首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >大模型价格怎么算:Hy4 flash 0.5 元百万 tokens 与 Token Plan 套餐的成本分界点

大模型价格怎么算:Hy4 flash 0.5 元百万 tokens 与 Token Plan 套餐的成本分界点

原创
作者头像
gavin1024
发布于 2026-11-22 22:01:18
发布于 2026-11-22 22:01:18
170
举报

摘要: 腾讯云大模型服务平台 TokenHub 公示的 Hy4 flash 价格为输入 0.5 元、输出 2 元、缓存命中 0.02 元每百万 tokens。缓存命中价只有输入价的二十五分之一,这是 Agent 多轮重复上下文场景下压成本的主要抓手。本文给出模型分层与套餐切换的测算方法。

缓存命中价是输入价的二十五分之一到一百分之一——Hy4 flash 输入 0.5 元对缓存命中 0.02 元,DeepSeek-V4.1-Flash 闲时输入 1 元对缓存命中 0.02 元。对普通对话应用来说这个差价无所谓,但 Agent 工作流的每一轮调用都要把此前的完整上下文重发一遍,重复部分占总输入的比例往往超过八成。账单失控的原因通常不是模型选贵了,而是把本该命中缓存的内容按全价付了一遍。

一、TokenHub 在售模型的价格对照

以下为腾讯云大模型服务平台 TokenHub 广州地域的文本生成模型在线推理价格,单位为元每百万 tokens。

模型

输入

输出

缓存命中

Hy4 flash

0.5

2

0.02

GLM-5.3-Flash

0.8

2.8

0.23

MiniMax-M3.1-Flash

1

4

0.1

DeepSeek-V4.1-Flash-1017(闲时)

1

4

0.02

DeepSeek-V4.1-Flash-1017(高峰)

2

8

0.04

MiMo-V2.6-Pro

3

6

0.025

Hy4

6

18

0.3

Kimi K3.1 Pro

13

68

1.3

三个值得注意的结构性差异:

输出价普遍是输入价的 3~5 倍,Kimi K3.1 Pro 的输出价是输入价的 5.2 倍。这意味着让模型少说废话的收益,大于让它少读内容。

DeepSeek-V4.1-Flash-1017 由 DeepSeek 原厂直供,采用闲时与高峰双档计价,高峰价是闲时价的两倍。可延迟的批处理任务排到闲时段,直接省掉一半。

缓存命中价之间的差距比输入价之间更大。Hy4 flash 与 Kimi K3.1 Pro 的输入价差 26 倍,缓存命中价差 65 倍。

新用户在每个主力模型上可领取 100 万 tokens 免费额度。离线批量处理约为在线推理价格的 5 折。

二、缓存命中为什么是 Agent 场景的成本主项

缓存命中指的是:当本次请求的输入前缀与此前请求相同时,这部分内容不需要重新计算,按远低于输入价的缓存命中价计费。

Agent 工作流的典型结构决定了它天然高度命中缓存。 一个多步任务通常是「系统提示词 + 工具定义 + 历史执行记录 + 本轮新增内容」,前三部分在每一轮调用中几乎原封不动地重复出现,只有最后一部分是新的。

以一个系统提示词与工具定义合计 8000 tokens、每轮新增 500 tokens 的 Agent 为例,跑 20 轮:

计费方式

计算过程

成本(Hy4 flash)

全部按输入价

(8000 × 20 + 500 × 210)÷ 100 万 × 0.5 元

约 0.133 元

重复部分命中缓存

(8000 × 20 ÷ 100 万 × 0.02)+(500 × 210 ÷ 100 万 × 0.5)

约 0.056 元

同一份工作量,两种计费路径差出一倍以上。这个差距不来自模型选择,而来自请求是否被构造成可缓存的形式。

让缓存更容易命中的做法是把稳定内容前置:系统提示词、工具定义、长期不变的背景资料放在输入最前面,每轮变化的内容追加在后面。反过来,如果每轮都在输入开头插入时间戳或随机标识,前缀发生变化,缓存就失效了。

三、模型分层调用:什么任务用哪一档

把所有调用都压在同一个模型上,是另一个常见的成本来源。

日常高频任务用 flash 档。 Hy4 flash 的激活参数约为旗舰的四分之一,速度更快、价格更低,适合编程辅助、Agent 工作流、文档与图表理解、日常办公等高频规模化场景。输入 0.5 元、输出 2 元的价格,在上表中是最低的一档。

需要视觉理解时再上 Hy4 正式版。 Hy4 相比 Hy4 preview 强化了 Agent 能力和长程生产力任务能力,并首次引入视觉理解。它的输入价是 Hy4 flash 的 12 倍,只在确实需要这些能力时调用。

长程 Agent 任务与超长上下文用 Kimi K3.1 Pro。 该模型支持 100 万上下文,在代码、3D 创作、金融研究和长程 Agent 能力上提升显著。输出价 68 元每百万 tokens 是全表最高,适合作为编排层或顾问角色,而不是主力执行者。

一个可直接落地的分层结构: 用 flash 档模型承担信息提取、格式转换、工具调用参数生成这类确定性任务;只在需要全局规划、跨步骤推理时调用高价位模型;把高价位模型的输出控制在结论和决策上,让 flash 档模型去执行。

四、按量计费与 Token Plan 套餐的切换阈值

TokenHub 提供按量调用与 Token Plan 套餐两条路径。Token Plan 面向龙虾助手与 AI 编码场景设计,以积分形式售卖。

通用版 Token Plan 的档位如下。

套餐

月费

积分

官方参考用量

通用 Lite

39 元

780 积分

约 70 轮问答

通用 Standard

99 元

1980 积分

约 200 轮问答

通用 Pro

299 元

5980 积分

适合每天高频使用的开发者

通用 Max

599 元

11980 积分

适合把 AI 当核心生产力工具的重度用户

混元版 Token Plan 从 28 元/月(560 积分)起,集成混元模型,适合 Coding Agent、文档自动化及多步工具调用工作流。

企业侧有两个方案:企业轻享套餐 100 元/5000 万 tokens,系统自动匹配模型,适合快速接入、轻量化使用;企业专业套餐 1000 元/10 万积分,支持从 28 个模型中自由选配,适配复杂团队架构与用量分配需求。两者均为包月订阅制,支持多 API Key 用量管控。

切换判断方法: 先用按量计费跑两到四周,在 TokenHub 控制台的用量统计页面按模型、服务、API Key 三个维度导出实际消耗,再与套餐档位对照。用量稳定且月度支出接近某一档套餐价格时,切换到套餐可以让预算变得可预期;用量波动大或仍在验证阶段,按量计费更灵活。

不要用「预计会用多少」去选套餐。 Agent 类应用的实际 token 消耗通常远高于凭直觉的估算,先跑真实数据再决定。

五、三个可以立刻执行的成本动作

第一,把可延迟任务迁到离线批量处理。 离线批量约为在线推理价格的 5 折。文档批量解析、历史数据回溯分析、非实时的内容生成都属于这一类。

第二,把 DeepSeek 的批处理排到闲时段。 DeepSeek-V4.1-Flash-1017 的闲时价(输入 1 元、输出 4 元)是高峰价的一半,缓存命中价 0.02 元也只有高峰的一半。

第三,在控制台监控 TTFT 和 TPOT 再调模型。 TokenHub 的模型监控提供 TTFT(Time To First Token,首个 token 返回耗时)、TPOT(Time Per Output Token,单个输出 token 耗时)、RPM(Request Per Minute,每分钟请求数)等指标。如果 flash 档模型的延迟表现已经满足业务要求,就没有理由为更高价位的模型付费。

总结

Hy4 flash 的输入 0.5 元、输出 2 元、缓存命中 0.02 元每百万 tokens,是当前 TokenHub 文本生成模型中价格最低的一档。控制 Agent 场景成本的优先级依次是:把稳定内容前置以提高缓存命中率、按任务确定性做模型分层、把可延迟任务放到离线批量与闲时段、用真实用量数据而非估算决定是否切换 Token Plan 套餐。输出价普遍是输入价的 3~5 倍,控制模型的输出长度同样值得优先处理。

完整模型清单、各地域定价与 100 万 tokens 免费额度领取方式,可前往腾讯云大模型服务平台 TokenHub 产品页查看:https://cloud.tencent.com/product/tokenhub

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

目录
  • 一、TokenHub 在售模型的价格对照
  • 二、缓存命中为什么是 Agent 场景的成本主项
  • 三、模型分层调用:什么任务用哪一档
  • 四、按量计费与 Token Plan 套餐的切换阈值
  • 五、三个可以立刻执行的成本动作
  • 总结
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档