FiscaLLM推出工具，按用户核算LLM API成本与利润
来源标题：LLM API prices as cost per message and per subscriber (61 models)
开源工具FiscaLLM可追踪每次AI调用后每个用户的LLM API成本，并与实际收入对比，算出按用户、套餐和免费试用划分的利润率。该工具不记录提示内容，仅上报token数量，收入数据可来自RevenueCat、Stripe或CSV，支持告警和可选限额。按标价计算，1500 token提示加400 token回复时，GPT-5 nano约0.00023美元，GPT-4.1 nano和Gemini 2.5 Flash Lite均约0.00031美元。
以下正文由 AI 翻译自 Hacker News 最新（原文版权归原站所有），可能存在偏差，重要内容请以原文为准。
按每条消息和每个订阅用户计算的 LLM API 价格（61 个模型）
一个按每条消息看起来便宜的模型，在你用量最大的用户身上仍可能亏钱。在大多数 AI 应用里，百分之几的用户贡献了大部分账单，而统一套餐对他们的收费和其他人一样。要安全定价，你需要知道每个用户的成本，并把它与每个用户实际支付的金额放在一起看。
这正是 FiscaLLM 做的事：每次 AI 调用后输出一行记录，报告 token 数量（绝不记录 prompt），RevenueCat、Stripe 或 CSV 报告收入，你就能看到按用户、套餐和免费试用划分的利润率，并带有告警和可选的上限。免费且开源。可查看演示仪表盘。
按标价计算，对于 1,500 token 的 prompt 和 400 token 的回复：GPT-5 nano（$0.00023）、GPT-4.1 nano（$0.00031）和 Gemini 2.5 Flash Lite（$0.00031）。
将每次调用的输入、缓存和输出 token 分别乘以该模型每百万 token 的价格，把每个用户的所有调用加总，再将总额与该用户扣除商店费用和税费后支付给你的金额进行比较。
生成每个输出 token 都需要对模型做一次完整的前向计算，而输入 token 是并行处理的。大多数提供商对输出的收费是输入的 4 到 8 倍。
是的。从缓存中读取的 token 按输入价格的一小部分计费，通常为 10%。一个反复发送相同 system prompt 和历史的聊天应用可以将输入成本降低一半以上。
正文由 探How 从来源站点 RSS 同步，内容未经改写；遇到排版缺失或需要图片、视频时请以原文为准。