LLM Pricing

LLM Price Check是什麼

LLM Price Check是一種用於比較大型語言模型API價格的網頁工具，提供模型、服務商、上下文窗口、輸入單價、輸出單價及品質分等資訊。該網站還提供成本計算器，協助使用者根據Token使用量估算費用。

它適合用來作為模型成本的初步篩選，但並非模型供應商的官方結算系統。在核驗時，頁面上仍會顯示大量舊模型及歷史價格，正式預算必須回到對應廠商的當前定價頁面才能確認。

當前數據狀態

截至本次核驗，首頁主表仍以GPT-4o、Claude 3、Gemini 1.5、Llama 3.1和早期Mistral模型為主，並顯示多項已經變化的歷史單價。頁面沒有清楚標註每一行的最近更新時間。

因此，目錄不應再將其描述為可靠的即時價格資料庫。更準確的定位是「可用於理解價格結構及進行歷史比較的免費工具，即時價格則需由官方來源核實」。

核心功能

模型價格對比表

主表按模型列出供應商、品質分、上下文長度、輸入價格、輸出價格、知識截止資訊以及試用情況。使用者可以快速觀察不同模型的成本差異。

Token費用計算器

計算器會根據輸入的 Token、輸出的 Token 以及對應的百萬 Token 價格，來估算單次或批量調用的成本。它適合用於粗略預算，而實際的費用還可能包含緩存、工具調用、圖像、音頻以及批次處理等相關費用。

模型詳情頁

部分模型擁有獨立詳情頁，可查看供應商、上下文和價格欄位。詳情內容與主表使用同一數據體系，仍需關注更新日期。

品質指標

頁面會引用第三方的模型排行榜來產生品質分數，這有助於使用者同時考慮價格與性能。單一的品質分數能夠縮小模型在代碼、推理能力、語言處理能力以及長上下文處理能力方面的差異。

官方價格來源入口

頁面列出了 OpenAI、Anthropic、Google、Mistral、Cohere、Amazon Bedrock 和 Groq 等公司的價格資訊來源。使用者應將這些供應商的頁面作為最終的確認依據。

主要功能一覽

• 比較不同供應商和模型的輸入與輸出Token單價。
• 查看模型上下文窗口和基礎品質指標。
• 按預計輸入輸出用量計算API費用。
• 透過模型詳情頁查看單個型號資訊。
• 從價格表跳轉到部分模型的線上體驗入口。
• 參考官方供應商價格來源進行二次核驗。
• 快速識別輸入便宜但輸出昂貴的模型。
• 為原型、批處理和生產流量建立初步預算。

適合哪些使用場景

• AI應用開發者：了解按Token計費的基本結構。
• 產品經理：在方案早期估算不同模型成本級別。
• 創業團隊：快速篩選需要進一步測試的API模型。
• 教學人員：示範輸入與輸出Token價格的差異。
• 成本分析人員：建立歷史價格與模型代際對照。
• 個人開發者：估算小型項目每月調用開銷。

哪些情況不太適合

• 需要2026年最新模型與精確的實時價格的採購決策。
• 需要緩存、批次處理、長上下文分層價格與區域價格的複雜賬單。
• 要比較圖像、影片、語音、嵌入和微調價格的多模態項目。
• 需要API可用性、延遲、吞吐量以及服務品質保證的企業。
• 希望透過程式介面自動拉取即時價格的成本平台。
• 需要中國區渠道、人民幣稅費和本地發票資訊的用戶。

價格對比使用教學

1. 先明確任務類型、目標語言、上下文長度及品質底線。
2. 在表格中篩選能夠滿足上下文要求的模型。
3. 分別記錄輸入和輸出價格，不要只看一個單價。
4. 查看品質分，但同時尋找對應任務的獨立基準。
5. 把候選模型和價格記錄為待核驗清單。
6. 逐個進入模型廠商官方定價頁確認當前型號與單價。
7. 使用真實請求樣本測量Token、延遲和成功率。

費用計算教學

1. 統計一次典型請求的平均輸入Token和輸出Token。
2. 估算每日請求量、峰值併發和月度增長。
3. 分別乘以輸入和輸出的每百萬Token單價。
4. 加入系統提示、工具結果、重試和多輪歷史Token。
5. 會分別計算緩存、批次處理、圖像或搜尋等額外的費用。
6. 為匯率、稅費和超量使用預留安全空間。
7. 用廠商賬單驗證估算並定期校準。

模型選型教學

1. 選出一個高品質模型和一個低成本模型作為基線。
2. 準備覆蓋簡單、普通和困難任務的內部測試集。
3. 固定提示詞和參數運行候選模型。
4. 記錄品質、Token、延遲、錯誤率及實際費用。
5. 計算每個成功任務的成本，而非只算每百萬Token價格。
6. 對簡單任務嘗試路由到較小模型。
7. 在生產前設定預算、限流和回退策略。

輸入與輸出價格怎麼理解

成本計算公式

文本模型的基礎估算可以寫成：輸入Token除以一百萬後乘以輸入單價，再加上輸出Token除以一百萬後乘以輸出單價。多輪對話還要把每輪重複發送的歷史內容計算進去。

為什麼單價最低不等於成本最低

便宜的模型如果需要更多重試、更長的提示時間或人工返工，每個成功任務的總成本可能會更高。而高品質的模型如果能一次完成任務，則在整個流程中也能節省更多成本。

• 比較一次成功任務所需的平均調用次數。
• 把人工審核和錯誤修復時間計入成本。
• 測量模型實際輸出長度而非只看理論價格。
• 考慮速率限制、超時和故障回退。
• 根據任務難度採用多模型路由。
• 同時比較延遲和吞吐對業務的影響。

價格表缺少的常見費用

品質分應該怎麼看

頁面品質分數來自第三方綜合排行榜，適合用於粗略排序，並不代表該模型在所有任務上表現都一樣好。代碼、數學、中文、工具調用以及長文檔處理能力則需要分別進行測試。

• 確認品質數據的來源與更新時間。
• 不要比較不同基準和版本的无說明分數。
• 查看與業務匹配的分類指標。
• 對候選模型運行統一內部測試集。
• 把幻覺、安全性和格式穩定性加入評分。
• 結合價格計算品質達標請求的成本。

數據新鮮度風險

大模型的價格和名稱經常會更新，廠商可能會新增模型、降低價格、關閉舊版本或改變緩存規則。如果第三方表格缺乏更新時間，那麼在幾週之內就可能失去作為採購參考的價值。

• 表中出現退役或舊代模型時提高警惕。
• 核對模型ID是否與實際API呼叫名稱一致。
• 檢查價格單位是每千還是每百萬Token。
• 確認輸入、輸出、緩存和長上下文是否分開計價。
• 在預算文件中記錄核驗日期和官方頁面快照。
• 上線後用真實帳單持續校準價格表。

網站本身是否收費

LLM Price Check的價格表和計算器可直接訪問，未發現面向用戶的會員訂閱或付費套餐。它展示的是第三方模型API的價格，並不負責銷售這些模型額度。

數據與隱私

計算器只需要Token數量與模型價格，正常情況下不必貼上真實的提示詞、客戶內容或API Key。使用者不應將生產憑證輸入任何第三方價格比較網站。

• 只填寫Token數量，不提交真實業務文本。
• 不要在網頁參數或備註中貼上API Key。
• 敏感預算使用本地表格或內部成本系統計算。
• 正式採購透過供應商控制台和合約確認。
• 企業使用前檢查網站隱私、Cookie與運營主體資訊。

產品優勢

• 界面簡單，能快速理解輸入和輸出Token價格。
• 把多家模型供應商放在同一表格中比較。
• 提供上下文、品質和知識截止等輔助欄位。
• 計算器適合教學和早期預算估算。
• 免費訪問，不需要訂閱會員。
• 列出了部分官方價格來源以便核復。

使用限制與注意事項

• 目前模型和價格明顯滯後，不能當作實時採購依據。
• 每行沒有清楚、統一的最後核驗日期。
• 舊模型可能已經退役、改名或調整上下文。
• 品質分數的來源和版本無法代表所有的業務能力。
• 未完整覆蓋緩存、批次處理、推理和長上下文價格。
• 未覆蓋圖像、影片、音頻、嵌入和微調成本。
• 相同模型在不同雲渠道可能有不同價格和條款。
• 計算結果不包含稅費、匯率、失敗重試和人工成本。
• 網站缺乏可驗證的官方源碼倉庫和完整運營資訊。

GitHub與開源狀態

截至核驗時，沒有找到由LLM Price Check官網明確鏈接並能驗證歸屬的官方源碼倉庫。資料庫原關聯的OpenChat倉庫只是價格表中OpenChat模型的項目來源，不是LLM Price Check網站代碼。

因此，該網站應標記為「未發現官方開源倉庫」。其他名稱相近的llm-prices、llmpricing或PriceToken專案屬於獨立工具，不能混作本網站的源碼。

基本資訊

推薦指數

3.2 / 5。LLM Price Check的介面直觀，適合了解Token計費方式以及進行歷史價格的初步篩選；但目前的數據明顯過時，且缺乏更新時間與複雜的計費項目說明，因此無法直接用於2026年的正式選型決策。

常見問題

LLM Price Check免費嗎？

價格表和計算器可免費使用，未發現會員套餐。調用表中模型仍需向對應API服務商付款。

網站價格是實時的嗎？

不能按實時數據使用。目前頁面仍包含大量舊模型和歷史價格，正式預算必須查看供應商官方頁面。

怎麼計算一次請求的費用？

分別用輸入和輸出Token除以一百萬，再乘對應單價並相加。還要加上緩存、工具、重試和多模態等附加費用。

品質分數越高就越值得買嗎？

不一定。綜合品質分數無法代表具體業務，應比較每個成功任務的品質、延遲及總成本。

可以輸入API Key嗎？

不需要，也不應該輸入。該工具只是價格表和計算器，不負責調用用戶的模型賬戶。

支援緩存和批次處理價格嗎？

目前的主表並未完整涵蓋這些複雜的計費項目。需要前往對應廠商的最新價格及說明文件進行確認。

LLM Price Check是開源的嗎？

沒有找到可驗證的官方源碼倉庫。OpenChat GitHub僅是表中模型的來源，與網站源碼無關。