Vertex AI：totalTokens与计费字符的费用转换及术语关系咨询

一、术语关联说明 #

• totalTokens：等于输入文本tokens + 输出文本tokens的总和，仅统计纯文本交互的token数量，不包含图片等多媒体内容的计费单位。
• totalBillableCharacters：仅对应输入中的多媒体内容（如你发送的base64格式图片），Google会将图片转换为可计费字符数来计算费用，这部分属于输入侧的计费项，但不计入totalTokens。
• 输入tokens：分为两部分：
  1. 文本prompt对应的token数（属于totalTokens的组成部分）；
  2. 图片等多媒体对应的totalBillableCharacters（单独的输入计费维度，与文本tokens分开统计）。
• 输出文本tokens：模型返回的文本内容对应的token数，是totalTokens的组成部分之一。

二、费用计算方法 #

关键前提 #

若仅拿到totalTokens和totalBillableCharacters，无法准确拆分输入、输出文本的token数，会导致费用计算误差。建议优先从API响应的usageMetadata字段中获取**promptTokenCount（输入文本tokens数）和candidatesTokenCount（输出文本tokens数）**，这两个值相加即为totalTokens。

计费公式 #

总费用 = 输入文本tokens费用 + 输出文本tokens费用 + 图片可计费字符数费用

各部分费率（基于Gemini Flash 2.0 Lite定价）：

• 输入文本tokens：$0.075 / 100万tokens
• 输出文本tokens：$0.30 / 100万tokens
• 图片可计费字符：$0.075 / 100万字符（以官方定价标准为准）

代码示例（Python） #

# 模拟API返回的使用数据（包含详细token拆分）
api_usage_response = {
    "totalTokens": 1500,
    "totalBillableCharacters": 200000,  # 图片对应的可计费字符数
    "usageMetadata": {
        "promptTokenCount": 1000,  # 输入文本tokens数
        "candidatesTokenCount": 500  # 输出文本tokens数
    }
}

# 定义费率（单位：美元/100万单位）
RATE_INPUT_TEXT = 0.075
RATE_OUTPUT_TEXT = 0.30
RATE_IMAGE_CHAR = 0.075

# 计算各部分费用
cost_input_text = (api_usage_response["usageMetadata"]["promptTokenCount"] / 1_000_000) * RATE_INPUT_TEXT
cost_output_text = (api_usage_response["usageMetadata"]["candidatesTokenCount"] / 1_000_000) * RATE_OUTPUT_TEXT
cost_image = (api_usage_response["totalBillableCharacters"] / 1_000_000) * RATE_IMAGE_CHAR

total_cost = cost_input_text + cost_output_text + cost_image

# 打印结果
print(f"输入文本费用: ${cost_input_text:.6f}")
print(f"输出文本费用: ${cost_output_text:.6f}")
print(f"图片处理费用: ${cost_image:.6f}")
print(f"本次请求总费用: ${total_cost:.6f}")

仅拥有totalTokens时的临时处理（不推荐） #

如果确实无法获取详细token拆分，只能做估算（误差较大）：

1. 假设输入、输出token的比例（比如按常见的7:3或根据你的业务场景预估）；
2. 按比例拆分totalTokens后再套用费率计算；
3. 图片部分费用仍按totalBillableCharacters计算。

这种方式仅适合临时参考，建议调整API请求配置，确保返回usageMetadata中的详细token统计。

内容的提问来源于stack exchange，提问作者MJQZ1347