商用 API 中转站费率核算：上游成本、模型倍率与按量结算的口径拆解

商用 API 中转站的费率，常被简化成“每百万 token 多少钱”。但真实账单里，同一段代码在不同平台上跑出来的费用，差距往往不在标称单价，而在折算口径、预扣规则与失败请求的归属。把这层账算清楚，比反复比价更有意义。

中转站的费率结构大致分四层：上游模型的采购成本、路由与调度的损耗、平台运营与风控投入，以及账期与预扣带来的资金占用。上游成本随模型厂商调价而波动，是硬成本；后三层则决定了一个平台最终对外报出的数字。因此不同中转站之间的报价差异，很多时候来自计价口径，而非单纯的加价比例。

第一层口径是输入与输出的拆分。主流接口对输入 token 与输出 token 分别定价，输出通常更贵；如果平台只按合计 token 报一个价，短期看起来简单，但在长上下文、长输出场景下很容易被低估。核算时应把输入与输出分开统计，再分别套用各自单价，才能还原真实成本。

第二层是模型倍率。同一平台下，轻量模型与旗舰模型的单位价格可以差出数十倍，中转站一般用倍率表统一管理。做预算时不能只看主力模型的单价，要按调用量分布加权：多少比例走了轻量模型，多少走了高能力模型，得到的是加权均价，而不是某一档标价。

第三层是缓存与批量的折扣口径。部分上游对命中缓存的输入 token 给予折扣，部分支持批量任务错峰执行，中转站是否把这部分优惠原样传导到下游，直接决定高频重复调用场景的实际费率。选型时可以用一段带有大量重复前缀的请求做验证，对比账单前后差异，比看文档更直观。

第四层是预扣与结算。多数中转站在请求发起时按预估 token 预扣余额，请求结束后按实际用量回冲；流式响应因为无法提前知道长度，预扣偏差相对更大。只要回冲及时、明细可查，这套机制本身没有问题；真正需要关注的是预扣比例是否过高，以及异常中断后额度是否原路退回。

失败请求的归属，是最容易产生争议的一环。上游返回 4xx 通常不计费，而 5xx 与超时是否重试、重试成功算一次还是两次，各平台处理方式不同。做核算时可以在压测中故意制造超时，观察账单里出现的是“上游错误不扣费”还是“按重试次数计费”，这比逐条读文档更直接。

限流与重试构成隐性成本。当并发触达平台阈值，请求排队或被拒绝，业务侧往往自动重试，实际调用量被放大。名义单价再低，如果同样的业务量需要多花三成请求次数，综合成本依然偏高。因此核算口径最好落到“每千次有效业务调用的成本”，而不是“每百万 token 的标价”。

一个可复用的核算框架是：先按月统计有效调用次数与 token 结构，再乘以各模型单价得到理论成本，最后与账单实际扣费相减，差额就是预扣误差、失败重试与折扣传导的综合体现。连续观测两三个账期，基本能判断一个平台的费率是否稳定、口径是否透明。

快米兔 API 在这方面的做法比较直观：按量计费，不设月付、季付套餐，按需消耗；新用户注册送 5 元测试金，可以直接用来跑通上面这套验证流程——用真实业务请求压一压，看账单明细与预扣回冲是否对得上。这种先小额验证、再逐步放量的路径，对小团队核算费率尤其省事。

除了单价，还要看配套能力。Key 的分层管理与用量归因，决定了你能否把成本分摊到具体业务线；多模型路由与降级策略，则影响高峰期是否被迫用更贵的模型顶上去。这些能力不直接写在价目表上，但会实实在在改变月度账单的构成。

结论：商用 API 中转站的费率核算，本质是一道“口径题”而非“单价题”。把输入输出拆分、模型倍率、缓存折扣、预扣回冲、失败归属这几个变量对照清楚，再去比价才有意义。对于刚开始使用中转能力的团队，先用平台赠送的测试金跑一轮小规模验证，再决定放量节奏，是成本最可控的做法。