credits 是什么？token 怎么折成费用

AI 编程智能体跑一个任务要扣多少额度，2026 年 4 月起在 Codex 里有了一个统一答案：credit。在这之前，计费按任务条数走，一次轻描淡写的小改动和一次大动干戈的重构扣得一样多，轻活与重活全靠定价拉平。改成 credit 制之后，账算到了更细的一层：任务实际消耗多少 token，按所用模型的费率折成多少 credit，用多少扣多少。这篇讲清这套折算账的两步逻辑、缓存输入为什么有折扣、不同模型的费率差异从哪来，以及日常怎么查这笔账；额度窗口的滚动机制，见额度窗口一篇，两条计费轨道的分工，见计费轨道一篇。

从按条计费到 credit：换挡的来历

按条计费的软肋在任务与任务之间轻重悬殊。让智能体改一行注释，与让它通读半个代码库再动手重构，消耗的算力差出几个数量级，按条收钱只能把两者定成一个价，结果是轻活补贴重活。credit 制把计量单位下沉到 token：token 是模型处理文字的计数单位，一段文字被切分成多少个 token，就有多少笔账可算，token 的定义与计数方式见token一篇。任务重、token 多，折出的 credit 就多；任务轻，扣得就少，消耗与付出重新对得上号。这次换挡的节点在 2026 年 4 月，细节以官方公告为准，本文只讲机制、不引具体数字。

token 折成 credit 的两步

一笔任务从开始到结束，账分两步算。第一步是记账：把任务全程的 token 用量统计出来，输入与输出都算在内——你的指令、随请求送去的上下文、工具调用的结果，记在输入侧；模型的回答、中间的思考过程，记在输出侧。agentic 任务里输入侧往往占大头，因为每一步都在为上下文付费，这一点正是后面省额度的着力点。第二步是折算：把记好的 token 按所用模型的费率折成 credit。费率跟着模型走，同一个任务用大模型跑和用小模型跑，token 数量可能差不多，折出的 credit 却差出好几倍——大模型单价高。各模型的费率与折算比例以官方定价页为准。理解了这两步，「为什么这个任务特别贵」就有了拆解方向：要么 token 多，要么单价高，先分清是哪一头，再谈怎么办。

缓存输入的折扣账

token 账里有一项重要减免：缓存输入折扣。agentic 任务有个鲜明特点，同一会话里大量内容反复出现——系统提示、项目背景、前几轮的对话与代码，每一步请求都原样再送一遍。服务端对重复出现且命中的部分做缓存，按折扣计价，缓存机制的通用原理见提示词缓存一篇。折扣落到账面上很直接：连续干活的会话，重复上下文占大头，缓存命中越多，实际折算的 credit 越少；反过来，每干一小件事就重开一个会话，缓存全部失效，同样的活花得更多。缓存由服务端自动命中，不需要任何配置，你能做的是养成会话连续的习惯——攒着任务连续做，与频繁重开会话，是两种不同的花钱方式，前者天然省。

查账的姿势：用量在哪看

credit 是账面单位，日常管理靠两个入口：CLI 里的 /usage 看当前窗口的用量、余量与重置时间，网页端的 dashboard 看更细的历史账单。查账时结合三个变量读：消耗的 credit 总量、所用模型的费率档位、窗口的重置节奏——额度池按滚动窗口补给，节奏怎么算，开头的额度窗口一篇已经拆过。省账的思路也顺着机制走：能换小模型的任务换小模型，能压缩的上下文压缩，具体杠杆另有一篇专门拆，见省额度杠杆一篇。想把这套折算逻辑理顺，可以让 DeepSeek 把「token 记账、费率折算、缓存折扣」画成一张流程说明，再用豆包对照官方定价页整理当前模型的费率档位清单，两相对照，账目心里就有数了。

credit 计费速查

• 2026 年 4 月起由按条计费改为 credit 制，按实际消耗扣账
• 两步折算：先统计任务全程 token，再按模型费率折成 credit
• 输入输出都记账，上下文与工具结果占输入大头
• 缓存命中的重复输入按折扣计价，会话连续更省
• 费率跟模型档位走，具体数字以官方定价页为准

关于 credit 计费的常见疑问

• 为什么同一个任务，两次跑消耗差很多？：先查两个变量：上下文长度是否变了——会话越长、带的文件越多，输入 token 越多；模型档位是否换了——费率不同，折算结果不同。缓存命中率也会带来账面波动，新会话的第一轮最贵，属正常现象。
• credit 和订阅内的额度是一回事吗？：两回事。订阅内含的是计划额度，credit 是计量单位，两者分属两条轨道，轨道怎么分工、API 按量付费处在什么位置，见计费轨道一篇的对照，这里不展开。
• 缓存折扣要自己配置吗，能省多少？：缓存由服务端自动命中，无需配置开关；省多少取决于重复上下文占的比例，会话连续性越好、命中越多，账面越省，没有通用比例数字，以官方说明为准。