---
title: "大模型单用户成本：SaaS AI 功能单位经济 | BroadRouter"
description: "算清一个 AI 功能每个活跃用户每月要花多少钱，为什么重度用户比平均值更重要，以及怎样给 SaaS 套餐定价，让模型账单始终有覆盖。"
url: https://broadrouter.com/zh/blog/llm-cost-per-user-saas/
lang: zh-Hans
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/blog/llm-cost-per-user-saas/)（2026-11-14 更新）。

# 大模型单用户成本：SaaS AI 功能的单位经济

BroadNet Inference 团队 · 阅读约 6 分钟 · 发布于 2026-11-14

大模型单用户成本 = 每个活跃用户每月请求数 × 每次请求的 token 数 × 每百万 token 价格。按功能从 usage 字段测量，按第 90 百分位用户而不是平均用户给套餐定价，并为长尾用户设置合理使用限制。更便宜的模型、缓存和更低的思考强度都能直接降低这个数字。

## 要点

-   单用户成本 = 每用户请求数 ×（每次请求的输入、缓存和输出 token）× 每百万价格。
-   按功能、按用户从 usage 字段测量；平均值会掩盖拉高账单的重度用户。
-   模型选择会让单用户成本相差数倍：比较每百万输出价格，例如 $0.22、$0.52 和 $3.46。
-   按第 90 百分位用户给套餐定价，并为长尾用户设置合理使用限制。
-   缓存、reasoning\_effort 和路由可以在不改变产品的前提下降低单用户成本。

**本页内容**

1.  怎样计算大模型单用户成本？
2.  第 1 步：什么算活跃用户，计量单位是什么？
3.  第 2 步：怎样测量每单位的 token 数？
4.  第 3 步：一个典型用户要花多少钱？计算实例
5.  第 4 步：为什么平均用户会误导你？
6.  第 5 步：怎样设置档位和限制？
7.  第 6 步：怎样在不改变产品的前提下降低单用户成本？
8.  固定价格套餐能服务 SaaS 用户吗？
9.  模型之外还有哪些成本？
10.  免费档和试用怎么处理？
11.  小结

给 SaaS 产品加上 AI 功能，会改变它的成本结构。托管和存储对每个用户的成本大致相同；大模型调用则是用得越多花得越多。如果不知道一个活跃用户要花你多少钱就给功能定价，几个热情的客户就可能把一个盈利的套餐变成亏损。本文介绍怎样计算大模型单用户成本，为什么平均值是错误的指标，以及怎样用它来设置套餐档位。

## 怎样计算大模型单用户成本？

针对一个功能和一个模型：

```text
cost per user per month =
    requests per active user per month
  × [ new input tokens × input price
    + cached tokens    × cached price
    + output tokens    × output price ] / 1,000,000
```

即：每用户每月成本 = 每个活跃用户每月请求数 ×［新输入 token × 输入价格 + 缓存 token × 缓存价格 + 输出 token × 输出价格］÷ 1,000,000。在思考模型上，输出包含思考 token；在按量付费密钥上，图像按输入 token 计算。如果需要复习这三种价格，请阅读[大模型 API 怎么计费](https://broadrouter.com/zh/blog/llm-api-pricing-explained/)。

把一个用户用到的所有功能加起来，就得到每个用户的 AI 总成本。

## 第 1 步：什么算活跃用户，计量单位是什么？

选一个你已经在报告中使用的定义，例如当月至少用过一次 AI 功能的用户。然后选一个功能自然产生的单位：一轮对话、一份生成的文档、一个分析过的文件、一次通话摘要。每单位成本比单用户成本更稳定，也更容易推算。

## 第 2 步：怎样测量每单位的 token 数？

不要根据字数来估算。记录每个响应的 `usage` 块，附上功能标签和经过哈希的用户或账户 ID：提示词 token、缓存 token 和补全 token，每次尝试一行。[用量日志一文](https://broadrouter.com/zh/blog/llm-api-usage-logging/)提供了现成的封装函数，以及按用户和功能汇总成本的 SQL。在还没有流量时，可以用 [token 计数器](https://broadrouter.com/tools/token-counter/)根据示例提示词做初步估算。

对于流式回复，用 `stream_options={"include_usage": True}` 请求在最后一个数据块返回用量；参见[流式输出指南](https://broadrouter.com/zh/guides/streaming-chat-completions/)。每次尝试都要计入，包括重试，因为每次到达模型的尝试都会计费。

## 第 3 步：一个典型用户要花多少钱？计算实例

假设你的产品有一个应用内助手。你测得一个典型活跃用户一个月的数据如下：

| 指标 | 数值 |
| --- | --- |
| 活跃天数 | 20 |
| 每个活跃日的助手请求数 | 15 |
| 每次请求的输入 token | 3,000（一半命中缓存） |
| 每次请求的可见回答 token | 400 |
| 每次请求的思考 token（思考模型） | 约 600 |

也就是每月 300 次请求：约 900,000 输入 token，其中 450,000 命中缓存，另有 120,000 可见输出 token；在思考模型上还要加约 180,000 思考 token。

代入 BroadNet 的每百万价格。token 数以百万为单位，所以每一项都是百万 token 数 × 每百万价格：

| 模型 | 输入 / 缓存 / 输出（每百万） | 这个用户一个月 |
| --- | --- | --- |
| [Gemma 4 VL 26B](https://broadrouter.com/zh/models/gemma-4-vl-26b/) | $0.10 / 无缓存价 / $0.22 | 0.9 × $0.10（全部输入按全价）+ 0.12 × $0.22（无思考 token）= **$0.12** |
| [DeepSeek V4.1 Flash](https://broadrouter.com/zh/models/deepseek-v4.1-flash/) | $0.175 / $0.0055 / $0.52 | 0.45 × $0.175 + 0.45 × $0.0055 + 0.3 × $0.52 = **$0.24** |
| [Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) | $0.175 / $0.0435 / $2.17 | 0.45 × $0.175 + 0.45 × $0.0435 + 0.3 × $2.17 = **$0.75** |
| [GLM 5.3](https://broadrouter.com/zh/models/glm-5.3/) | $0.78 / $0.173 / $3.46 | 0.45 × $0.78 + 0.45 × $0.173 + 0.3 × $3.46 = **$1.47** |

思考模型上 0.3M 的输出，是 0.12M 可见回答加 0.18M 思考。算下来，同一个用户在 GLM 5.3 上的费用是 Gemma 4 VL 26B 的十倍以上（[Gemma 4 VL 26B 与 GLM 5.3 对比](https://broadrouter.com/compare/gemma-4-vl-26b-vs-glm-5.3/)并排列出了两者）。在每个思考模型上，输出都是最大的一项，而思考 token 占了输出的一半以上。把你自己的测量数据填进 [LLM API 费用计算器](https://broadrouter.com/tools/llm-api-cost-calculator/)，就能得到你的数字。

## 第 4 步：为什么平均用户会误导你？

AI 功能的使用分布是偏斜的。大多数用户只试几次；一小部分人整天都在用。平均值掩盖了这部分人，而账单正是由他们拉高的。

从用量日志中，按每用户每月计算：

-   \*\*中位数成本。\*\*一个普通用户的成本。
-   \*\*第 90 百分位。\*\*一个重度但正常的用户的成本。给套餐定价时，要让这个用户仍然有利润。
-   \*\*第 99 百分位和最大值。\*\*长尾。这些用户需要合理使用限制、更高的档位，或者检查是否存在自动化和滥用。

如果第 99 百分位用户的成本是中位数的许多倍，这本身不是问题；它是定价的输入。

## 第 5 步：怎样设置档位和限制？

知道了单用户成本，定价就变成了毛利决策：

1.  **确定这个档位的目标毛利率。**
2.  **倒推出这个毛利率允许的单用户 AI 成本上限。**
3.  \*\*和第 90 百分位比较。\*\*如果第 90 百分位在上限内，这个档位就成立。如果不在，就降低成本（第 6 步）、提高价格，或把重度使用移到更高的档位。
4.  \*\*把 token 换算成用户能理解的单位。\*\*用户不会用 token 思考。限制每天的请求数、每月的文档数或音频分钟数，额度要保证允许范围内最重的使用也不超出成本上限。
5.  \*\*每月复查。\*\*提示词修改、新功能和模型更换都会改变单用户成本。

## 第 6 步：怎样在不改变产品的前提下降低单用户成本？

-   \*\*缓存。\*\*把稳定的系统提示词和工具列表放在最前面。在 DeepSeek V4.1 Flash 上，缓存输入每百万 $0.0055，而不是 $0.175。参见[如何提高缓存命中率](https://broadrouter.com/zh/blog/cached-input-tokens-explained/)。
-   \*\*降低思考强度。\*\*对常规请求把 `reasoning_effort` 设为 `low`，可以削减最贵的 token。参见[思考要花多少钱](https://broadrouter.com/zh/blog/reasoning-tokens-cost/)。
-   \*\*按难度路由。\*\*简单请求发给 Gemma 4 VL 26B，思考模型留给难的请求。
-   \*\*精简历史。\*\*长对话每一轮都会重新发送全部内容；在质量允许的情况下，对较早的轮次做摘要或截断。
-   \*\*限制输出。\*\*按功能设置 `max_tokens`，在思考模型上要给思考留出空间。

更多控制方法见[大模型 API 支出控制](https://broadrouter.com/zh/blog/llm-api-spend-control/)。

## 固定价格套餐能服务 SaaS 用户吗？

BroadNet 的 DeepSeek V4.1 Flash 不限量套餐（每个会话每月 $60）可以用你自己的密钥集成到你自己的应用或服务中，但每个会话**同一时间只运行一个请求**，而且密钥不能共享或转售。这让套餐很适合并发低的后端工作：每晚生成报表、由队列驱动的摘要任务、内部智能体。对于同时请求很多的交互式用户流量，通常的做法是使用按量付费密钥（每个密钥同时 4 个请求，每分钟 30 个）或多个会话。当前条款请查看[套餐页面](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-llm-cost-per-user-saas&utm_content=body)。

## 模型之外还有哪些成本？

来自 token 的单用户成本只是 AI 支出的一部分。还要加上检索和向量存储、语音转写（按音频分钟计价，例如 BroadNet 上阿拉伯语每分钟 $0.0042）、重试和评估运行。如果你的用户用阿拉伯语或其他非英语语言书写，每条消息的 token 数会比英语多；请针对自己的内容[测量每个词的 token 数](https://broadrouter.com/zh/blog/tokens-per-word-arabic-english/)。

## 免费档和试用怎么处理？

免费档会把单用户成本乘上不付费的用户数。把它当作营销支出：给免费用户提供仍能很好展示功能的最便宜模型，设置比付费档更严格的每日限制，并把免费用户的 AI 成本单独记账。如果免费用户转化了，这笔支出就是获客成本；如果没有转化，限制能让它保持在较小的规模。

## 小结

从 usage 字段测量每单位的 token 数，乘以公布的价格，看第 90 百分位而不是平均值，再据此设置档位价格和限制。然后用缓存、路由和更低的思考强度让每个单位都更便宜。如果你还什么都没测量过，先从[每月成本估算方法](https://broadrouter.com/zh/blog/estimate-llm-api-cost-before-launch/)开始。

相关免费工具（英文）

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [Prompt caching savings calculator](https://broadrouter.com/tools/prompt-caching-calculator/) Bill with and without caching, by prefix share and hit rate.
-   [Prompt token diff](https://broadrouter.com/tools/prompt-token-diff/) Two prompt versions side by side: changed lines, exact token delta and the monthly cost difference.

[免费工具（英文）](https://broadrouter.com/tools/)

## 本文涉及的术语

[Token（词元）](https://broadrouter.com/zh/glossary/token/)

token（词元）是大语言模型读写文本的基本单位：由模型的分词器切分出的一个词、词的一部分、一个标点或一段字节序列。大模型 API 按 token 计数、设定限制，通常也按 token 计费。

[输入 token 与输出 token](https://broadrouter.com/zh/glossary/input-and-output-tokens/)

输入 token 是语言模型在一次请求中读取的 token，包括系统提示词、对话历史、工具定义和图片。输出 token 是模型生成回复的 token，包括思考内容。大模型 API 通常分别计价，输出一般更贵。

[思考 token（reasoning tokens）](https://broadrouter.com/zh/glossary/reasoning-tokens/)

思考 token（reasoning tokens）是推理模型在写出可见回答之前、为解决问题而生成的 token。它们通常按输出 token 计费，计入输出上限和上下文窗口，API 可能将其隐藏或只返回摘要。

[缓存输入 token（cached input tokens）](https://broadrouter.com/zh/glossary/cached-input-tokens/)

缓存输入 token 是大模型服务商近期已处理过、可以直接从缓存中复用而无需重新计算的提示词 token，通常是重复的前缀，例如系统提示词或文档。服务商对它们按低于新输入 token 的单价计费。

[按量付费（pay-as-you-go）](https://broadrouter.com/zh/glossary/pay-as-you-go/)

按量付费是一种计价模式：你只为实际用量付费，按 token、请求次数或音频分钟等单位计量，没有订阅费，也没有最低消费承诺。大多数大模型 API 都这样计费，从预付余额中扣减或定期开具账单。

[大模型包月套餐（flat-rate LLM plan）](https://broadrouter.com/zh/glossary/flat-rate-llm-plan/)

大模型包月套餐（固定价格套餐）是按一个周期（如一个月）收取固定费用、提供大模型 API 使用权的计价方式，不按 token 计费。这类套餐通常会限制别的东西，如并发、速度、模型或使用时间窗口，所以限制条件和价格同样重要。

[工具调用（tool calling / function calling）](https://broadrouter.com/zh/glossary/tool-calling/)

工具调用（也叫函数调用，function calling）是大模型 API 的一项功能：模型返回一个结构化请求，要求执行开发者定义的某个函数，并附上 JSON 参数。应用执行该函数并把结果发回；模型自己从不执行代码。

[并发（concurrency）](https://broadrouter.com/zh/glossary/concurrency/)

并发（concurrency）是客户端在同一时刻正在进行中的请求数。大模型 API 往往按密钥或套餐单独限制并发，与每分钟请求数分开计算，因为每个未完成的请求在响应结束前都会占用 GPU 资源。

## 常见问题

### 应该按 token 向用户收费吗？

对终端用户来说很少这样做；大多数人更喜欢有明确限额的固定档位。在内部测量 token，对外按请求数、文档数或席位定价，并为最重度的长尾用户保留合理使用限制。

### 能用 BroadNet 的固定价格套餐服务我的 SaaS 用户吗？

BroadNet 允许你用自己的密钥把套餐集成到自己的应用或服务中。每个会话同一时间运行一个请求，所以适合后端智能体或并发低的功能；面向用户、同时请求很多的流量，通常需要按量付费密钥或多个会话。

### AI 成本应该占订阅价格的多大比例？

没有统一的数字。先确定业务需要的毛利率，再倒推出一个重度但正常的用户最多能花多少，并据此设置限制。

### 多久重新计算一次单用户成本？

每次修改提示词、模型或功能时都要算，而且至少每月一次。随着提示词和用户行为变化，token 数会漂移。

## 继续阅读

-   [上线新功能前，怎样估算大模型 API 费用](https://broadrouter.com/zh/blog/estimate-llm-api-cost-before-launch/)
-   [大模型 API 费用控制：预算、密钥限制与死循环防护](https://broadrouter.com/zh/blog/llm-api-spend-control/)
-   [思考 token：为什么你付费的输出比看到的多](https://broadrouter.com/zh/blog/reasoning-tokens-cost/)
-   [缓存输入 token 详解：如何降低大模型 API 账单](https://broadrouter.com/zh/blog/cached-input-tokens-explained/)
-   [2026 年 10 月大模型 API 价格变动：3 次涨价，没有降价](https://broadrouter.com/zh/blog/llm-api-price-changes-october-2026/)
-   [大模型 API 价格多久变一次？三年存档价格页数据](https://broadrouter.com/zh/blog/how-often-llm-api-prices-change/)
-   [指南：用 OpenAI Python SDK 调用 BroadNet Inference](https://broadrouter.com/zh/guides/openai-python-sdk/)
-   [指南：对话补全的流式输出，以及连接中断的处理](https://broadrouter.com/zh/guides/streaming-chat-completions/)

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-llm-cost-per-user-saas&utm_content=page-cta) ·

**来源**

-   [BroadNet Inference 机器可读价格（pricing.json）（英文）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-llm-cost-per-user-saas&utm_content=sources)
-   [BroadNet Inference API 参考：用量字段与限制（英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-llm-cost-per-user-saas&utm_content=sources)
-   [BroadNet Inference 不限量套餐与套餐常见问题（英文）](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-llm-cost-per-user-saas&utm_content=sources)
-   [OpenAI API 参考：chat completions 的 usage 对象](https://platform.openai.com/docs/api-reference/chat/create)
