使用指南
- 申请UTS时怎么筛中介服务:先看服务范围、核验对象和收费边界
申请悉尼科技大学时,筛中介服务先看服务范围、核验对象和收费边界。文章给出按顺序执行的步骤、材料归档方法和签约前检查清单。
- 按用量拆API成本:token、缓存、重试怎么估
API成本估算不能只看总价。本文把调用量、输入输出token、缓存写入与读取、重试率拆成可填参数,说明OpenAI按每百万token列价、Claude缓存计价倍率、阿里云百炼阶梯价与缓存折扣的公开口径,并给出敏感性分析和用真实账单校准的步骤。估算结果用于预算,不承诺与账单一致。
- 并发和重试怎么让成本翻倍:估算时该按哪种口径填请求量
估算最容易错的不是单价而是请求量:并发高峰、重试、超时重复都会让实际调用次数高于业务逻辑次数,而账单按实际次数收。本文给出有效请求量到实际计费请求量的换算,以及该填估算台哪一栏。
- 预算控制怎么做:给 LLM 应用设一个月度成本上限和告警线
月度量级 = 日均请求量 × 单次成本 × 天数,对应估算台的每月调用 × 单次成本。本文讲清为什么按月给区间而不是单点、告警线该先看增长趋势再定,以及本站明确不做的三件事。
- 一次 LLM 请求到底花多少:从输入长度到最终费用的四步拆解
一次请求的成本由系统提示与工具定义、历史对话、用户输入、模型输出四段构成。本文把四段对应到估算台的输入框,说明哪一段填错最离谱,并给一条与账单对账的复算习惯。
- 缓存命中为什么能省钱:命中率从 0 到 80% 的成本变化怎么估
缓存命中的那部分输入按更低的缓存档计费,但命中率取决于请求内容的公共前缀,不是技术开关。本文用命中率 h 表达成本算法,并给出保守、中性、乐观三档的估法。
- 流式输出和嵌入模型怎么影响账单:两个容易被忽略的成本项
流式输出的 token 逐字产生、按分块返回,但计费仍按输出 token 总量;嵌入与多模态走的是另一套单价表。本文讲清这两个常被漏算的成本项,以及为什么估算台必须分模型类型。
- Token 怎么计费:输入输出分开算、缓存命中另算,先把账单口径看明白
模型账单按输入、输出两类 token 分别计价,输入里命中缓存的部分又走更低的缓存档。本文讲清输入输出为什么分开、缓存为什么另算、每百万 token 怎么换算成单次请求的钱,并给一张可手算的对照表。