logo
开发者文档
搜索
服务、积分与定价

服务、积分与定价

模型服务

GPTBots 的模型服务由 GPTBots 官方直接提供,开发者无需自行注册 OpenAI、Claude 等平台的 Key,即可直接在 GPTBots 使用它们的服务。调用模型服务时,将按下文定价扣除相应积分。

服务积分定价

GPTBots 内的所有服务,均以「积分」进行定价和统计消耗。不同的 LLM 版本服务,对积分的消耗量也不一样,具体的消耗计算,详见下文。

注意:积分不提供退还或兑换等服务。

积分消耗项

GPTBots 平台根据服务类型的不同而区分定价(详见服务、积分与定价),根据不同的服务定价按量扣除,具体包含 10 个扣费类型。在使用 AI Agengt、Workflow 时,调用到不同类型的服务将会产生相应的积分消耗,开发者可以在「组织-用量」分类查看积分消耗统计数据。

扣费类型 定义 示例
LLM 文本对话 调用 LLM 输入文字和图片,输出文字和图片 LLM 组件、分支组件、条件判断组件被调用时
LLM 音频对话 调用 音频LLM 输入和输出音频 调用 音频LLM 时
ASR 识别 调用ASR服务将音频识别为文字 系统识别模式下,附件上传音频时
TTS 生成 调用TTS服务将文字生成为音频 对话窗口文字消息点击声音播放按钮时
知识索引 调用知识索引将用户问题和知识数据进行Embedding 进行知识检索时
知识存储 在知识库上传知识数据并存储 按天计算当前知识库存储容量
Tools 调用 调用付费Tools成功 调用Google search积分付费工具时
知识重排 调用Rerank服务对检索到的知识库进行重排 知识库开启知识重排功能时
数据库处理 在数据库上传文档转换为数据库字段值和调用数据库查询生成图表 上传文档抽取为数据库和对话中调用数据库功能时
问题识别 调用问题识别将用户问题进行分类和情绪识别 在日志中启用问题分类功能时

LLM 服务定价

注意:以下价格计量单位为「积分 / 1K Tokens」。

模型品牌
模型版本
Input Output
OpenAI GPT-5.6-Sol 0.55 3.3
OpenAI GPT-5.6-Terra 0.22 1.32
OpenAI GPT-5.6-Luna 0.033 0.198
OpenAI GPT-5.4-272k 0.275 1.65
OpenAI GPT-5.4-Mini-400k 0.0825 0.495
OpenAI GPT-5.4-Nano-400K 0.022 0.1375
OpenAI GPT-Chat-Latest-400K 0.55 3.3
OpenAI GPT-5.0-Chat-128k 0.1375 1.1
OpenAI GPT-4.1-1M 0.22 0.88
OpenAI GPT-4.1-mini-1M 0.044 0.176
OpenAI GPT-4.1-nano-1M 0.011 0.044
OpenAI GPT-4o-128k 0.225 1.1
OpenAI GPT-4o-mini-128k 0.0165 0.0665
OpenAI GPT-Audio 0.275 1.1
OpenAI GPT-Mini-Audio 0.0165 0.066
OpenAI GPT-5.5-272K 0.55 3.3
OpenAI GPT-5.5-Pro-272K 3.3 19.8
OpenAI GPT-Realtime-2.1(audio) 3.52 7.04
OpenAI GPT-Realtime-2.1-mini(audio) 1.1 2.2
Azure GPT-5.2-400k 0.1375 1.1
Azure GPT-5.2-Chat-128K 0.1375 1.1
Azure GPT-5.0-Mini-400k 0.0275 0.22
Azure GPT-5.0-Nano-400K 0.0055 0.044
Azure Computer-Use Agent 0.33 1.32
Azure GPT-4.1-1M 0.22 0.88
Azure GPT-4.1-mini-1M 0.044 0.176
Azure GPT-4.1-nano-1M 0.011 0.044
Azure GPT-4o-128k 0.225 1.1
Azure GPT-4o-mini-128k 0.0165 0.0665
Azure GPT-Audio 0.275 1.1
Azure GPT-Audio-mini 0.0165 0.066
百度 ERNIE-3.5-8K 0.18 0.18
百度 ERNIE-4.0-8K 1.76 1.76
百度 ERNIE-Speed-128K 0 0
Meta Llama-4.0-Maverick-1M 0.0297 0.0935
Meta llama-3.1-8b-turbo-128k 0.022 0.022
Meta Llama-4.0-Scout-300K 0.0198 0.0649
Meta Llama-4.0-Guard-128K 0.022 0.022
Meta llama-3.3-70b-128k 0.099 0.099
Ali Qwen-Plus-1M 0.0314 0.1257
Ali Qwen-Flash-1M 0.0047 0.0094
Ali Qwen-vl-max-32k 0.3143 0.3143
Ali Qwen-3.5-122B-256k 0.0314 0.3143
Ali Qwen-3.5-35B-256k 0.0251 0.2011
Ali Qwen3.0-32B-128K 0.0314 0.3143
Ali Qwen3.0-8B-128K 0.0079 0.0786
Ali Qwen-Omni-Turbo 0.1 0.2
Ali Qwen2.0-audio 0.1 0.1
Ali Qwen-Max-1M 0.1886 0.5657
Ali Qwen3.6-Plus-1M 0.0126 0.2514
Mistral open-mixtral-8x7b 0.077 0.077
Mistral open-mistral-7b 0.028 0.028
Mistral Mistral-Large3 0.88 2.64
Mistral Mistral-Medium-3 0.297 0.891
Mistral Mistral-Small-4 0.22 0.66
智谱 GLM-5.0-200K 0.0943 0.3457
智谱 GLM-4.7-Thinking-200K 0.0629 0.2514
智谱 GLM-4.7-FlashX-200K 0.0079 0.0471
智谱 GLM-4.5-X-128K 0.1257 0.5029
智谱 GLM-4.0-9b-8K 0.095 0.095
智谱 GLM-4V-Plus-16K 0.017 0.017
智谱 GLM-5.2-1M 0.1257 0.44
Anthropic Claude-Fable-5.0 1.1 5.5
Anthropic Claude-Opus-5.0 0.55 2.75
Anthropic Claude-Sonnet-5.0 0.22 1.1
Anthropic Claude-4.7-Opus-1M 0.55 2.75
Anthropic Claude-4.6-Opus-200k 0.55 2.75
Anthropic Claude-4.6-Opus-Thinking-200K 0.55 2.75
Anthropic Claude-4.6-Sonnet-200K 0.33 1.65
Anthropic Claude-4.6-Sonnet-Thinking-200K 0.33 1.65
Anthropic Claude-4.5-Haiku-200k 0.33 1.65
Anthropic Claude-4.0-Sonnet-Thinking-200k 0.33 1.65
Anthropic Claude-5.0-Sonnet-1M 0.22 1.1
Anthropic Claude-4.8-Opus-1M 0.55 2.75
Tencent Hunyuan-pro-32k 0.472 1.572
Tencent Hunyuan-standard-32k 0.0707 0.0786
Tencent Hunyuan-standard-256k 0.2357 0.9429
Tencent hunyuan-lite-4k 0 0
Google Gemini-3.1-Pro-1M 0.44 1.98
Google Gemini-3.5-Flash-1M 0.165 0.99
Google Gemini-3.1-Flash-Image 0.0275 6.6
Google Gemini-3.1-Flash-Live(audio) 0.33 1.32
Google Gemini-3.0-Pro-Image 0.22 13.2
Google Gemini-3.0-Flash 0.055 0.33
Google Gemini-3.1-Flash-Lite 0.0275 0.165
Google Gemini-2.5-Flash-Lite 0.011 0.044
Google Gemma-4-31B - -
Google Gemma-4-26B - -
Google Gemma-4-E4B - -
Google Gemini-3.1-Flash-Live 0.0825 0.495
日日新 SenseChat-5-Cantonese 0.418 0.418
DeepSeek DeepSeek-V4-Flash-1M 0.0157 0.0314
DeepSeek DeepSeek-V4-Pro-1M 0.1886 0.3771
DeepSeek DeepSeek-V4-Flash-Thinking-1M 0.0157 0.0314
DeepSeek DeepSeek-V4-Pro-Thinking-1M 0.1886 0.3771
DeepSeek DeepSeek-3.2-128K 0.0157 0.0314
DeepSeek DeepSeek-3.2-Thinking-128K 0.0629 0.2514
月之暗面 Kimi-K2.5-256k 0.1257 0.9114
月之暗面 Kimi-K2.6-256K 0.0629 0.33
xAI Grok-4.1-Fast-128k 0.022 0.055
xAI Grok-4.1-Fast-Thinking-128k 0.022 0.055
xAI Grok-4.1-Fast-Thinking-2M 0.044 0.11
xAI Grok-4.0-256K 0.33 1.65
xAI Grok-4.3-1M 0.044 0.11
Seed Seed-2.0-Pro-256K 0.11 0.66
Seed Seed-2.0-Lite-256K 0.055 0.44
Seed Seed-2.0-Mini-256K 0.022 0.088
Seed Seed-1.6-256K 0.055 0.44
Seed Seed-1.6-Thinking-256K 0.055 0.44
Seed Seed-1.6-Flash-256K 0.0083 0.033
Seed Seed-1.6-Flash-Thinking-256K 0.0083 0.033

Embedding 服务定价

注意:以下价格计量单位为「积分 / 1K Tokens」。

模型品牌
模型版本
价格
OpenAI text-embedding-ada-002 0.0120
OpenAI text-embedding-3-small 0.0024
OpenAI text-embedding-3-large 0.0156
Ali text-embedding-v3 0.0007
Jina jina-embeddings-v3 0.002

Rerank 服务定价

注意:以下价格计量单位为「积分 / 1K Tokens」。

模型品牌
模型版本
价格
Jina Jina-Reranker-m0 0.0022
NetEase BCE BCE-Rerank 0.0012
Baai BGE BGE-Rerank 0.0012

ASR 服务定价

注意:以下价格计量单位为「积分 / 60 秒」。

模型品牌
模型版本
价格
OpenAI Whisper Large-V2 0.66
OpenAI Whisper Large-V3 0.88
OpenAI GPT-4o-mini-transcribe 0.33
OpenAI GPT-4o-transcribe 0.66
Azure Azure-Speech 4.1666

TTS 服务定价

注意:以下价格计量单位为「积分 / 1000 字符」。

模型品牌
模型版本
价格
OpenAI TTS 1.65
Azure Speech 1.65
Ali CosyVoice 0.44
Ali Sambert 0.22
Minimax Voice 0.44

内容审查 服务定价

注意:以下价格计量单位为「积分 / 次」。

模型品牌
模型版本
价格
OpenAI Omni-moderation 0.0001

向量数据存储 服务定价

注意:以下价格计量单位为「积分 / 1K Tokens / 天」。

服务类型
计费标准
向量存储 0.001

FAQ

GPTBots 积分 与 Tokens 如何换算?

以 OpenAI 提供的大语言模型(LLM)服务 GPT-4.1-1M 为例,GPT-4.1-1M 输入 1000 tokens 共消耗 0.22 积分。
$10 = 1000 积分 = 4,545,454 Tokens( 1000 积分 / 0.22 积分 * 1000 tokens )

语言 输入约等于字符/汉字 输入约等于单词数
英文 18,000,000 字符 3,500,000
中文 3,000,000~4,500,000 -
日文 3,000,000~4,500,000 -
韩文 3,000,000~4,500,000 -
法语 - 3,800,000
德语 - 3,800,000
泰语 3,000,000~4,500,000 -
俄语 - 3,800,000
阿拉伯语 - 3,800,000

注意:
以上为大致估算,实际会有一定浮动,取决于文本内容和分词方式。
英文与其他拉丁语系单词数较易估算,汉字、日文、韩文、泰文等以字符为主。

Tokens 如何计算?

以 OpenAI 提供的大语言模型(LLM)服务的token计算规则为例:

语言/字符 1 个 token 约等于多少字符
英文 4 个字符
中文 1 个汉字
日文 1 个假名或汉字
韩文 1 个谚文
法语/西班牙语/德语等 3~4 个字符
俄语 3~4 个字符
阿拉伯语/希伯来语 3~4 个字符
  1. 英文(English):1 个英文单词 ≈ 1.3 tokens,1 个 token ≈ 4 个英文字符(含空格和标点)
  2. 汉字(Chinese):1 个汉字 ≈ 1 个 token(有时1.5个token,取平均)
  3. 日文(Japanese):1 个 token ≈ 1 个日文假名/汉字
  4. 韩文(Korean):1 个 token ≈ 1 个韩文字母(音节块可能更长)
  5. 法语(French):1 个法语单词 ≈ 1.2 tokens
  6. 德语(German):1 个德语单词 ≈ 1.2 tokens
  7. 泰语(Thai):1 个 token ≈ 1 个泰文字母(泰语无空格,分词后token数可能更多)
  8. 俄语(Russian):1 个俄语单词 ≈ 1.2 tokens
  9. 阿拉伯语(Arabic):1 个阿拉伯语单词 ≈ 1.2 tokens

    如果你有具体的 token 计数需求,可以用 OpenAI 的 tiktoken 工具实际测试。

当使用图片输入时,Tokens 如何计算?

以 OpenAI 提供的大语言模型(LLM)服务的token计算规则为例,图片的 Token 计算方法如下:

  1. 获取图片的长和宽的 「px」 值,如:「1024px * 1024px」。
  2. 计算图片的 「Tiles」值,即用「width」和「height」分别除以 512 后,向上取整,再将得到的两个值求积。
  3. 计算图片的 「Tokens」,公式为「85+170*Tiles」。
  • 完整计算公式如下:

    Tiles=⌈(width÷512)⌉×⌈(height÷512)⌉Tiles = ⌈(width÷512)⌉×⌈(height÷512)⌉
    Tokens=85+170×TilesTokens = 85+170×Tiles
  • Python 代码如下:

import math def calculate_tokens(width, height): tiles = math.ceil(width/512) * math.ceil(height/512) tokens = 85 + 170 * tiles return tokens # Test print(calculate_tokens(2000, 500))
                      
                      import math

def calculate_tokens(width, height):
    tiles = math.ceil(width/512) * math.ceil(height/512)
    tokens = 85 + 170 * tiles
    return tokens

# Test
print(calculate_tokens(2000, 500))

                    
此代码块在浮窗中显示

例如,输入图片长宽为2000px * 500px,则其Tiles值为4*1=4,则该图片的输入Tokens为85+170*4=765。