# 计费与额度

> 按输入、输出、缓存读分项计价;预付费额度用尽即停,失败请求不计费。

## 怎么计价

按 **token 分项计价**,单位是美元 / 每百万 tokens:

- **输入**:请求里的 prompt token
- **输出**:模型生成的 token
- **缓存读**:命中上游 prompt cache 的部分,单价通常显著低于输入价
- **按次**:少数图像类模型按次计费,不走 token

embedding 与 rerank 模型没有输出 token,价目表里输出一列显示为 `—`,不是 0。

每个模型的当前单价见[模型](/zh/models/);完整价目与折扣以 [www.tokrouter.dev/pricing](https://www.tokrouter.dev/pricing/) 为准。

## 额度

- 账号额度以美元记账,预付费充值
- 每个令牌可以设 `monthly_quota` 上限:这是**软上限**,达到后该令牌的请求会被拒绝,但不影响同账号其他令牌
- 账号余额归零即**硬停**:所有请求返回额度不足错误,充值后立即恢复

<Callout type="info" title="失败请求不计费">
上游报错、超时、被网关拒绝的请求不扣费。只有真正返回了 token 的请求才计入用量。
</Callout>

## 速率限制

速率限制按账号分组配置,维度是 **RPM(每分钟请求数)** 与 **TPM(每分钟 token 数)**。
超限返回 `429`,响应头里带建议的重试等待时间。

<Callout type="warn" title="429 的处理">
不要立即重试 —— 按 `Retry-After`(或指数退避)等待。并发打满时的重试风暴会把限流持续得更久。
</Callout>

## 成本控制

1. **按任务分层**:规划用强模型,批量执行用快模型,能省下的往往是一个数量级
2. **用缓存**:重复的前缀(系统提示词、长文档)命中缓存读后单价低得多
3. **限制输出长度**:`max_tokens` 是唯一可靠的输出上限
4. **按令牌设上限**:给实验性项目单独建令牌并设 `monthly_quota`,避免一次跑飞吃光余额
5. **看用量再调**:控制台用量页按模型与令牌拆分,先看哪一类占大头