输入输出差价：为什么回答越长越贵，怎么让它少说

两头不是一个价

输入是你发过去的全部内容，输出是它生成的全部内容，单价分开算。

多数平台的输出单价是输入的两到四倍，个别更高。这个比例不是随便定的，和生成方式有关。

算成本时如果只记一个总价，很容易低估。一次任务里输出占的 token 少，但单价高，可能贡献三成以上的费用。

反过来，长文档总结这类任务，输入占九成以上，输出那点钱可以忽略。所以先看任务类型，再决定省哪头。

一个简单的判断：输入占总 token 八成以上的任务，优化输入；输出占三成以上的，优化输出。两边都占一半的，先优化流程，别急着调价。

输入可以并行处理，几万 token 一次性算完。输出是串行的，生成一个字才能算下一个，每一步都要把之前所有内容重新过一遍注意力。

结果就两条：慢，贵。同样一千 token，输出花的时间可能是输入的几十倍。

理解这一点有用：让它“先想再答”会明显变贵，因为思考过程也是输出。有些平台把思考单独计价，看账单时要留意。

这也是为什么“让它自我检查三遍”这种提示词，成本会明显高于预期。检查也是输出，三遍就是三倍。

限定字数。别说“简短”，说“不超过一百五十字”，它才知道边界在哪。

禁止复述。它爱把你的问题重述一遍再回答，明确说“不要重复我的问题，直接给结论”。

结构化输出。列表和表格比段落省，因为省掉了连接词和过渡句。

先给结论再给理由。这句话能砍掉三成的铺垫，而且人读起来更快。

代码。让它省注释、省错误处理，省下的钱远不够你后面调试。

需要推理过程的判断。让它只给结论，你就没法核它中间哪一步错了。这类任务宁可多花，也要它把步骤写出来。

要留档的内容。审计、合规、对外沟通的记录，写全比写短重要。

补充一句一个反直觉的结论：省输出最有效的办法不是压字数，是让它一次做对。返工一次的成本，通常超过你省下来的那点字数。

限制输出长度会不会导致答案不完整？

会，尤其是需要列举的任务。设上限时给个余量，比如实际想要三百字，设五百。

流式输出会影响计费吗？

不影响，按 token 算，不按时间算。流式只是让你早点看到字。

缓存能降低输出成本吗？

不能。缓存只作用于输入前缀，输出每次都重新生成。