为什么扣费比预期多
扣费按 token 算,下面几种情况会让 token 比你以为的多。
1. 模型在「思考」
Section titled “1. 模型在「思考」”带思考能力的模型(比如名字里有 high、xhigh 的 Gemini,或开了思考的 Claude)会先在内部推理,再给出回答。思考用掉的 token 按输出价计费,即使你看不到这些内容。
举个真实例子:我们问 gemini-3.8-flash-high「用一句话介绍大海」,回答只有 24 个 token,但思考用了 287 个,这次按 311 个输出 token 扣费。
只是简单问答的话,选不带思考的模型更省。
2. 对话越长,每一轮越贵
Section titled “2. 对话越长,每一轮越贵”每发一条新消息,之前的整段对话都会再发一次给模型,按输入计费。Claude Code、Codex 这类编程工具还会带上文件内容和工具说明,一轮几万个输入 token 很常见。
聊完一个话题就开新对话,能明显降低费用。
3. 缓存能省钱
Section titled “3. 缓存能省钱”同样的长内容重复发送时,模型会命中缓存,缓存读取的单价远低于普通输入(见 模型与价格 的「缓存读取」列)。Claude Code 会自动利用缓存,所以连续工作时比你估算的便宜。
4. 看清是哪个分组
Section titled “4. 看清是哪个分组”同一个模型在不同分组的倍率可能不同。实扣 = 标价 × 分组倍率,见 充值与计费。
控制台「概览」里有当天的消费、请求数和 token 总数,可以和你的估算对比。