告别海外账号与网络限制稳定直连全球优质大模型限时半价接入中。 点击领取海量免费额度1. 把「智能 × 价格」画成一张散点图先搞清楚自己在为什么买单Artificial Analysis 上关于 GLM 5.3 Flash 的页面最值得看的不是某一个孤立的分数而是两列并排的数据智能指数以及每百万 token 的价格区间。前者回答「这模型有多能干」后者回答「干这些活要花多少钱」。单独看任何一列都会误导人——指数高但价格贵未必适合你的业务价格便宜但指数低可能连基本任务都兜不住。这篇要做的是一件很具体的事把 Artificial Analysis 上 GLM 5.3 Flash 的智能指数和价格做成一张散点图再换算成你自己业务口径下的「每千次调用成本线」。散点图让你一眼看出这个模型在「智能-价格」平面上的位置成本线则把它翻译成财务语言——我每跑一千次请求到底要掏多少钱。适合谁看正在给产品选默认模型的后端或全栈同学、要写成本预算的技术负责人、以及想用一份脚本横向对比多个模型但不想维护多套 SDK 的人。整条链路里TaoToken 扮演的是「默认供应商」的角色——一把 Key、一个请求地址之后换模型只改model字段。这样你那张散点图上的每个点都能用同一段代码跑出来横向可比。需要提前说明本文不写具体名次也不写指数数值。Artificial Analysis 的快照会更新模型版本也会迭代任何写死的数字过几天就可能失效。正确做法是打开页面当天的快照把数字抄进下面的模板里自己算。本文不含排行分数只给方法和可复现的产出。2. 从公榜到散点数据怎么取、坐标怎么定2.1 打开页面抄两组数在 Artificial Analysis 找到 GLM 5.3 Flash 的条目你需要记录的是智能指数Intelligence Index——纵轴候选每百万 token 的输入价格、输出价格通常是一个区间或两个数——横轴候选这里有个容易踩的坑价格是「每百万 token」而你的业务是按「次调用」计费的。两者之间差一个系数——每次调用平均消耗多少 token。这个系数必须你自己测不能拍脑袋。我试过直接拿公榜价格除以调用次数结果偏差能到三倍以上因为不同 prompt 的 token 消耗差异极大。2.2 坐标轴的选择散点图有两种画法用途不同画法横轴纵轴适合回答的问题智能-单价每百万 token 综合价格智能指数这个模型在同类里贵不贵智能-业务成本每千次调用成本智能指数用在我的业务里划不划算第一种是公榜视角第二种才是决策视角。本文重点做第二种因为它把「每百万 token」翻译成了「每千次调用」后者才是你月底看账单时看到的数字。2.3 综合单价怎么算如果输入输出价格不同需要一个加权。最简单的方式是按你的实际输入输出比例加权综合单价 输入单价 × 输入占比 输出单价 × 输出占比输入占比和输出占比同样来自你自己的实测。对话类业务通常输入远大于输出代码生成类则输出占比更高。这个比例一变散点图上的位置就会移动所以务必用真实流量统计而不是默认五五开。3. 操作步骤一份脚本跑出散点所需的全部数据3.1 先拿一把 Key在 https://taotoken.net/api-keys 创建 API Key。这一步只做一次后面所有模型共用这一把。请求地址统一填https://taotoken.net/api不要在每个模型上分别配不同的域名。注意Key 只显示一次创建后立刻复制到环境变量里不要硬编码进脚本。export TAOTOKEN_API_KEY你的Key3.2 用同一段 prompt 测两档模型下面这段 Python 做的事对同一个 prompt分别调用两档模型记录输出文本、耗时、以及返回的 token 用量。token 用量是算成本的关键必须从响应里读不能估算。import os, time, json from openai import OpenAI client OpenAI( api_keyos.environ[TAOTOKEN_API_KEY], base_urlhttps://taotoken.net/api, ) PROMPT 用三句话解释什么是幂等性并给一个 HTTP 接口的例子。 MODELS [glm-5.3-flash, 另一个对照模型名] # 以官网模型列表为准 def run_once(model): start time.time() resp client.chat.completions.create( modelmodel, messages[{role: user, content: PROMPT}], temperature0.3, ) elapsed time.time() - start usage resp.usage return { model: model, elapsed_s: round(elapsed, 2), prompt_tokens: usage.prompt_tokens, completion_tokens: usage.completion_tokens, text: resp.choices[0].message.content, } records [run_once(m) for m in MODELS] print(json.dumps(records, ensure_asciiFalse, indent2))跑完之后你会拿到一份 JSON里面每个模型都有耗时和 token 用量。这份记录就是散点图的数据源也是「同一段 prompt 在两档模型上的输出记录与耗时」这个可复现产出的原始素材。3.3 把 token 用量换算成每千次调用成本拿到prompt_tokens和completion_tokens后代入公榜价格def cost_per_1k(prompt_tokens, completion_tokens, in_price, out_price): # in_price / out_price 单位元/百万 token per_call (prompt_tokens * in_price completion_tokens * out_price) / 1_000_000 return round(per_call * 1000, 4)in_price和out_price从 Artificial Analysis 页面当天快照里取。注意单位统一——如果页面给的是美元要么统一换成人民币要么在表里标注币种别混着算。3.4 生成成本-智能对照表模板把上面两步的结果填进这张表就是本文承诺的可复现产出模型智能指数当日快照输入单价输出单价实测输入 token实测输出 token单次成本每千次成本平均耗时GLM 5.3 Flash待填待填待填待填待填待填待填待填对照模型待填待填待填待填待填待填待填待填把「每千次成本」当横轴、「智能指数」当纵轴每个模型一个点散点图就出来了。GLM 5.3 Flash 落在哪个象限取决于你填进去的数字而不是取决于任何人的结论。4. TaoToken 接入与配置为什么把它设成默认供应商4.1 一个地址一把 Key只改 modelTaoToken 的接入方式很直接请求地址填https://taotoken.net/api鉴权用同一把 Key模型通过model字段指定。这意味着你上面那段脚本不需要为每个模型写一套客户端MODELS列表里换名字就行。# 换模型只动这一行 resp client.chat.completions.create(modelglm-5.3-flash, ...)对做散点图这件事来说这一点很关键如果每个模型都要换 SDK、换域名、换鉴权方式那横向对比的变量就不止「模型」一个测出来的差异说不清是模型造成的还是接入方式造成的。统一入口之后变量被控制住了。4.2 配置检查清单base_url是否指向https://taotoken.net/apiKey 是否从环境变量读取而不是写在代码里model字段是否与官网模型列表一致是否记录了每次调用的 token 用量而不是只看返回文本4.3 接入文档与模型列表模型名、参数支持范围、以及各模型的计费口径以 https://taotoken.net/doc 为准。公榜上的价格是参考值实际结算以你账户里的用量记录为准两者可能有差异做预算时留出余量。5. 可验证结果与失败分支5.1 你应该看到什么脚本跑通后终端会打印一段 JSON包含每个模型的输出文本、耗时、prompt_tokens、completion_tokens。把 token 用量代入成本公式得到每千次调用成本。填进对照表散点图成型。验证方式很简单把同一个 prompt 再跑一次token 用量应该在同一量级可能有小幅波动耗时也应该接近。如果两次差异巨大说明有别的因素在干扰比如网络抖动或模型侧排队。5.2 常见失败分支401 未授权Key 没读到或者环境变量名写错。先echo $TAOTOKEN_API_KEY确认非空。404 模型不存在model字段拼错或者该模型名不在当前可用列表里。对照 https://taotoken.net/doc 的模型列表核对。返回内容为空但 usage 有值可能是触发了内容过滤或参数不兼容检查temperature、max_tokens等参数是否在该模型支持范围内。成本算出来明显偏低大概率是只算了输出 token 没算输入 token或者价格单位没统一。回头检查公式里的两个价格是否都代入了。耗时波动大单次测量不可靠建议每个模型跑 5 次取中位数再填进对照表。5.3 把结果固定下来散点图和对照表的价值在于可复现。建议把 prompt、模型名、当日快照日期、token 用量、耗时一起存成一个 JSON 或 CSV下次公榜更新时重跑一遍就能看出模型在「智能-价格」平面上的移动轨迹。这比记住某个具体名次有用得多。6. 限制、成本与模型选择公榜数据有滞后性。Artificial Analysis 的快照更新频率、采样方式、以及指数本身的构成都会影响你看到的数字。本文不写具体名次和指数数值就是因为这些数字会变写死了反而误导。你打开页面当天的快照才是你该用的数据。价格区间要看清口径。有些模型区分输入输出、有些区分缓存命中与否、有些有阶梯定价。做成本线时用你业务的实际输入输出比例去加权而不是用页面上最显眼的那个数字。模型选择上GLM 5.3 Flash 这类「Flash」定位的模型通常是在智能和成本之间取一个平衡点。它适不适合当你的默认模型取决于你的任务对智能的敏感度如果任务本身简单、容错高低成本就是优势如果任务需要复杂推理省下来的钱可能被返工成本吃掉。散点图的作用就是把这个权衡可视化而不是替你拍板。最后一点实操建议把 TaoToken 设成默认供应商之后你的对比脚本可以长期留着。每次有新模型上线往MODELS列表里加一个名字重跑一遍散点图上就多一个点。日积月累你手里就有了一张属于自己的「智能-成本」地图比任何单次评测都更贴近你的真实业务。 告别海外账号与网络限制稳定直连全球优质大模型限时半价接入中。 点击领取海量免费额度