摘要
- OpenAI 价目表上一行旗舰模型在唯一的表头
Prices per 1M tokens.之下印出五个价格:gpt-6.2-astra 输入 8.00 美元、输出 40.00 美元、缓存输入 0.40 美元、30 分钟缓存写入 10.00 美元、12 小时缓存写入 20.00 美元。 - 在读到的那八份文档里,价目表没有定义 token;谈这个单位的三份页面给出三种单位下的三种估计;唯一一份模型到编码的对照表是已归档页面,最新的模型是 gpt-4o——那是一行只印三个价格的旧行,不是印十个的那一行。
从表头说起,因为表头就是整台仪器。价目表只印一行单位说明,Prices per 1M tokens.,接着是一组列名——Model Input Output Cached input 30m write 12h write——其中每个数字都是每百万 token 的美元金额。旗舰行原文如此:gpt-6.2-astra $8.00 $40.00 $0.40 $10.00 $20.00。五个价格,一个模型,一个单位。
Batch 区块以一半的数额重复同样五列:$4.00 / $20.00 / $0.20 / $5.00 / $10.00。抓回的文本还点名了处理档位——Standard、Batch、Flex、Fast、Ultrafast——所以买家在一个模型上要面对的价格数量,是列数与档位数的乘积,而不是模型的个数。另一个主机又在一条印出来的边界上把列数翻倍:Short context: ≤272K input tokens. Long context: >272K input tokens. 同一行 gpt-6.2-astra 在那边印出十个价格,从 8.00 美元到 60.00 美元。同一张表的两种渲染在“有哪些行”上并不一致——平台渲染缺掉 gpt-6.1-terra 与 gpt-6-luna——而抓回的文本无法确定它们是同一份文档挂在两个主机上,还是两份文档。这个分歧属于卷宗,不属于脚注。
价格本身是自洽的。0.40 除以 8.00 等于 0.05:印出的缓存输入价正好是印出的输入价的二十分之一。10.00 与 20.00 除以 8.00 得到 1.25 和 2.5,正是缓存指南用文字写出的比例——在 GPT-6.2 Astra、GPT-6.2 Sol、GPT-6.1 Sol 与 GPT-6.1 Terra 上按普通输入价的 0.05 倍计读,多数 GPT-5.6 及以后模型按 0.1 倍计;写入按三十分钟 1.25 倍、十二小时 2.5 倍计。算术没有争议。有争议的是它乘以什么。
最便宜的那一列,也是条件最多的一列,而条件同样写在价目表从不定义的单位里。Cache reuse requires the entire rendered prefix to match. A prompt prefix must meet the model's minimum cacheable token length before it can be cached. Tokens in the OpenAI-provided hidden system content do not count toward this minimum. The minimum cacheable prompt length is 1,024 tokens for GPT-5.6 and later. When no explicit breakpoints are placed, the request does not use prompt caching or create cache writes. Cache-write pricing is not an additive fee: input tokens use the uncached-input, cached-input, or cache-write rate. 同一条不叠加规则在开发者主机的镜像页上逐字重述。对更早的模型,指南写明申报的缓存计数在扣除隐藏系统 token 之后向下取整到 128 的倍数。二十分之一的价格是真的;守着它的是一个 1,024 token 的前缀门槛、一次完全匹配和一条取整规则,全用价目表悬置的那个单位表述。
再看这个单位本身。库的 README描述机制——Byte pair encoding (BPE) is a way of converting text into tokens.——并只给一个换算数字,单位是字节:On average, in practice, each token corresponds to about 4 bytes. 高级用法指南给的是另一个,单位是字符和词:As a rough rule of thumb, 1 token is approximately 4 characters or 0.75 words for English text. 它还写明一个 token can be as short as one character or as long as one word,字符串 "ChatGPT is great!" 会编码成六个 token,并且 Chat models use additional tokens for message formatting, so counting the text alone doesn't give the full input token count. 帮助中心重复那组三连——1 token is approximately 4 characters. 1 token is approximately three-quarters of a word. 100 tokens are approximately 75 words.——然后把要紧的话说出口:These are estimates, not exact counts.
三个页面,三种单位:字节、字符、词。每个数字都被标为近似值,而读到的那八份文档没有一份在价目表本身上定义 token。这不是丑闻,是一条披露边界。页面上那个精确的数字,是每百万 token 的美元金额。把一份文档变成一张账单的量,写在别处,写在若干种只有选定一种经验法则才能互相换算的单位里。
这里的分工值得摊开看:价目表负责给数字标价,指南负责给条件定界,库与文档负责给计数定名;三处各自完成一段,谁也没有义务把三段拼成一句完整的话。可账是要有人付的,于是拼接的成本落在付钱的一方。他得先选定一份文档、一种单位、一条经验法则,才可能把自己的预算换算成供应商表上的美元数。这一步不需要许可,也不会产生任何提示;做错了不算违规,只会得到一个连自己都算不清的账本。把这一步写进合同、写进采购文件、写进预算说明,才是这件事真正的操作难点,也是这篇文章要留下的那句提醒。
编码对照表是边界变硬的地方。Cookbook 页面是这套材料里唯一把编码名称对到模型系列的文档:o200k_base 对 gpt-4o 与 gpt-4o-mini;cl100k_base 对 gpt-4-turbo、gpt-4、gpt-3.5-turbo 以及 ada-002 与 embedding-3 系列;p50k_base 对 Codex 与 text-davinci-002、-003;r50k_base 对 GPT-3 系列。它开头写着 Encodings specify how text is converted into tokens. Different models use different encodings. 它同时挂着横幅 This recipe is archived and may reference outdated models or APIs.,它的正文说这个库 supports three encodings,而表里列了四个名字,最新模型是 gpt-4o。换句话说:读者能叫出编码名字的那些行,正是只印三个价格——输入、输出、缓存输入——的旧行;而印出十个价格的那一行,在任何已获得的文档里都没有编码名字。
我的算术,因为没有任何页面印它:按指南的每 token 0.75 词,一百万 token 约合 75 万个英文词,所以每百万 token 8.00 美元折合约每百万英文词 10.67 美元。把经验法则换成 README 的 about 4 bytes,数字就变,因为字节不是字符,字符不是词。帮助中心自己那一对说法讲的是同一件事:100 个 token 按每 token 四个字符算是 400 个字符,而同样这 100 个 token 又被写成 75 个词。两句话,两个对象,一个单位标签。
实际后果是比较问题,不是定价问题。两个按 token 计价的价格,只有在 token 计数方式相同时才能照原样比较;而在这同一张价目表内部,各行已经分属至少四种有名字的编码。按词做预算的买家,用的是供应商自己标注为估计的估计值。按 token 做预算的买家,用的是精确值,只是这个精确值的单位,他无法从卖给他的那张页面上自行定义。
仪器上还有一道刻痕:若干行在缓存价的位置印了破折号——gpt-5.5-pro、gpt-5.4-pro、gpt-5.2-pro、gpt-5-pro、o3-pro。破折号不是零,也不是免费缓存;它是“没有印出的价格”,而且它和印出的数字属于同一行。
所以,这份披露在定价处精确,在定义处近似。美元数字带两位小数。分母带着三种估计、三种单位、一张已归档的编码表,以及一条 272,000 token 的边界——它出现在这张表的一个渲染版本上,不在另一个版本上。任何把这些价格换算成“每千词”的人,引用的是我的算术和 OpenAI 的经验法则,不是价目表印出的数字。名录条目记录的是公司;仪器是那张页面。
会员简报
阅读完整趋势简报
会员可阅读完整简报,以及每项发现背后的来源注释。
战略圈层
每天用你选择的语言,送上一份基于我们已核实变化的简报。
以 USD 20/月加入可随时取消。
会员还能使用完整的研究文库、关于所关注网络的每日简报,以及私密论坛。






