# 如何计算 Responses API 的 Token 用量：输入、输出、缓存与推理

https://jsonscraper.com/zh/blog/responses-api-token-usage-cost

Author: Michael Johnson

Published: 2026-10-08T05:36:00+00:00

Updated: 2026-10-08T06:34:05+00:00

实用用量核算：如何在优化提示词、对话历史和推理后验证节省效果。

缩短提示词后，应根据每个响应的 `usage` 和整项任务的成本来检查节省效果。简短的回答也可能伴随大量推理开销，而继续对话时，历史内容可能再次计入用量。为了控制预算，请分别核算 Token 数量、计费类别，以及完成任务所需的调用次数。



![如何计算 Responses API 的 Token 用量：输入、输出、缓存与推理
背景：解析 Responses API 的用量计数器、上下文重复计费方式和成本公式。推理 Token 已计入 output_tokens；缓存 Token 属于输入，而写入缓存可能单独计费。
视觉主体：一张供俄语、英语和德语版本共用的 AI 封面。写实风格的编辑类静物照片：开发者的办公桌上摆着四组小型半透明玻璃筹码；内](https://jsonscraper.com/assets/uploads/journal/2026/10/2f9f402c92335ef20778ea3dd8f9313c.png.hero.webp)

© jsonscraper · AI 生成图像



## 四种计数器及其包含关系



在 [usage 对象示例](https://developers.openai.com/api/docs/guides/reasoning)中，OpenAI 展示了输入、输出及这两类计数器的详细信息。可按以下方式理解：



- `input_tokens` — 本次调用的输入 Token 总量，包括用于延续对话的上下文。
- `input_tokens_details.cached_tokens` — 从缓存中读取的输入部分，已计入 `input_tokens`。
- `output_tokens` — 生成的 Token 总量，包括推理过程。
- `output_tokens_details.reasoning_tokens` — 用于推理的输出部分。



**推理 Token 已包含在 `output_tokens` 中；不能再将其加到输出总量里。** OpenAI 按照[输出 Token 费率](https://developers.openai.com/api/docs/guides/reasoning)对其计费。同样，把 `cached_tokens` 再加到输入中，也会重复计算同一部分请求。要获取总量，请使用 `total_tokens`，或将 `input_tokens + output_tokens` 相加。



## 成本核算：按类别拆分输入



当前[定价页面](https://developers.openai.com/api/docs/pricing)分别列出了普通输入、缓存输入、缓存写入和输出的费率。请选择与实际模型、处理模式及适用上下文长度相符的费率。请将精确数值保存在可版本管理的计算配置中。



当前[缓存文档](https://developers.openai.com/api/docs/guides/prompt-caching)中有一项重要细节：对于 GPT-5.6 及更新的模型，会计入 `input_tokens_details.cache_write_tokens`。如果你的计费方案将缓存写入单独计费，请从普通输入中扣除这一类别，并应用其对应费率。



```
I = input_tokens
C = input_tokens_details.cached_tokens
W = input_tokens_details.cache_write_tokens
O = output_tokens

ordinary_input = I - C - W
cost = ((I - C - W) * P_input
        + C * P_cached
        + W * P_write
        + O * P_output) / 1_000_000
```



![如何计算 Responses API 的 Token 用量：输入、输出、缓存与推理
背景：解析 Responses API 的用量计数器、上下文重复计费方式和成本公式。推理 Token 已计入 output_tokens；缓存 Token 属于输入，而写入缓存可能单独计费。
视觉主体：一张供俄语、英语和德语版本共用的 AI 封面。写实风格的编辑类静物照片：开发者的办公桌上摆着四组小型半透明玻璃筹码；内](https://jsonscraper.com/assets/uploads/journal/2026/10/5593ee2461bd677cdf83d438b3421248.png.hero.webp)

© jsonscraper · AI 生成图像



此处的价格以每百万 Token 为单位；对于没有单独写入类别的计费方案，请设置 `W = 0`。该公式涵盖了上述 Token 计费类别。付费工具应根据其[定价条款](https://developers.openai.com/api/docs/pricing)另行列项。



示例：输入为 4000，其中缓存输入为 3000、缓存写入为 500；输出为 1000，其中推理 Token 为 600。由此得到 500 个普通输入 Token，总计 5000 个 Token。输出按 1000 个 Token 计费；保留 600 这一数值用于诊断。



## 继续对话时，输入用量会再次产生



手动管理历史记录时，应用会将[之前的消息一并传入](https://developers.openai.com/api/docs/guides/conversation-state)，再附上新的输入。包含在下一个请求中的消息会再次成为输入上下文。因此，只测量用户最新一条消息会漏算历史记录的用量。



使用 `previous_response_id` 时，应用会传入上一条响应的引用，由 API 关联上下文。根据[延续对话的计费规则](https://developers.openai.com/api/docs/guides/conversation-state)，对话链中先前的输入 Token 会再次作为输入计费。缓存可能改变这部分输入适用的费率类别；请查看每条响应中的 `cached_tokens`，确认实际缓存命中情况。



## 如何验证优化效果



1. **保存基准样本。**比较相同类型的任务、模型、成功标准，以及长度相近的对话。
2. **记录每次调用。**记录响应和任务 ID、模型、推理设置、状态、延迟和完整的 `usage`。同时保存提示词版本和定价配置版本。
3. **汇总每项任务的成本。**纳入该任务的所有调用，以及重试所产生的响应。主要指标应为成功完成任务的成本。
4. **区分变化原因。**分别跟踪普通输入、缓存读取与写入、输出以及推理占比。计算总体缓存占比时，用 `C` 的总和除以 `I` 的总和。
5. **检查质量和分布尾部。**除平均成本外，还应比较 p95、尝试次数和任务成功率。



[max_output_tokens 参数](https://developers.openai.com/api/docs/guides/reasoning)会限制生成内容和推理过程。达到上限时，响应状态可能变为 `incomplete`；即使没有可见文本，也可能已经消耗 Token。评估节省效果时，请将这类响应纳入统计：只有在可比任务成功完成且总成本更低时，才算达到优化目标。
