OpenAI 的定价模型主要基于按 token 计费，费用因具体模型和服务而异。 Token 代表文本块（大约每个文本块四个字符），并且每个 API 请求都会消耗输入（您发送到模型的内容）和输出（模型的响应）的 token。 例如，GPT-4 对输入收费每百万个 token 30 美元，对输出收费每百万个 token 60 美元，而 GPT-3.5 Turbo 对输入收费每百万个 token 0.50 美元，对输出收费每百万个 token 1.50 美元。 这种基于 token 的方法使开发人员只需为他们使用的内容付费，从而使其可扩展到各种规模的项目。 此外，用于图像生成的 DALL-E 或用于语音转文本的 Whisper 等服务具有不同的定价结构，例如按图像或按处理的音频分钟数收费。
不同的模型和服务具有定制的定价，以反映它们的功能和计算需求。 例如，与 GPT-3.5 Turbo 相比，GPT-4 的更高成本反映了其先进的性能和更大的架构。 微调 - 开发人员使用自定义数据训练基础模型的功能 - 会增加单独的成本：训练 GPT-3.5 Turbo 模型每 1,000 个 token 的成本为 0.008 美元，外加持续的使用费。 同样，DALL-E 对每张标准分辨率图像收费 0.020 美元。 开发人员还必须考虑上下文窗口限制（例如，GPT-4 为 128k 个 token），因为更长的输入或输出会增加 token 消耗。 OpenAI Tokenizer 等工具可帮助估计 token 数量，这对于预算至关重要。 例如，通过 GPT-4 处理的 1,000 字的文章（约 1,300 个 token）的输入成本约为 0.04 美元，输出成本约为 0.08 美元。
OpenAI 提供带有初始积分的免费套餐（例如，前三个月为 5 美元），积分到期后会过渡到按使用量付费的计费方式。 大批量用户可以协商定制的企业计划以获得折扣价。 值得注意的是，ChatGPT Plus（每月 20 美元）是面向最终用户的单独订阅，不适用于 API 使用。 开发人员可以通过缩短提示、缓存常用响应或使用成本较低的模型来执行更简单的任务来优化成本。 例如，处理基本查询的聊天机器人可能会使用 GPT-3.5 Turbo 而不是 GPT-4 来降低费用。 通过 OpenAI 的仪表板监控使用情况并设置 API 速率限制有助于避免意外费用。 通过了解 token 化并为每个任务选择正确的模型，开发人员可以有效地平衡性能和成本。