GPT-6.1 Terra 价格详解：Token 费用、缓存与任务预算
按官方费率估算 GPT-6.1 Terra API 成本，了解缓存写入、272K 输入阈值、推理 Token、服务模式及单次和月度预算。
Himi LiProduct Manager at EvoLink文章目录
这些单价只是预算的起点，并不代表每次请求的固定费用。实际金额取决于输入中有多少内容写入或读取缓存、模型消耗了多少输出与推理 Token，以及是否超过长上下文计费阈值。服务模式和工具也会影响费用。
GPT-6.1 Terra API 价格一览
| Token 类别 | 输入不超过 272K 时的 Standard 费率 |
|---|---|
| 普通输入 | $1.00 |
| 缓存读取 | $0.05 |
| 缓存写入：30 分钟有效期 | $1.25 |
| 缓存写入：12 小时有效期 | $2.50 |
| 输出，包含推理 Token | $5.00 |
如何估算一次 GPT-6.1 Terra 请求的费用？
先读取 usage 记录中的 Token 数。基础计算方式是：各类数量分别除以一百万，乘以相应单价，最后相加。
假设一次请求使用：
- 10,000 普通输入 Token；
- 2,000 全部计费输出 Token；
- 没有缓存读取、缓存写入或单独计费工具。
真实请求的用量会变化。任务需要更长提示词或更多推理时，费用也会变化。预测月度预算时，尽量使用自己请求的实际用量分布，并纳入计费重试和工具费用。只用一个平均值，可能会掩盖少量昂贵的长上下文任务。
推理 Token 已经包含在输出中
output_tokens_details.reasoning_tokens 中，且已经包含在总 output_tokens 里。估算时使用全部输出数量，不要再次把推理数量加上去。OpenAI 推理指南说明了这些用量字段。请求还可能在生成可见答案前达到输出上限。这种情况下，仍可能已经消耗计费输入与推理 Token。决定重试前，应检查 usage 和响应状态。
提示词缓存如何改变账单？
缓存可以降低重复材料的费用，例如多次请求发送相同指令、示例或参考文本。输入应区分为三类：
- 普通输入：按普通输入费率收费的 Token。
- 缓存写入：按指定缓存有效期写入的 Token。
- 缓存读取：成功复用已有缓存的合格 Token。
算例：同一前缀复用十次
假设一个 8,192 Token 的前缀被发送十次。第一次完整写入，后九次都从仍有效的缓存读取。这里只比较前缀的输入费用，不含输出、其他输入、长上下文调整或工具费。
| 处理方式 | 计算 | 十次请求的前缀费用 |
|---|---|---|
| 每次都按普通输入 | 8,192 × 10 × $1 / 1M | $0.08192 |
| 一次 30 分钟写入，随后九次读取 | 8,192 × ($1.25 + 9 × $0.05) / 1M | $0.0139264 |
| 一次 12 小时写入，随后九次读取 | 8,192 × ($2.50 + 9 × $0.05) / 1M | $0.0241664 |
如果 Responses API 的 usage 同时报告两种写入有效期，普通输入可用总输入减去计费读取和全部缓存写入得到。再分别对 30 分钟与 12 小时的写入数量应用对应费率。若网关未返回这些字段，应使用其账单信息，而不是将缺失的数量当成零。
输入超过 272K Token 后会怎样？
假设一次 Standard 请求使用 300,000 普通输入 Token 和 2,000 计费输出 Token，没有缓存或工具费用：
- 输入：300,000 × $2 / 1M = $0.60
- 输出：2,000 × $7.50 / 1M = $0.015
- 合计：$0.615
模型的 1,050,000 Token 上下文窗口可容纳较长输入和输出，但并不意味着窗口内的请求都享受短上下文费率。处理长文档或智能体历史记录时，应测量每次请求实际发送的输入，并将反复发送的上下文纳入预测。
Batch、Flex、Fast 与工具费用
选择模式时，应同时考虑交付要求：
- Batch：异步处理，处理窗口为 24 小时，适合可以等待的任务，例如定时分类批次。见 Batch 指南。
- Flex：适合能够接受延迟的工作负载。资源不可用响应可能需要重试；OpenAI 明确说明，这一种 Flex 错误不收费。如果重试改用 Standard，应按实际使用的模式做预算。见 Flex processing。
- Fast：单 Token 价格更高，应比较缩短等待时间的价值与增加的 Token 费用。
GPT-6.1 Terra 每个任务都比 Sol 便宜吗？
GPT-6.1 Terra 的 Standard 短上下文输入和输出费率是 GPT-6.1 Sol 的一半：每百万 Token 为 $1/$5，对比 $2/$10。在相同条件、完全相同的计费 Token 数量下，Terra 的模型 Token 费用为一半。
但完成任务可能需要不同数量的 Token 或重试。例如，Sol 一次花费 0.04 美元并交付通过验收的结果；Terra 若需要两次、每次 0.02 美元才能达到同一标准，模型费用就相同。若需要第三次，Terra 在这个例子中就更贵。
生产规划应比较全部尝试的总计费成本与通过验收的任务数：
每个通过验收任务的成本 = 全部尝试的模型及适用工具费用 / 通过验收的任务数人工审核与等待时间应另外记录，除非已有一致的折算方法。如果没有任务通过验收，该单位成本没有定义。这样才能区分较低的 Token 单价和交付团队可用结果的较低成本。
实际工作负载如何做预算？
确定月度预算前，先收集一组有代表性的完整任务。逐项记录模型、服务模式、输入输出用量、计费缓存读取与写入、适用工具调用、重试次数，以及结果是否通过审核。
然后将常规请求与特别长或复杂的请求分开。分别应用正确费率，再乘以预计数量。试运行后，使用所选提供商的实际 usage 和账单修订估算；真实流量通常比单独的价格表更能帮助预测缓存命中率和输出长度。
常见问题
缓存读取和缓存写入会一起收费吗？
同一请求的不同部分可以分别记为缓存读取或写入。在同一计费分类中，同一 Token 不会同时按普通输入和缓存写入收费。应使用 usage 明细以及对应有效期的费率。
输出超过 272K 才开始用高费率吗？
不是。阈值依据输入 Token。输入超过 272,000 Token 时，OpenAI 的长上下文费率适用于整次请求，包括输出部分。
