tokencost

输入模型和 token 数,秒估 400+ 大模型成本

tokencost 是一个轻量级的 Python 库,为 400 多个大语言模型提供统一的 token 价格估算。它解决了开发者在选择或调用不同 LLM 时,因各家计费规则复杂、价格不一而难以快速估算成本的问题。核心能力包括:通过模型名称自动匹配价格、支持按 token 数量和调用类型(输入/输出)计算费用、提供命令行工具和 Python API 接口。用户只需传入模型名和 token 用量,即可获得近似成本,便于在模型选型、预算规划和成本监控中做出决策。项目代码简洁,易于集成,适合个人开发者和中小团队快速使用。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 2005
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队AgentOps-AI
所属国家
定价模式free
价格说明开源项目,MIT许可证,完全免费,可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型analytics,claude,large-language-models,llm,observability,openai,price,price-tracker,token,tokenization
GitHub 星标★ 2005
30天Star增速
HF 下载量
上线时间2023-12-03 00:00:00
最近更新2026-09-23 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4

使用教程

难度:入门 约 5 分钟 部署方式:库/依赖 4 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • 可运行 Python 的环境(README 未标注具体版本)
  • 能从 PyPI 安装第三方包的网络环境
  • 已知要估算的模型名称,如 gpt-3.5-turbo

安装与启动步骤

  1. 1安装 tokencost

    从 PyPI 安装该库。README 的 Installation 章节为空,包名取自 README 中的 PyPI 项目链接,请以实际 PyPI 页面为准。

    pip install tokencost
  2. 2编写调用示例

    按 README 示例导入两个函数,构造 messages 格式的 prompt 并调用,得到输入与输出成本。

    from tokencost import calculate_prompt_cost, calculate_completion_cost
    
    model = "gpt-3.5-turbo"
    prompt = [{ "role": "user", "content": "Hello world"}]
    completion = "How may I assist you today?"
    
    prompt_cost = calculate_prompt_cost(prompt, model)
    completion_cost = calculate_completion_cost(completion, model)
    
    print(f"{prompt_cost} + {completion_cost} = {prompt_cost + completion_cost}")
  3. 3运行脚本

    把上一步代码保存为 cost.py 后执行,终端会输出 prompt 成本、completion 成本及两者之和。

    python cost.py
  4. 4替换模型再估算

    把 model 变量换成你要评估的模型名,即可对比不同模型的预估费用;具体支持哪些模型以库内价格表为准。

关键配置

配置项必填说明示例
model是模型名称,库据此匹配对应价格表gpt-3.5-turbo
prompt是消息列表,用于计算输入 token 成本[{"role": "user", "content": "Hello world"}]
completion是模型输出文本,用于计算输出 token 成本How may I assist you today?

如何确认成功

运行脚本后终端打印出形如 0.0000135 的美元金额,即表示安装与调用成功。

常见问题

Q:使用前需要填 API Key 吗?

A:不需要。README 示例中直接传入模型名与文本即可计算,属于客户端本地估算,不会实际调用模型接口。

Q:支持哪些模型?

A:README 未给出模型清单,仅示例使用 gpt-3.5-turbo;项目简介称覆盖 400 多个主流 LLM,具体以库内价格表为准。

Q:怎么分别算输入和输出成本?

A:输入用 calculate_prompt_cost(prompt, model),输出用 calculate_completion_cost(completion, model),也可相加得到总成本。

Q:算出来的价格为什么和账单有差异?

A:结果是基于价格表与 token 数的估算值,厂商调价或计费规则变化时会有偏差,最终以官方账单为准。

注意事项

  • README 的 Installation 与 Usage 章节内容为空,pip install tokencost 是依据 README 中 PyPI 项目链接推断的包名。
  • 示例输出中的 0.0000135 为 README 给出的参考值,实际数值随文本长度变化。
  • prompt 需为带 role 和 content 的消息列表,不能直接传纯字符串。

核心亮点

  • 覆盖 400+ 模型,价格数据持续更新,省去手动查表
  • API 极简,两行代码返回估算成本,学习成本低
  • 内置 CLI 工具,无需写代码即可快速测试

不足之处

  • 价格数据依赖社区维护,新模型价格可能滞后
  • 仅提供估算,不包含实际账单或用量统计功能

适用场景

  • 在多个 LLM 之间做成本对比,辅助选型
  • 开发阶段估算 API 调用费用,控制预算
  • 在 CI/CD 中集成成本检查,防止超支

替代项目

openai-cost、llm-cost、LangChain 的 cost_calculator

项目介绍

tokencost 是基础设施领域的开源项目,由 AgentOps-AI 开发,2023 年首次发布。

在全站 13,090 个收录项目中,它的 GitHub 星标数(2,005)位列前 30%,在基础设施分类中处于中上游。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-23。MIT许可证,完全免费,可自行部署使用。

它主要面向的使用场景是:在多个LLM之间做成本对比,辅助选型。同类可对比的替代方案包括 openai-cost、llm-cost、LangChain 的 cost_calculator。

上一篇:llama_deploy

下一篇:ai-gateway

同类项目推荐

freebuff-proxy 开源

聚合多账号,一键接入 OpenAI 兼容 API,轻松管理会话。

Multi-account OpenAI-compatible gateway for coding models. Pooled keys, session life···

★ 213 2026-08-20
microduck 开源

用 Rust 造一只会走路的桌面小鸭,快速上手双足机器人。

A Tiny biped duck robot

★ 8684 2026-09-10
soperator 开源

用 Kubernetes 原生方式运行 Slurm,简化 HPC 集群管理。

Run Slurm in Kubernetes

★ 439 2026-08-10
ollama 开源

一条命令本地跑起大模型,免费、私密、不卡顿

Get up and running with Kimi, GLM, MiniMax, DeepSeek, gpt-oss, Qwen, Gemma and other···

★ 181484 2026-08-09