豆包 API 价格与计费（2026）：输入、输出与成本控制

豆包 API 通过火山方舟提供服务，账单不是“调用一次收一次”的固定费用，而是由输入 Token、输出 Token、缓存、推理方式和保障资源共同决定。很多团队按单一单价做预算，上线后发现成本偏高，原因往往不是模型涨价，而是输入结构、缓存命中率和调用方式与估算时不同。

本文把豆包 API 的计费拆成可以逐项核对的部分，并给出估算和降本的顺序。具体单价以站内模型价格和火山方舟官方价格页为准，价格与规则可能调整。

说明：豆包、火山方舟与火山引擎均为其权利人的商标。本文仅用于技术说明，不表示任何合作关系，计费与开票规则以官方页面为准。

一、账单由哪几项构成

火山方舟的在线推理按 Token 后付费，但完整账单还可能包含缓存存储、批量推理、保障包和精调费用。

计费项	什么时候产生	计费单位	备注
输入（缓存未命中）	提示词首次进入上下文	Token	对应 `prompt_tokens`
输入（缓存命中）	复用了此前缓存的前缀	Token	对应 `cached_tokens`，单价通常更低
缓存存储	开启上下文缓存后	Token × 小时	按自然小时内的最大存储量计
输出	模型生成正文或结构化结果	Token	对应 `completion_tokens`
批量推理	离线批处理任务	Token	有独立价格，通常不抵扣免费额度
TPM 保障包	预置每分钟吞吐	购买时长	不调用也计费
模型单元	独占算力	购买时长	不调用也计费
精调	训练阶段	Token × 轮次或算力	与推理费用分开

先分清“用多少付多少”和“买了就付”两类费用，预算才不会漏项。前者随流量波动，后者是固定成本。

二、输入和输出分别怎么算

输入是请求里所有进入上下文的内容：system prompt、历史消息、工具定义、检索到的文档、图片等多模态内容。这些内容都会被折算成 Token，按输入单价计费。输出是模型实际生成的内容，按输出单价计费，通常单价更高。

几个容易被忽略的细节：

多轮对话如果每次都带完整历史，输入 Token 会随轮数累积，而不是只算最新一句。
工具调用的 schema、函数说明也占输入 Token，工具越多，固定开销越大。
图片、音频等多模态输入会按规则折算，不能只按文字长度估算。
推理类模型产生的思考内容通常计入输出，具体口径以官方计费说明为准。

所以预算不能只问“输入多少钱、输出多少钱”，还要问“我的请求里，输入和输出各占多少”。客服机器人输入多、输出短，长文生成则相反，两者的成本结构完全不同。

三、上下文缓存：能省钱，也会产生费用

上下文缓存的逻辑是复用稳定的前缀。两次请求开头完全一致时，命中部分按更低的缓存命中单价计费，只有新增内容按普通输入计费。但它不是免费的：

缓存命中按 cached_tokens 计费，价格低于普通输入，但不是零。
缓存存储按小时计费，通常以每个自然小时内存储的最大 Token 数结算。
缓存是尽力而为，不承诺一定命中；命中率低时，存储费可能超过节省下来的输入费。

让缓存真正省钱的做法，是把稳定内容放在请求开头：固定 system prompt、固定工具定义、固定知识前缀；把时间戳、随机 ID、用户昵称、动态检索结果放到末尾。如果业务本身每次请求都完全不同，建议先关闭缓存，观察账单后再决定。

四、在线、批量与保障包怎么选

火山方舟提供多种推理方式，价格和适用场景不同：

在线推理按 Token 后付费：适合流量不确定、延迟要求一般的业务，不调用不收费，新用户通常有可抵扣的免费额度。
批量推理：适合离线标注、内容审核、批量摘要等不要求实时返回的任务，价格通常更低，但不支持免费额度抵扣。
TPM 保障包：适合流量可预估、需要稳定吞吐的生产业务，按天或按小时购买，即使不调用也收费。
模型单元：提供独占算力，适合精调模型或有特殊并发需求的场景，属于固定成本。

选型时不要只比较单价。批量推理便宜，但结果延迟高；保障包稳定，但闲时也在烧钱。把业务按“实时/离线”和“流量是否可预估”分成两类，再匹配计费方式，通常比单纯换模型更有效。

五、用 usage 字段做一次真实估算

不要按字数猜 Token。每次调用后记录响应里的 usage，连续观察一周，就能得到自己业务的真实结构。

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["ARK_API_KEY"],
    base_url="https://ark.cn-beijing.volces.com/api/v3",
)

resp = client.chat.completions.create(
    model=os.environ["ARK_ENDPOINT_ID"],  # 推理接入点 ID 或模型 ID，以控制台为准
    messages=[
        {"role": "system", "content": "你是客服助手，回答不超过三句话。"},
        {"role": "user", "content": "订单发货后还能改地址吗？"},
    ],
)

print(resp.usage)  # 记录输入、输出与缓存字段

估算按下面顺序做：

固定记录口径：时间、项目、模型、输入 Token、输出 Token、缓存命中、是否流式、重试次数。
抽样一周，算出各场景的平均输入和平均输出，不要用全站平均值。
按“输入 × 输入单价 + 输出 × 输出单价”算单次成本，缓存命中部分单独按更低单价计算。
乘以日均调用量，再乘 30，得到月度推理费用。
加上缓存存储、批量任务、保障包或模型单元等固定项。
预留一部分缓冲，覆盖重试、峰值和价格调整。
每月用账单反推一次，修正估算模型。

如果响应没有返回缓存细分字段，就记录总输入和总输出，再用账单或用量页面反推。关键是口径一致，不要把不同入口、不同日期的数据混在一起比较。

六、成本控制的顺序不要反

先量化：按项目、模型、场景拆出真实 Token 结构，找出成本最高的三个调用。
再提缓存命中：稳定前缀放在开头，减少动态内容，观察命中率变化。
再减输入：检索只召回相关片段，历史消息做摘要，工具结果只保留必要字段。
限制输出：设置合理的 max_tokens，要求 JSON 或固定字段，减少重复解释。
做模型分流：分类、抽取、改写走轻量模型，复杂推理再升级。
离线任务转批量：不要求实时返回的任务放进批量推理，避开高峰期。
最后才是谈单价：输入没治理、缓存没命中时，换再便宜的模型也降不下来。

七、预算和账单怎么管

一个项目一把 Key，测试和生产分开，避免互相挤占额度。
给 Key 设置消费上限和余额告警，异常调用时能及时止损。
每周按“项目、模型、场景”对账，找出增长最快的调用。
把缓存、批量、模型分流带来的节省单独记录，否则无法证明优化有效。
需要人民币付款、统一账单和发票的团队，可以用 OpenAI 兼容的中商起航 AI 网关接入，价格与计费口径以模型价格为准。

常见问题

豆包 API 有免费额度吗？

在线推理通常有新用户免费额度，可抵扣按 Token 后付费的消耗；批量推理和精调一般不支持免费额度抵扣。额度和有效期以火山方舟控制台为准。

缓存存储为什么也收费？

缓存需要占用服务端存储资源，因此除了缓存命中的 Token 费用，还会按存储量和时长计费。命中率低时，先优化前缀结构，必要时关闭缓存。

批量推理一定更便宜吗？

批量推理的 Token 单价通常更低，但结果不是实时返回，且不支持免费额度。适合离线任务，不适合在线客服这类要求低延迟的场景。

重试的请求会计费吗？

只要服务端完成了推理并产生 Token，通常就会计费，即使客户端因超时没有收到结果。失败请求是否计费以账单和官方说明为准，重试逻辑要加退避和上限。

为什么自己估算和账单对不上？

常见漏算项包括历史消息、工具定义、多模态折算、缓存存储、重试请求和保障包固定费。用请求 ID 对照用量日志，才能定位差异。

下一步

先在中商起航 AI 网关创建测试 Key，用真实任务跑一周，记录输入、输出和缓存命中，再按模型价格折算预算。模型可用性与价格以价格页为准。