火山 api 的收费标准是怎样的？

首先进入这个王者的死亡，可以用抖音直接扫码登录，火山引擎的广告稍微有点多，叫 cosette's death one， 然后找到系统管理，点击右边的倒三角，找到 apik 咖喱的阿比特，然后点击创建 apik 名称随便取一个就可以，其余的配置不用动，直接点击创建，然后点击那一大串信号，旁边的小眼睛显示一大串乱码，之后点击旁边的小书，看到复制变为已复制就好了。 点击它的小到三九，然后找到并点击在线推理，点击创建，随你随意的等的，什么名称随便起一个就好，其他的设置不用动，然后随便选一个字节跳动或者深度求索的大语言模型。 切，这些都是由火山引擎官方免费赠送的，五十万的看字的，选好了就点击确定，稍微看一下火山引擎赠送的免费额度，够用很久了。 然后找到名称下面的 id， 找到后面的小书，点击发现复制变成已复制就好了。接下来的深度求索模型开通同理稍微演示一遍。

大家好啊，现在市面上企业接入国内大模型 a p i 的 渠道特别多，那我今天就和大家汇报总结一下不同渠道的特点。首先呢是火山引擎的豆包系列和 deepsea 系列产品， 那他们的特点是限流的额度最高，基本上不会打满他们的 tpm 和 rpm。 原因是因为火山之前囤了很多英伟达的卡， 所以它背后的推理集群资源特别充足。那价格上呢，它的折扣力度相对比较小，如果不是特别大的客户的话，官方渠道最多是给七折，火山销售的业绩压力也很大，基本上每个人单单大模型都要背至少一千万的业绩。 其次呢是阿里云的千位系列和 deepsea 系列产品，那它的优点是单价最低，而且阿里云内部最近在打大模型战役， 千万系列模型的折扣根据用量呢，从五折到三折不等。但是缺点呢是背后的集群资源相对来说没有那么充足，如果遇到大客户重保的话，比如说 b 站跨年晚会，那资源就会更紧俏一些。 百度的大模型呢，目前基本上是卖三方的 deepsea 和其他模型为主，他们自己家的文心妍用的客户相对少一些，但是百度的折扣政策一般来说是还不错的。然后就是各种各样的大模型中转站了，比如说三零二点、 ai 云雾、 api 等等的平台， 这些平台的价格浮动会比较大，而且折扣普遍会比原厂高一些。但是有些厂商的模型可以做到特别低的价格，这种情况下呢，一般是做了逆向账号之类的方式，他们能够保证低价，但是不保证可用性。最后呢，如果您希望低价进入国内主流的大模型 api， 可以 后台私信我，我有靠谱的渠道。

ai 编程与智能体赛道再出重磅产品，火山引擎 coding plan、 arc claw、 open claw 和豆包 app 常被混淆，本视频一次性讲清定位、用法与选型，零基础也能快速上手 四大产品。一句话分清， coding plan 是 大脑， open claw 是 本地身体， arc claw 是 云端身体，豆包是独立聊天工具。 coding plan 多模型 api 订阅智能体大脑新用户 light 版首月九点九元，适配主流编程与智能体工具 rcl 云端 sas 版 opencl 零部署网页，非书即用，七乘二十四小时后台运行。 opencl 开源本地智能体框架，隐私性强，但部署繁琐，关机即停止任务。 豆包 app 字节 c 端免费 ai 对 话工具，仅客户端可用，无 api 与火山额度不互通，而且豆包无 api， 无法用于智能体，仅能聊天付费组合可自动写代码部署项目数据爬取后台执行，算力专属更稳定。具体选型可以直接参考如下图片， 九点九元解锁顶级模型加七乘二十四云端智能体，低成本开启 ai 提效时代，学生开发者、职场人都适用。如您有云服务器及选型需求，欢迎留言，我们提供免费技术支持，记得点赞关注哦！

ai 大 模型呢，为什么要按照托肯收费？同样是一百万的托肯呢？为什么价格能差三十倍？等等，你可能会说啊，我们平时用的豆包啊，元宝啊，也没交过钱啊。没错，咱们平时用的网页版或者 app 呢，确实是免费的，那是大厂为了抢占市场给的福利。 但如果你是专业用，或者是使用最近爆火的小龙虾，那就必须通过 api 接口来调用大模型，按量付费，烧起钱来也是非常吓人的。那这些钱到底烧在哪了？ 当模型正式发布后呢？它的使用成本其实由两个部分组成。第一部分呢，是固定成本，也就是模型上线前已经砸下去的钱， 包括前期的研发与训练投入，还有算力基础设施的建设，像建机房，采购显卡，配齐内存和硬盘。最近大家可能也注意到了，显卡和内存价格是一路上涨，很大程度就是因为 ai 需求暴增呢，把硬件价格也推高了。但这些成本呢，有个特点，它是沉没的， 在模型发布前呢，就已经支出了，随着用户越来越多，这部分费用呢，会被不断贪薄，贪到每一次调用上呢，它的占比会越来越低，甚至低到可以忽略不计。 那第二部分呢，是动态成本，也就是每一次调用模型实打实消耗掉的东西，每次计算都要消耗电力，还需要占用内存， 数据在传输过程中呢，也需要消耗网络流量。而所有这些消耗呢，都和 token 的 数量呢，直接相关。这里呢，快速同步一个概念。到底什么是 token？ token 的 中文呢，可以翻译为词源，可以是一个字，一个词，一个分词，甚至一个字节。在大模型中呢，被表达为一组数字序列，用于计算下一个 token。 token 越多呢，模型的计算的时间就越长，占用的算力和资源呢，自然就越多。所以，按照 token 数量收费，本质上是一个多用多付少用呢少付的计费方式， 非常直观呢，也非常合理。这像什么呢？就像我们每个月交的水电气一样。从这个角度看呢， ai 正悄悄完成一个转变，它正从一项技术、产品呢，演变成一种基础服务。我们想要获得智力呢，就需要购买算力。 说不定以后每个月的水电账单旁边呢，就会多出一行 token 费用。那既然都是按 token 收费呢，为什么不同大模型的价格差这么多？比如你输入一百万 token， deepsea v 三的收费呢，是零点二八美元，而 g p t 模型呢，要二点五美元。如果是输出 token 呢，差距更夸张， deepsea 呢是零点四二美元， g p t 呢是十五美元，整整差了三十多倍。 同样都是 token 呢，为什么价格能差出这么多？其实 token 的 价格呢，主要是由两个因素决定的。第一，电力和人工成本不同。在美国、中国、中东等不同地区，电价运为成本，人力成本差异非常大，而这些呢，最终都会反映到价格里。第二呢，算法不同。 好的算法呢，就像一台省油的发动机，同样是跑一百公里啊，有的车呢，只需要三升油，而有的车呢，却要烧掉十升。大模型也是一样，算法呢，设计的越巧妙呢，达到同样质量的输出，消耗，算力呢就越少。所以优化算法是模型研发人员最最重要的任务之一。 算法越高效，成本就越低，价格自然就更有优势。在这方面呢，有很多创新的工作，比如 deepstack 引入的 mo 机制，想了解的朋友可以翻看我之前的这期视频。 那为什么输出托管的价格比输入托管贵这么多？原因呢？很简单，输入和输出呢，干的活不一样。输入的托管呢，是你的提示词， 模型可以一次性全部读取参与计算，多一个少一个呢，对显卡的负担影响呢，是有限的。但输出 token 就 不一样了，它是一个接一个逐自生成的，每生成一个 token 呢，模型都要重新算一次。输的 token 是 配角，输出的 token 呢是主角，所以给出的片酬呢，就不一样。 具体的技术原理呢，也可以看我这期视频，理解注意力机制对托根计算量的影响。这里呢，再顺便澄清一个常见的误解，托根的发明初衷呢，不是为了计费。 托根是纯粹的算法创新和工程发明，是为了把人类的语言翻译成机械能听懂的数学坐标。 只是后来大家发现呢，托管的数量呢，恰好决定了计算量，这才顺理成章的用它来计费，绝不是因为要收钱才搞出来这么个复杂的概念。当这里可以像自来水一样按量计费，一个属于算力文明的时代就真正开始了。

家人们是不是都好奇， ai 大 魔行为啥非要按 token 收费？同样是一百万 token， 有 的便宜的巨贵，价格能差出三十倍。今天用大白话 一次性给你讲明白，咱们平时用豆包、元宝这些全都免费，这可不是 ai 不 花钱，而是大厂抢市场给的福利。但只要你是专业用户，或者用那些爆火的 ai 工具屌用 api 接口，那就得按量付费，烧钱速度真的超乎想象。那这些钱到底花在哪了？ 其实模型成本就两部分，第一是固定成本，研发训练、买显卡进机房，这些钱前期就砸完了，用户越多越贪保，单次调用几乎可以忽略。第二是动态成本，这才是收费的关键。每调用一次 i 就 要耗电，占内存，耗网络流量，而所有消耗全都和托肯直接挂钩。很多人问， token 到底是啥？简单说就是 ai 处理员的最小单位，一个字一个词一个符号都算 token。 token 越多，模型算得越久，耗的算力就越多。所以按 token 收费，就跟咱们交水电费一模一样，多用多付，少用少付， 特别公平。哎，也从一个技术产品，慢慢变成了像水电一样的基础服务。那问题来了，同样一百万 toc， 为啥价格能差三十倍？核心就两个原因，一是地区成本不一样，不同国家的店家人工运维成本天差地别，最终都算在价格里。二是算法效率不同， 好算法就像省油的车，同样的效果，算力耗得更少，成本自然低。还有个细节，为啥输出 token 比输入贵这么多？因为输入是一次性读完，对显卡负担很小，但输出是一个字一个字逐次生成，每出一个 token 都要重新计算一遍，工作量完全不在一个级别， 价格自然更高。最后澄清一个误区， token 根本不是为了收费发明的，它是纯算法创新，只是刚好 token 数量决定了计算量，才被用来计费。等到算力真的像自来水一样随用随满按量计费，一个属于算力文明的新时代就真的来了。关注我，一起看清 ai 发展，跟上 ai 教播！