Bagaimana kos API AI dikira ikut token (dengan contoh)

Apa itu token?

Model AI tidak membaca teks perkataan demi perkataan, tetapi dalam potongan kecil yang dipanggil token. Satu token boleh jadi satu perkataan pendek, sebahagian perkataan atau tanda baca. Dalam bahasa Inggeris, satu perkataan biasanya sekitar satu token. Teks Bahasa Melayu dan Cina biasanya memerlukan lebih banyak token bagi jumlah maksud yang sama, jadi anggaran kasar sahaja tidak cukup.

Cara paling tepat ialah melihat jumlah token yang dipulangkan oleh API. Setiap jawapan mengandungi medan usage:

from openai import OpenAI

client = OpenAI(base_url="https://api.macloudai.com/v1", api_key="sk-...")
r = client.chat.completions.create(
    model="gem-3.8-flash",
    messages=[{"role": "user", "content": "Tulis kapsyen Instagram untuk kafe di Georgetown."}],
)
print("input:", r.usage.prompt_tokens)
print("output:", r.usage.completion_tokens)

Apa beza token input dan token output?

Token input: semua yang anda hantar kepada model, termasuk arahan sistem, sejarah perbualan, isi dokumen dan soalan baharu.
Token output: jawapan yang ditulis oleh model.

Kedua-duanya dikira berasingan dan biasanya token output lebih mahal. Jadi jawapan yang panjang meningkatkan kos lebih cepat daripada soalan yang panjang.

Formula kos dan contoh pengiraan

Harga ditulis bagi setiap 1 juta token. Formulanya:

kos = (token input / 1,000,000 x harga input)
    + (token output / 1,000,000 x harga output)

Contoh dengan nombor rekaan, bukan harga sebenar: katakan harga input RM10 dan harga output RM40 bagi setiap 1 juta token. Satu sembang guna 2,000 token input dan 800 token output.

Bahagian	Pengiraan	Kos (contoh)
Input	2,000 ÷ 1,000,000 × RM10	RM0.02
Output	800 ÷ 1,000,000 × RM40	RM0.032
Jumlah		RM0.052

Untuk harga sebenar setiap model dalam ringgit, rujuk jadual ini yang dibaca terus dari halaman model:

Harga sebenar sekarang

Anggaran daripada harga di halaman model: 2,000 token input dan 500 token output bagi setiap chat. Caj sebenar dipaparkan dalam konsol.

Model	Setiap chat	1,000 chat
GEM 3.8 Flash	RM 0.001	RM 0.99
TT-6 Luna	RM 0.0024	RM 2.38
TT-6.1 Terra	RM 0.0016	RM 1.63
HK-5.5	RM 0.0008	RM 0.78
GEM 4 Argon	RM 0.02	RM 18.94
TT-6.1 Sol	RM 0.0033	RM 3.25

Langkah menganggar kos projek anda

Jalankan 10 hingga 20 permintaan contoh yang mewakili kerja sebenar anda.
Buka Penggunaan di konsol dan catat purata token input, token output dan kos setiap panggilan.
Darabkan purata kos dengan anggaran bilangan panggilan sehari, contohnya 300 soalan pelanggan sehari.
Darabkan lagi dengan 30 untuk anggaran sebulan, dan tambah sedikit ruang untuk hari sibuk.
Kalau jumlahnya terlalu tinggi, cuba model yang lebih murah atau pendekkan arahan sistem, kemudian ulang langkah 1.

Di konsol, menu Penggunaan memaparkan 50 panggilan terkini: model, token input, token output dan kos setiap satu. Kalau anda guna beberapa kunci, cipta kunci berasingan untuk setiap projek supaya mudah dikenal pasti mana satu yang berbelanja.

Kenapa perbualan panjang semakin mahal?

API tidak mengingati perbualan. Untuk setiap mesej baharu, aplikasi menghantar semula seluruh sejarah perbualan sebagai token input. Mesej pertama mungkin hanya beberapa ratus token, tetapi mesej ke-20 dalam sembang yang sama mungkin membawa beribu token sejarah. Kosnya bertambah walaupun soalan baharu itu pendek.

Perkara yang sama berlaku dalam alat seperti Claude Code yang menghantar isi fail dan output arahan pada setiap langkah. Lihat tip khusus dalam panduan Claude Code.

Situasi biasa dan dari mana token datang

Situasi	Token input datang dari	Token output datang dari
Bot WhatsApp kedai	Arahan sistem (menu, waktu buka) + sejarah sembang + soalan pelanggan	Balasan pendek kepada pelanggan
Ringkasan dokumen	Seluruh teks dokumen yang dihantar	Ringkasan, biasanya jauh lebih pendek
Menulis artikel atau kapsyen	Arahan dan contoh gaya yang diberi	Artikel penuh, jadi output menjadi bahagian utama kos
Claude Code	Isi fail, output arahan, sejarah sesi	Kod dan penerangan yang ditulis

Daripada jadual ini, anda boleh nampak di mana penjimatan paling besar. Untuk ringkasan dokumen, kurangkan input. Untuk penulisan artikel, kawal panjang output. Untuk bot, pendekkan arahan sistem dan sejarah.

Cara menjimatkan token

Pendekkan arahan sistem. Buang ayat yang berulang atau tidak penting.
Hadkan sejarah: hantar hanya 6 hingga 10 mesej terakhir, atau ringkaskan sejarah lama.
Tetapkan max_tokens supaya jawapan tidak terlalu panjang, dan minta model menjawab dengan ringkas.
Guna model murah untuk kerja mudah dan model kuat hanya untuk kerja sukar. Lihat cara memilih model.
Jangan hantar dokumen penuh kalau hanya satu bahagian yang diperlukan.

Apa jadi bila baki habis?

Kos setiap panggilan ditolak daripada baki prabayar anda. Bila baki tidak mencukupi, permintaan ditolak dengan ralat 403. Tambah nilai di Tambah nilai dengan kaedah bayaran yang dibuka pada masa ini, dan panggilan seterusnya terus berfungsi. Baki tidak tamat tempoh selagi akaun aktif, dan tiada yuran bulanan.

Soalan lazim

Q1Berapa token untuk satu perkataan Bahasa Melayu?

Ia berbeza ikut model dan perkataan. Teks Bahasa Melayu biasanya guna lebih banyak token berbanding bahasa Inggeris untuk maksud yang sama. Lihat medan usage dalam jawapan API atau menu Penggunaan untuk angka sebenar.

Q2Kenapa token output lebih mahal?

Penyedia model menetapkan harga output lebih tinggi kerana menjana teks memerlukan lebih banyak pengiraan. Harga input dan output setiap model dipaparkan di halaman model.

Q3Adakah permintaan yang gagal juga dicaj?

Kos dikira ikut token yang benar-benar diproses dan direkodkan. Semak menu Penggunaan untuk melihat setiap panggilan dan kosnya.

Q4Bagaimana saya tahu jumlah belanja sebulan?

Menu Penggunaan memaparkan panggilan terkini dengan kos setiap satu, dan baki semasa dipaparkan di konsol. Anggarkan kos bulanan daripada purata kos setiap panggilan.

Daftar percuma → Lihat model & harga