2026 OpenAI 官方 Token 价表怎么读：输入/输出/缓存字段
OpenAI 自动回退选题：结合站内路径的核对清单。
ガイド一覧 · 本文は主に簡体字中国語です。国際向けの要点は English summary をご利用ください。
# 2026 OpenAI 官方 Token 价表怎么读：输入/输出/缓存字段
OpenAI API 的 Token 定价是开发者每月开销的核心。明白输入、输出和缓存字段如何计费后，能准确预测 ChatGPT API 使用成本，避免账单超支。
本文适合开发者、产品经理和团队成员阅读。适合日常优化提示词、集成大模型或评估多模型方案时参考。
为什么 OpenAI Token 定价区分输入、输出和缓存
OpenAI 将计费拆分为三个主要字段，便于针对性优化：
- Input tokens：用户输入提示词（如用户问题或上下文）。
- Output tokens：模型生成的回复内容。
- Cached input tokens：可重复使用的提示词片段（prompt cache）。
这种拆分让缓存场景下的成本显著降低，适合 RAG、对话记忆或长上下文应用。标准定价以 1M tokens 为单位计算，实际账单按实时使用量扣除。
当前官方定价概览（2026 年 11 月数据）
官方价表会随模型发布和促销调整，建议直接查看 OpenAI 定价页面 获取最新数值。以下是旗舰系列部分示例（标准模式，单位：美元 / 百万 tokens）：
| 模型名称 | Input ($/M) | Output ($/M) | Cached Input ($/M) | 备注 |
|---|---|---|---|---|
| gpt-6.1-sol | 2.00 | 10.00 | 0.10 | 旗舰高速模型 |
| gpt-6-luna | 0.10 | 0.50 | 0.01 | 最经济入门级 |
| gpt-6.1-terra | 1.00 | 5.00 | 0.05 | 平衡型 |
| gpt-5.5 | 5.00 | 30.00 | 0.50 | 中等上下文 |
| gpt-4o | 2.50 | 10.00 | 1.25 | 经典多模态 |
| gpt-5.4-mini | 0.75 | 4.50 | 0.075 | 轻量级 |
| gpt-5-nano | 0.05 | 0.40 | 0.005 | 超低成本 |
批量（Batch）、快速（Fast）和超快（Ultrafast）模式 价格通常为标准模式的 50% 或 10-20%，适合离线或高吞吐任务。
缓存字段如何发挥作用
缓存允许将固定提示词（如系统提示或参考文档）存储，重复调用时只计费输出和新增输入。
12 小时缓存写费用通常是输入价格的 2.5 倍，之后读缓存可享 90%+ 折扣。
典型场景：
- 构建知识库聊天机器人，每次新用户问题只需计费新增 tokens + 输出。
- 相比无缓存方案，成本可降低 70-90%（取决于缓存命中率）。
实际对账单场景示例
场景 1：简单对话应用
每月 100 万输入 tokens + 50 万输出 tokens（无缓存）：
成本 = (100 万 × 2.00 + 50 万 × 10.00) / 100 万 = $6.50。
场景 2：带缓存的 RAG 系统（gpt-6.1-sol）
输入中 60% 已缓存：
- 缓存输入 60 万 tokens（计 $0.10 / M）：$60
- 新增输入 40 万 tokens：$80
- 输出 50 万 tokens：$500
- 总计约 $640 / 月。
缓存能让重复内容场景成本接近固定费用。
选择模型的决策清单
1. 评估任务复杂度：对话/创作选 flagship，数据提取/代码生成选 mini 或 nano。
2. 计算缓存潜力：长上下文或记忆型应用优先支持缓存的模型。
3. 对比批量 vs 标准模式：高频任务用批量可省 50%。
4. 监控实时消耗：通过 OpenAI Dashboard 查看实际 $ / M 消耗。
延伸阅读
风险与边界
OpenAI 官方定价以平台当日报表为准，实际账单可能因促销、区域定价或额外服务（如工具调用、图像生成）而有差异。
请勿使用本指南替代官方文档，也非法律意见。
实际应用中，建议保留每月账单截图并定期对比 API Dashboard 数据，避免因价格变化导致预算超支。