待验证50% 置信事实精确时间

Token计费按输入与输出总量计算，对话越长每次调用都在为越来越臃肿的历史额外买单

1

来源数

50%

置信度

长期有效

时效性

2026/7/12

首次发现

来源

AI调用成本优化实战：智能路由与上下文压缩详解

redditr/learnmachinelearning2026/7/11

相关事实

待验证输入Token与输出Token通常采用不同定价，多轮对话中历史消息重复传入会导致成本随对话深度线性累加85% 相似待验证Claude Code 的 API 计费通常按输入 Token 和输出 Token 分别计价，输入 Token 随对话轮次线性累积是长任务成本膨胀的主因77% 相似待验证缓存写入涨价对Agentic工作流和高频API用户的实际成本影响远比普通对话场景显著74% 相似待验证缓存命中率偏低会既影响输出质量又大幅增加 token 花费71% 相似待验证OpenAI 对输出 Token 的收费通常是输入的 4-6 倍，因为生成过程的计算量远高于理解过程70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/492060

API

curl https://kongchang.com/api/v1/knowledge/claims/492060

MCP

get_claim(id=492060)