模型输入综合单价$/1M · 含缓存普通输入单价$/1M · 不含缓存缓存读取单价$/1M缓存写入单价$/1M输出单价$/1M
正在读取模型价格…
单价 = 各账号该模型的对应分摊成本之和 ÷ 对应 Token 总量 × 1,000,000。
正在读取账号和窗口内调用记录…
账号成本明细
计算口径与数据说明

7d 实际成本 = 月成本 ÷ 4 × 已用额度百分比。Pro100 / Pro200 / Pro500 的每周预算分别为 $25 / $50 / $125。

每个账号独立取 [重置时间 − 7 天,重置时间) 窗口,并统计采样时刻之前的请求。模型优先使用实际上游模型名。总输入 = 普通输入 + 缓存读取 + 缓存写入。

分摊系数 = 账号实际成本 ÷ 窗口内 API 标准总金额。各模型各项成本 = 对应 API 标准分项金额 × 分摊系数;单价 = 分项成本 ÷ 对应 Token 数 × 1,000,000。此为按 API 原价比例分摊的估算单价,并非上游公布价格。

输入综合单价包含缓存;普通输入单价不含缓存。API 折合金额采用 total_cost,不采用用户倍率后的 actual_cost。额外非 Token 费用参与分摊但不会重复计入 Token 单价。

自动识别 OpenAI OAuth 套餐:prolite / Pro5x → Pro100;pro / chatgpt_pro / Pro20x → Pro200;明确 Pro500 → Pro500。可在服务端按账号 ID 覆盖套餐。缺失窗口、接口异常和零用量单独标记,不伪造单价。

用量百分比与请求记录为顺序采样,存在短暂时间差;上游百分比可能取整。若账号在其他服务使用,或日志被清理,分摊只能反映当前可查询记录。