缓存读取。

响应体 usage 结构

Chat Completions 接口常见 usage 结构如下：

{
  "usage": {
    "prompt_tokens": 26672,
    "completion_tokens": 3791,
    "total_tokens": 30463,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "text_tokens": 26672,
      "audio_tokens": 0,
      "image_tokens": 0
    },
    "completion_tokens_details": {
      "reasoning_tokens": 2478,
      "text_tokens": 1313,
      "audio_tokens": 0
    }
  }
}

Responses 接口常见 usage 结构如下：

{
  "usage": {
    "input_tokens": 26672,
    "output_tokens": 3791,
    "total_tokens": 30463,
    "input_tokens_details": {
      "cached_tokens": 0,
      "text_tokens": 26672
    },
    "output_tokens_details": {
      "reasoning_tokens": 2478
    }
  }
}

Chat Completions 字段	Responses 字段	对账映射
`prompt_tokens`	`input_tokens`	提示Token（输入总量，含缓存命中）
`completion_tokens`	`output_tokens`	输出Token（含推理）
`prompt_tokens_details.cached_tokens`	`input_tokens_details.cached_tokens`	缓存命中Token
`completion_tokens_details.reasoning_tokens`	`output_tokens_details.reasoning_tokens`	推理Token

cached_tokens 是输入总量里的子项，不是额外 token。财务核算时，输入Token = 提示Token - 缓存命中Token；推理Token 已包含在输出Token中。

公式

金额 = 输入Token / 1M × 输入单价
     + 缓存命中Token / 1M × 缓存命中单价
     + (输出Token - 推理Token) / 1M × 输出单价
     + 推理Token / 1M × 推理单价

当推理单价 = 输出单价时（大多数 GPT 模型），可简化为 输入Token/1M × 输入单价 + 输出Token/1M × 输出单价。

示例

以 gpt-5.4 一次真实请求为例：

字段	值
提示Token	26,672
输出Token	3,791
输入Token	26,672
缓存命中Token	0
推理Token	2,478
输入单价	￥8.75/M
输出单价	￥52.5/M
推理单价	￥52.5/M

计算：

26,672 / 1M × 8.75    = ￥0.233380
(3,791 - 2,478) / 1M × 52.5 = ￥0.068933
2,478 / 1M × 52.5     = ￥0.130095
─────────────────────────────────
合计                    = ￥0.432408

GPT-Image 系列

适用模型：gpt-image-2、gpt-image-1、gpt-image-1-mini、gpt-image-1.5、chatgpt-image-latest 计费特点： 输入按文本/图片分别计价，图片缓存有独立折扣。输出 token 全部为图片 token，直接使用输出单价核算。需勾选图片计费字段进行导出。

上游响应体结构

OpenAI 返回的 usage 结构如下：

{
  "input_tokens": 1041,
  "output_tokens": 1756,
  "total_tokens": 2797,
  "input_tokens_details": {
    "text_tokens": 236,
    "image_tokens": 805,
    "cached_tokens": 500
  },
  "output_tokens_details": null
}

字段	含义
`input_tokens`	输入总量（文本 + 图片 + 缓存）
`input_tokens_details.text_tokens`	纯文本输入 token
`input_tokens_details.image_tokens`	图片输入 token
`input_tokens_details.cached_tokens`	缓存命中 token（文本+图片混合，平台按比例拆分）
`output_tokens`	输出 token（全部为图片，无拆分）
`output_tokens_details`	始终为 null，上游不区分输出类型

cached_tokens 是文本和图片缓存的混合值。平台按 cached × image / (text + image) 比例拆分为文本缓存和图片缓存，分别适用不同折扣。纯文本生图时无 image_tokens 和 cached_tokens 字段。

公式

金额 = 输入Token / 1M × 输入单价
     + 图片输入Token / 1M × 图片输入单价
     + 缓存命中Token / 1M × 缓存命中单价
     + 缓存图片Token / 1M × 缓存图片单价
     + 输出Token / 1M × 输出单价

图片计费字段为可选导出列，不在 billing_detail 预设中。需单独勾选 input_image_tokens、input_image_price、cached_image_tokens、cached_image_price。非图片模型这些列为空。上游不单独返回”图片输出 token”，输出Token 本身即为图片输出。

示例

以 gpt-image-2 改图请求为例（图片输入 + 部分缓存命中）：

字段	值
提示Token	1,010
输出Token	500
输入Token	0
图片输入Token	10
缓存命中Token	10
缓存图片Token	990
输入单价	$5.00/M
图片输入单价	$8.00/M
缓存命中单价	$1.25/M
缓存图片单价	$2.00/M
输出单价	$30.00/M

计算：

/ 1M × 5.00       = $0.000000
/ 1M × 8.00      = $0.000080
/ 1M × 1.25      = $0.000013
/ 1M × 2.00     = $0.001980
/ 1M × 30.00    = $0.015000
─────────────────────────────────
合计                  = $0.017073

Gemini 系列

适用模型：gemini-3.5-flash、gemini-3-pro-image-preview 等 计费特点： 支持缓存读取/写入，部分模型有推理 token。图像生成模型有多模态 token 分项。

纯文本/推理模型公式

金额 = 输入Token / 1M × 输入单价
     + 缓存命中Token / 1M × 缓存命中单价
     + 缓存写入Token / 1M × 缓存写入单价
     + (输出Token - 推理Token) / 1M × 输出单价
     + 推理Token / 1M × 推理单价

图像生成模型

图像生成模型（如 gemini-3-pro-image-preview）的输入/输出包含多模态 token，当前导出按总量计费，公式同上。

Gemini 图像 no-image 失败对账

当 Gemini 图像请求被上游封控或未产出图片，但上游返回了 prompt/input token usage 且平台已按 token 结算时，API 错误响应会携带本次 usage，方便与消费日志对齐。 OpenAI 风格图片接口示例：

{
  "error": {
    "message": "no image generated (request id: 20260608235925678097275ZgRxuG4y)",
    "type": "one_hub_error",
    "code": "no_image_generated"
  },
  "usage": {
    "input_tokens": 353,
    "output_tokens": 0,
    "total_tokens": 353,
    "input_tokens_details": {
      "text_tokens": 95,
      "image_tokens": 258
    }
  }
}

对账时可按以下关系核对：

API 响应字段	消费日志/导出字段
`usage.input_tokens` 或 `usage.prompt_tokens`	提示Token / `prompt_tokens`
`usage.input_tokens_details.image_tokens`	图片输入Token / `input_image_tokens`
`usage.output_tokens`	输出Token / `completion_tokens`
无图片输出	`output_image_tokens=0`

只有已结算的 no-image 失败会返回 usage。未扣费失败、本地校验失败、平台额度失败或上游未返回 usage 的普通失败不会返回 usage。

DeepSeek 系列

适用模型：deepseek-v4-pro、deepseek-v4-flash 等 计费特点： 支持缓存读取，缓存命中折扣极大。无写入分桶。

公式

金额 = 输入Token / 1M × 输入单价
     + 缓存命中Token / 1M × 缓存命中单价
     + 输出Token / 1M × 输出单价

通用核算模板

对于任意模型，以下公式均适用（空字段视为 0）：

金额 = 输入Token / 1M × 输入单价
     + 图片输入Token / 1M × 图片输入单价
     + 缓存命中Token / 1M × 缓存命中单价
     + 缓存图片Token / 1M × 缓存图片单价
     + 缓存写入Token / 1M × 缓存写入单价
     + 缓存写入1hToken / 1M × 缓存写入1h单价
     + (输出Token - 推理Token) / 1M × 输出单价
     + 推理Token / 1M × 推理单价
     + 搜索次数 × 搜索单价

在 Excel 中可直接使用此公式对每行数据进行验算，空单价列视为 0 即可。图片输入计费字段仅 GPT-Image 系列有值（输出直接用输出单价），搜索字段仅 Claude 使用 Web Search 时有值。

入门

帮助

导出字段说明

校验关系

精度说明

Claude 系列

上游响应体结构

公式

示例

GPT-5 系列

响应体 usage 结构

公式

示例

GPT-Image 系列

上游响应体结构

公式

示例

Gemini 系列

纯文本/推理模型公式

图像生成模型

Gemini 图像 no-image 失败对账

DeepSeek 系列

公式

通用核算模板

​导出字段说明

​校验关系

​精度说明

​Claude 系列

​上游响应体结构

​公式

​示例

​GPT-5 系列

​响应体 usage 结构

​公式

​示例

​GPT-Image 系列

​上游响应体结构

​公式

​示例

​Gemini 系列

​纯文本/推理模型公式

​图像生成模型

​Gemini 图像 no-image 失败对账

​DeepSeek 系列

​公式

​通用核算模板

导出字段说明

校验关系

精度说明

Claude 系列

上游响应体结构

公式

示例

GPT-5 系列

响应体 usage 结构

公式

示例

GPT-Image 系列

上游响应体结构

公式

示例

Gemini 系列

纯文本/推理模型公式

图像生成模型

Gemini 图像 no-image 失败对账

DeepSeek 系列

公式

通用核算模板