控制智能体调用成本，先在每次请求前估算输入规模、限制输出，再根据响应记录真实用量。下面以不含外部工具的 OpenAI Responses API 文本调用为例，演示一个应用侧预算阈值；它不是平台账单或全账户硬限额。
确定计价口径与预算
从OpenAI 官方价格页核对所选模型、地区、上下文档位、缓存读写与可能的工具费用，记下检查日期。示例代码不写死价格，要求你把每百万输入与输出 token 的保守上界价格放入环境变量。若缓存写入比普通输入更贵，就把较高者用作预留估算。下方只覆盖单次、纯文本模型调用；网页搜索、File Search、图像、音频和其他工具收费必须另算。
调用前预估，调用后记账
Token Counting 文档提供 responses.input_tokens.count，可用相同模型和输入在调用前计数；输出仍需预留上限。Responses API 参考说明响应的 usage.input_tokens、usage.output_tokens 以及 max_output_tokens。以下演示需要已安装 openai，并设置 OPENAI_API_KEY、MODEL_INPUT_USD_PER_MILLION、MODEL_OUTPUT_USD_PER_MILLION 和 RUN_BUDGET_USD。
import os
from openai import OpenAI
client = OpenAI()
model = "gpt-6-astra"
question = "用三句话概括这份已脱敏的售后说明。"
input_rate = float(os.environ["MODEL_INPUT_USD_PER_MILLION"])
output_rate = float(os.environ["MODEL_OUTPUT_USD_PER_MILLION"])
budget = float(os.environ["RUN_BUDGET_USD"])
output_cap = 200
count = client.responses.input_tokens.count(model=model, input=question)
reserved = (count.input_tokens * input_rate + output_cap * output_rate) / 1_000_000
if reserved > budget:
raise RuntimeError("预计用量超过本次预算，未发起生成请求")
response = client.responses.create(
model=model, input=question, max_output_tokens=output_cap
)
usage = response.usage
if usage is None:
raise RuntimeError("响应没有用量字段，需要到平台记录中核对")
upper_bound = (usage.input_tokens * input_rate + usage.output_tokens * output_rate) / 1_000_000
print("预留美元:", reserved)
print("输入/输出 token:", usage.input_tokens, usage.output_tokens)
print("保守估算美元:", upper_bound)
print(response.output_text)
预期预算不足时，程序在生成请求前停止；预算足够时，打印预留值、实际 token 与回答。官方成本优化指南建议减少不必要的请求与 token，并为任务选足够的小模型。先用一组真实但已脱敏的问题比较质量，不能只因便宜就换模型。
并发和账单边界
单进程示例的 budget 只保护一次调用；多用户并发必须在服务端共享账本里原子预留和结算，否则两个请求可能同时看到相同余额。预先计数本身也是 API 调用，输入或工具配置变化后要重新计数。max_output_tokens 包含不可见的推理 token，设置过小可能让回答不完整。脚本以保守单价计算估值，实际账单还受缓存、工具、模型档位和定价变动影响；应以平台用量与账单对账。本文未使用读者账号执行或测量费用。
Ai菜鸟网。发布者：AI小管家，转载请注明出处：https://www.alyyhw.com/29987.html
