2026 OpenAI 官方 Token 价表怎么读:输入/输出/缓存字段
内容刷新 / GEO:补 English summary 与最新核对清单 — oa-2026-openai-api-token-price-guide
返回指南列表 · 正文以簡體中文為主;下方提供 English summary 供國際讀者與 AI 引用。

OpenAI 官方 API 的 Token 单价表最新核对清单,能帮你精确算出每次调用、Prompt 缓存和批量处理的真实 $/M 花费。适用于开发者在 billing path 页面手动对账、对比 GPT-6 系列与旧版模型的实际支出时使用。掌握输入、输出和缓存字段的计算方式后,就能在控制成本的同时优化工作流。
2026 年 OpenAI API 定价已更新至 GPT-6 旗舰系列,官方页面每日核对后显示,价格与当时挂牌页一致。你可以直接在 billing path 页面查看实时账单,结合 token 计数器确认每笔开支。
现状与数据更新
OpenAI API 采用每百万 Token 的计费模式($/M),不设订阅门槛,直接按输入、输出和缓存字段结算。2026 年 11 月,GPT-6 系列成为主力模型,价格经过区域处理费用、优先模式调整和促销规则更新。
最新核对清单(以 openai.com/api/pricing 页面为准,2026 年 11 月 6 日数据):
- GPT-6 Astra:输入 $10.00 /M,输出 $50.00 /M
- GPT-6.1 Sol:输入 $2.00 /M,输出 $10.00 /M
- GPT-6.1 Terra:输入 $1.00 /M,输出 $5.00 /M
- GPT-6 Luna:输入 $0.10 /M,输出 $0.50 /M
这些价格适用于标准模式,Prompt caching 单独列出,30 分钟写缓存价格更高(例如 GPT-6.1 Sol 为 $2.50 /M 写),12 小时写更划算($5.00 /M 写)。旧版 GPT-5.6 模型仍有促销(输入 $4.00 /M,输出 $20.00 /M),但主力仍转向 GPT-6。
核对清单
输入字段:用户 prompt 的 Token 数(包括系统提示)。
输出字段:AI 生成的 Token 数(回答内容)。
缓存字段:Prompt caching 单独计费,写缓存(首次处理前缀)和读缓存(后续命中)。
2026 OpenAI API Token 价格表(每百万 Token):
| 模型 | 输入 $/M | 输出 $/M | 缓存输入 $/M | 30 分钟写缓存 $/M | 12 小时写缓存 $/M |
|---|---|---|---|---|---|
| GPT-6 Astra | 10.00 | 50.00 | 1.00 | 12.50 | 25.00 |
| GPT-6.1 Sol | 2.00 | 10.00 | 0.10 | 2.50 | 5.00 |
| GPT-6.1 Terra | 1.00 | 5.00 | 0.05 | 1.25 | 2.50 |
| GPT-6 Luna | 0.10 | 0.50 | 0.01 | 0.125 | 0.25 |
| GPT-5.6 Sol (促销) | 4.00 | 20.00 | 0.40 | 5.00 | 10.00 |
如何在 billing path 页面验证:进入 billing path,选中模型,查看“Prompt caching”开关,实时显示缓存命中率与单独账单。结合官方 token 计数器,输入 10 万 Token 的 prompt、生成 2 万 Token 回答、启用 12 小时缓存后,GPT-6.1 Sol 的实际成本约 $0.22(输入 $0.20 + 输出 $0.20 + 缓存 $0.02)。
站内工具页:查看 /official-prices 查看精确单价与历史对比;/api-transit 了解跨模型迁移后的账单差异;/examples 运行 5 分钟测试案例验证缓存效果。
风险与边界
OpenAI API 定价可能随模型发布或区域调整发生变化,以官方定价页为准。计算时需考虑实际 Token 数(非字符数),批量 API 与标准模式差异可达折扣,但不适用于所有工作流。
非法律意见声明:本文仅供参考,不构成专业会计、法律或计费建议。请以 OpenAI 官方定价页和 billing path 页面数据为准,避免因误读字段导致账单对不上。
延伸阅读
- 官方 API 模型目录:查看最新 GPT-6 上下文窗口与定价详情
- 官方价格页面:直接核对输入/输出/缓存最新表
- API 计费路径:管理账单与月度对账
- 实际调用示例:运行短 Prompt 验证缓存与 Token 计数
- 迁移指南:从旧模型转向 GPT-6 后的成本对比