GPT-5 API 定价 2026：5.5/5.4/Mini 怎么选最划算
GPT-5 系列在 2026 年已经稳定成三档定价，档位之间的价差大到选错就是 20 倍的成本浪费。GPT-5.5 是新旗舰 $5/百万输入 token，GPT-5.4 是中端 $2.50/百万，GPT-5 Mini 是预算档 $0.15/百万。输出侧的价差更夸张：分别是 $15/M、$10/M 和 $0.60/M。
TL;DR：GPT-5.5 $5/$15 per 百万 token 是最难推理任务的旗舰。GPT-5.4 $2.50/$10 是大多数生产部署的主力——5.5 质量的 90%，价格一半。GPT-5 Mini $0.15/$0.60 是高并发 agent 和分类的预算档。两个复合杠杆：Batch API（所有价格 5 折，仅异步）和 cached input（5 分钟档 5 折、1 小时档 7.5 折）。国内访问：FreeModel 从国内直连的 OpenAI 兼容端点路由 GPT-5 全系，价格一致。
为什么这件事重要：档位之间 20 倍成本差距
2026 年定价故事不只看头牌单价，还有两个复合杠杆：Batch API（所有价格 5 折，异步交付）和 cached input 折扣（命中 5 分钟或 1 小时缓存的 prompt token 半价）。对于重复性的工作流——反复读同样 system prompt 的 agent、反复送同样长文档的 RAG 系统、反复解析同样代码仓库的 code review 工具——cached input 杠杆决定了产品是赚钱还是烧钱。
这篇定价手册就是我们当初选模型时希望存在的那页：三个档位的真实 per-token 单价、Batch 和缓存的数学、三档预算（$100 / $1,000 / $10,000）的具体 token 算账，以及每个工作流对应哪个模型的决策树。文末还覆盖了国内访问角度（GPT-5 国内不直连，OpenAI 兼容聚合 FreeModel 可以从国内直连的端点路由同样模型），帮你选最便宜的交付路径，而不只是最便宜的模型。
2026 年 GPT-5 阵容
GPT-5.5——旗舰（$5/M 输入、$15/M 输出）
2026 年 3 月发布的新顶级模型，GPT-5.5 是最难推理任务的主力：800K 上下文窗口、原生多模态（文本+图像+音频），截至 2026 年 6 月在编码（SWE-bench）、数学（MATH）、研究生级推理（GPQA）基准上分数最高。价格是 5.4 的两倍，无论输入输出，所以规则很简单：只有当便宜档位可证明在你的评测上失败时才用 5.5。
5.5 真正的甜区是长上下文综合。如果你送 200K+ token 的输入（整个代码库、论文、法律合同）并需要模型在整个上下文上推理，5.5 对 5.4 的优势会拉开。对于短 prompt（4K token 以内），质量基准上差距通常在 5-10% 以内，几乎不值 2 倍价。
定价（截至 2026 年 6 月 10 日）：
| 计费项 | 单价 |
|---|---|
| 输入（文本） | $5.00 / 百万 token |
| 输入（缓存，5 分钟） | $2.50 / 百万 token |
| 输入（缓存，1 小时） | $3.75 / 百万 token |
| 输出（文本） | $15.00 / 百万 token |
| 输出（缓存写入） | $3.75 / 百万 token |
| 音频输入 | $10.00 / 百万 token |
| 音频输出 | $30.00 / 百万 token |
| 图像输入 | $5.00 / 百万 token |
| Batch API（所有价格） | 5 折 |
GPT-5.4——中端（$2.50/M 输入、$10/M 输出）
GPT-5.4 是 2026 年大多数生产部署的主力。模型比旗舰落后一代，但价格-质量权衡是有利的：大多数推理任务上 5.5 的 90% 质量，更简单的分类和抽取工作流上是 100% 质量，输入成本正好一半。对大多数真实产品团队，5.4 是默认选择。
5.4 的上下文窗口是 400K token——是 5.5 的一半，但仍是大多数生产 prompt 需要的 3-4 倍。多模态支持跟 5.5 相同（文本、图像、音频）。主要限制：在最难推理基准（SWE-bench Verified 80% 以上、GPQA Diamond 75% 以上）上 5.4 落后 5.5 约 5-8 分。
| 计费项 | 单价 |
|---|---|
| 输入（文本） | $2.50 / 百万 token |
| 输入（缓存，5 分钟） | $1.25 / 百万 token |
| 输入（缓存，1 小时） | $1.875 / 百万 token |
| 输出（文本） | $10.00 / 百万 token |
| 输出（缓存写入） | $2.50 / 百万 token |
| 音频输入 | $5.00 / 百万 token |
| 音频输出 | $20.00 / 百万 token |
| 图像输入 | $2.50 / 百万 token |
| Batch API（所有价格） | 5 折 |
GPT-5 Mini——预算档（$0.15/M 输入、$0.60/M 输出）
GPT-5 Mini 是 2025 年底取代 GPT-4o-mini 和 GPT-3.5-turbo 的新预算档。$0.15/$0.60 per 百万 token 是 2026 年 OpenAI 仍然值得用于生产的最便宜模型——再便宜质量就断崖式下跌。上下文窗口 256K，多模态只支持文本+图像（无音频），模型针对高吞吐低延迟场景优化。
Mini 档是 2026 年 agent 经济学的关键。如果你在构建一个任务里 50+ 次 LLM 调用的 agent 框架，编排器用 Mini（$0.60/M 输出）、最后综合用 5.5 是标准模式。同样的 agent 全程用 5.5，编排器调用上贵 25 倍，并且不会更快（Mini 在简单 prompt 上的 TTFT 跟 5.4 一样）。
| 计费项 | 单价 |
|---|---|
| 输入（文本） | $0.15 / 百万 token |
| 输入（缓存，5 分钟） | $0.075 / 百万 token |
| 输入（缓存，1 小时） | $0.1125 / 百万 token |
| 输出（文本） | $0.60 / 百万 token |
| 输出（缓存写入） | $0.15 / 百万 token |
| 音频输入 | 不支持 |
| 音频输出 | 不支持 |
| 图像输入 | $0.15 / 百万 token |
| Batch API（所有价格） | 5 折 |
Batch API：5 折、异步
Batch API 是 OpenAI 2026 年提供的单一最大折扣：每个模型每个价格 5 折，换取异步交付。你提交一个 JSONL 文件（每批最多 50,000 个请求、200MB），批在 24 小时内完成（实际上 1-6 小时），按半价支付每个 token。
代价是延迟。Batch 不适合交互式用户场景。适用场景：
- 评测流水线：对一万条模型输出打 ground truth 分
- 批量内容生成：批量产出产品描述、翻译、摘要
- 回填任务：对历史数据重新分类、对旧文档生成 embedding
- 离线分析：模型跑在夜间数据仓库任务上
对于实时聊天、agent 循环、或用户正在等待的工作流，Batch 不可用。24 小时 SLA 决定了它跟流式 Chat Completions API 根本不是同一类东西。
算账示例：一个团队每月在 GPT-5.5 上跑 1 亿输出 token 的评测工作：
- Chat Completions API 按 $15/M 输出 = 每月 $1,500
- Batch API 按 $7.50/M 输出 = 每月 $750
- 节省：每月 $750，整整一半
Cached input：重复 prompt 半价
Cached input 折扣是第二个杠杆，对许多生产工作流是更大的杠杆。当你重复送同样的长前缀（50K token 的 system prompt、200K token 的 RAG 文档、1MB 的 code review 工具代码文件）时，OpenAI 缓存 prompt token 并对缓存部分打折。
2026 年有两个缓存档：
| 档位 | 折扣 | 缓存寿命 | 适合场景 |
|---|---|---|---|
| 5 分钟缓存 | 5 折 | 5 分钟不活动 | 交互会话、agent 循环、多轮聊天 |
| 1 小时缓存 | 7.5 折（25% off） | 1 小时不活动 | 批处理、定时报告、评测、稳定语料的 RAG |
5 分钟档是自动应用的默认。当 prompt 前缀匹配 5 分钟内用过的缓存条目时，缓存部分按 5 折计费。无需主动开启——OpenAI 透明地应用。坑：缓存至少 1,024 token 才有资格，缓存键是前缀的字节序列，所以一个空白改动就让它失效。
1 小时档需要主动开启。你在 API 调用里设置 prompt_cache_retention: "1h"，OpenAI 把缓存寿命延长到 1 小时（仍然 7.5 折而不是 5 折，因为存储成本更高）。这是反复送同样大文档的批处理任务的正确档位——评测套件、稳定语料的 RAG 系统、反复处理同样仓库的 code review 工具。
算账示例：一个 RAG 系统每次查询送 200K token 文档：
- 无缓存：200K 输入 token × $5/M（5.5）= 每次 $1.00
- 5 分钟缓存命中（200K 半价）：200K × $2.50/M = 每次 $0.50
- 1 小时缓存命中（200K 7.5 折）：200K × $3.75/M = 每次 $0.75
真实成本算账：三档预算
下面的算账假设 1:3 的输入输出比（聊天和 agent 工作流的典型情况），以及标准价（无 Batch、无缓存）。输出在账单里占大头，所以减少输出 token 是最高杠杆的优化。
$100/月预算
| 模型 | 输入 token | 输出 token | 适合 |
|---|---|---|---|
| GPT-5.5 | 2000 万 | 667 万 | 硬推理、小文件 code review |
| GPT-5.4 | 4000 万 | 1000 万 | 通用聊天、中等文档分析 |
| GPT-5 Mini | 6.66 亿 | 1.66 亿 | 高并发 agent、分类、超大语料 RAG |
$1,000/月预算
| 模型 | 输入 token | 输出 token | 适合 |
|---|---|---|---|
| GPT-5.5 | 2 亿 | 6670 万 | 中型产品，5.5 作为默认 |
| GPT-5.4 | 4 亿 | 1 亿 | 生产部署，5.4 默认 + 5.5 fallback |
| GPT-5 Mini | 66.6 亿 | 16.6 亿 | 大众市场产品、分类为主、大规模 RAG |
$10,000/月预算
| 模型 | 输入 token | 输出 token | 适合 |
|---|---|---|---|
| GPT-5.5 | 20 亿 | 6.67 亿 | 旗舰产品、agent、大文档分析 |
| GPT-5.4 | 40 亿 | 10 亿 | 多产品套件，5.4 作为主力 |
| GPT-5 Mini | 666 亿 | 166 亿 | 大众市场分类、搜索、推荐 |
$10,000 下，架构比模型选择更重要。烧这个量级的团队通常跑一个路由层来分发请求——最难的查询用 5.5，大头用 5.4，长尾简单补全用 Mini。OpenAI Python SDK 直接支持 batches 端点，大多数团队把它跟 FreeModel（一个 OpenAI 兼容聚合层，让你不用改代码就能从不同端点路由同一模型）这样的路由层搭配。
决策树：哪个模型什么时候用
任务是简单分类、抽取或路由吗？
- 是：GPT-5 Mini
- 否，继续。
输入在 4K token 以内，任务是通用聊天/补全？
- 是：GPT-5.4
- 否，继续。
输入在 100K token 以上（长上下文综合）？
- 是：GPT-5.5
- 否，继续。
任务是质量作为差异化的硬编码或数学题？
- 是：GPT-5.5
- 否，继续。
默认：GPT-5.4
决策树故意保守。默认是 5.4 而不是 5.5，因为 2026 年价格-质量差距对 5.4 有利。只有当你有证据表明 5.4 在你的具体工作流上失败时才伸手够 5.5。
国内访问和 FreeModel
OpenAI 截至 2026 年 6 月国内大陆不直连。上面价格对所有能访问 OpenAI 的地方都一样，但国内开发者通常走三条路之一：
- 代理/VPN 直连 OpenAI——延迟高（增加 200-500ms）、可靠性有波动、偶尔限速。
- 国内直连的 OpenAI 兼容聚合——FreeModel 是最成熟的选项。它在国内直连的 OpenAI 兼容端点后面暴露 GPT-5 全系，付费档跟 OpenAI 直连同价（无加价），免费档覆盖 5.4 和 Mini 的开发用量。
- Azure OpenAI Service——通过 21Vianet 合作在国内运行。价格略有不同（Azure 是独立计费关系），新账户 3-7 天开通流程。
FreeModel 是大多数国内团队最便宜的即插即用：同价、同样的 OpenAI SDK、国内直连延迟。迁移就是换 base URL。唯一坑：FreeModel 免费档限速 60 RPM，够开发但不够生产。付费档从 OpenAI 直连同价开始。
代码：Python + OpenAI SDK
from openai import OpenAI
client = OpenAI(api_key="YOUR_OPENAI_API_KEY")
# 默认：GPT-5.4（中端，最佳价格/质量平衡）
response = client.chat.completions.create(
model="gpt-5.4",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Summarize the last 3 emails in my inbox."},
],
)
print(response.choices[0].message.content)
print(f"Tokens: {response.usage.total_tokens}")要用 cached input（自动应用 5 分钟缓存，前缀 1,024 token 以上）：
# 首次请求：完整价格，写入缓存
response1 = client.chat.completions.create(
model="gpt-5.4",
messages=[
{"role": "system", "content": LONG_SYSTEM_PROMPT}, # 50K token
{"role": "user", "content": "Query 1"},
],
)
# 5 分钟内后续请求：缓存前缀 5 折
response2 = client.chat.completions.create(
model="gpt-5.4",
messages=[
{"role": "system", "content": LONG_SYSTEM_PROMPT}, # 同样前缀
{"role": "user", "content": "Query 2"},
],
)
# 检查响应里缓存的 token 数
print(f"Cached: {response2.usage.prompt_tokens_details.cached_tokens}")要开启 1 小时缓存：
response = client.chat.completions.create(
model="gpt-5.4",
messages=[...],
extra_body={"prompt_cache_retention": "1h"}, # 7.5 折而不是 5 折
)代码：curl + 手动 JSON
curl -X POST "https://api.openai.com/v1/chat/completions" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-d '{
"model": "gpt-5.4",
"messages": [
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Write a haiku about programming."}
]
}'要用 Batch（所有价格 5 折）：
# 1. 创建 JSONL 文件，每行一个请求
cat > batch_input.jsonl << 'EOF'
{"custom_id": "req-1", "method": "POST", "url": "/v1/chat/completions", "body": {"model": "gpt-5.4", "messages": [{"role": "user", "content": "Hello"}]}}
{"custom_id": "req-2", "method": "POST", "url": "/v1/chat/completions", "body": {"model": "gpt-5.4", "messages": [{"role": "user", "content": "World"}]}}
EOF
# 2. 上传批输入文件
BATCH_FILE=$(curl -s -X POST "https://api.openai.com/v1/files" \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-F "file=@batch_input.jsonl" \
-F "purpose=batch" | jq -r .id)
# 3. 创建批
BATCH_ID=$(curl -s -X POST "https://api.openai.com/v1/batches" \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-H "Content-Type: application/json" \
-d "{\"input_file_id\": \"$BATCH_FILE\", \"endpoint\": \"/v1/chat/completions\", \"completion_window\": \"24h\"}" | jq -r .id)
echo "Batch created: $BATCH_ID"限制
GPT-5 不是一个模型。"GPT-5" 这个名字覆盖三档（5.5、5.4、Mini），三个价格点，三种能力档案。如果看到"GPT-5"的基准没标档位，结果大概率是 5.5（旗舰），不适用于 5.4 或 Mini。
缓存命中不保证。5 分钟缓存是尽力而为。如果 OpenAI 驱逐你的缓存条目（高负载、容量管理），下一个请求付全价。大多数生产工作流在重复 prompt 上看到 80-95% 缓存命中率，但 5-20% 的失手率意味着你不该按 100% 缓存命中做预算。
缓存写入费是真的。首次请求写新长前缀到缓存时，你付输入价 + 25% 的"cache write"附加费。对一次性工作流（不受益于重复访问），缓存不是成本节省。
Mini 不支持音频。如果你的工作流含音频（转写、语音 agent、音频分类），需要 5.4 或 5.5。Mini 只处理文本和图像。
Batch 有 24 小时 SLA。对实时工作流，Batch 不可用。24 小时完成窗口是合同；大多数批 1-6 小时完成但你不能依赖更快。
国内访问需要 workaround。OpenAI 国内大陆不直连。三条路是代理、FreeModel（国内直连 OpenAI 兼容聚合）、或 Azure OpenAI（独立计费）。
使用场景
1 万 DAU 的聊天产品。默认用 GPT-5.4 做主聊天。用 GPT-5 Mini 做意图分类、路由决策、对话摘要。给长上下文综合请求（用户上传 100K+ token 文档）保留 GPT-5.5。典型聊天负载（每条消息 1,000 输入 + 500 输出 token），1 万 DAU 每天 10 条消息 = 1 亿输出 token，落在 5.4 的 $1,000 预算里。
Code review 工具。最终 review 用 GPT-5.5（差异化是质量）。预筛选步骤（决定哪些 PR 浮上来）用 GPT-5.4。"这个 PR 描述清楚吗？"分类用 GPT-5 Mini。Cached input 杠杆这里很重要：200K token 的仓库上下文能缓存起来给反复的 PR 用，后续调用的输入成本砍半。
10M token 语料的 RAG 系统。答案生成用 GPT-5.4，检索到的文档前缀用 1 小时档缓存。无缓存情况下，200K token 检索文档在 5.4 输入上每次 $0.50。用 1 小时缓存 7.5 折，同查询 $0.375——如果同样文档被反复查（"公司年假政策是什么"这类典型问题），5 分钟缓存 5 折降到 $0.25。
高并发审核或分类流水线。只用 GPT-5 Mini。$0.15/$0.60 per 百万 token，每天数百万次决策的成本可以忽略。质量对二分类绰绰有余，延迟是三档里最低的。
从已废弃的 GPT-5.2 系列迁移过来。迁移到 GPT-5.4 是一行模型字符串改动。价格更低（5.4 是 $2.50/$10 vs 5.2 是 $10/$30），所以大多数工作流在迁移中省 3-4 倍成本。对硬推理上原本用 GPT-5.2 的工作流，GPT-5.5 是升级路径（5.5 输入也便宜于 5.2：$5 vs $10）。
FAQ
Q：聊天产品应该用哪个 GPT-5 模型？
A：GPT-5.4 是 2026 年大多数聊天产品的正确默认。5.4 和 5.5 之间的价格-质量差距小（大多数聊天基准上 5-10% 以内），但成本差 2 倍。给长上下文请求（100K 以上输入 token）保留 5.5，分类和路由调用用 Mini。
Q：GPT-5 比 GPT-4o 便宜吗？
A：输入侧便宜。GPT-5.4 的 $2.50/M 是 GPT-4o $5/M 的一半，Mini 的 $0.15/M 跟 GPT-4o-mini 的 $0.15/M 一样。对大多数工作流，从 GPT-4o 迁到 GPT-5.4 是 2 倍成本节省，质量持平或更好。
Q：能在同一工作流里混用模型吗？
A：能，而且应该。标准模式是长尾简单补全（意图分类、路由、摘要、抽取）用 Mini，用户面补全的大头用 5.4，最难的任务用 5.5。OpenAI Python SDK 同样调用形态支持三档模型。
Q：Cached input 折扣怎么工作？
A：当你送一个前缀匹配缓存条目（至少 1,024 token，5 分钟档 5 分钟内用过、1 小时档 1 小时内用过）的请求时，OpenAI 对缓存部分打折。5 分钟档自动，5 折。1 小时档需主动开启（prompt_cache_retention: "1h"），7.5 折。两者透明应用。
Q：Batch API 值得等 24 小时吗？
A：对评测、批量内容生成、回填任务，值——5 折折扣在规模上很明显。对交互工作流，不值。24 小时 SLA 跟任何用户面产品不兼容。
Q：能从国内用 GPT-5 吗？
A：OpenAI 国内大陆不直连。三条路是代理/VPN（高延迟、不可靠）、FreeModel（国内直连 OpenAI 兼容聚合，同价）、或通过 21Vianet 的 Azure OpenAI Service（独立计费、3-7 天开通）。对大多数国内团队，FreeModel 是最便宜的即插即用。
Q：有免费档吗？
A：OpenAI 给新账户 $5 免费额度（3 个月有效），但 GPT-5 没有永久免费档。FreeModel 有永久免费档用于 GPT-5.4 和 Mini 的开发（60 RPM、每天 100K token）。要生产需要在 OpenAI 直连、FreeModel、或 Azure 跑付费账户。
Q：GPT-5.2 怎么了？
A：2026 年 6 月 5 日废弃，Copilot 在 8 月内逐步退役。直连 API 预计 2026 Q4 结束。大多数生产工作流应该在 2026 Q3 之前迁到 5.4（更便宜、质量相似）或 5.5（旗舰、新）。
结论
2026 年 GPT-5 定价围绕三档构建，正确选择取决于工作流类型而不是品牌名。GPT-5.5 $5/$15 per 百万 token 是最难推理任务的旗舰。GPT-5.4 $2.50/$10 是大多数生产部署的主力——大多数任务同样质量，成本一半。GPT-5 Mini $0.15/$0.60 是高并发 agent 和分类的预算档，是长尾简单补全的正确默认。
两个复合杠杆是 Batch（所有价格 5 折，仅异步）和 cached input（5 分钟档 5 折、1 小时档 7.5 折，针对重复 prompt）。对长 system prompt、稳定语料的 RAG、或固定仓库的 code review 类工作流，cached input 杠杆是单一最大的成本优化——并且是自动的，无需改代码。
对 2026 年大多数团队，正确架构是路由：简单调用用 Mini，大头用 5.4，难的用 5.5。FreeModel 是国内直连 OpenAI 兼容访问（同样模型、同价、无代理）最务实之选。OpenRouter 是多厂商灵活性的替代。Batch API 是对任何能等 24 小时工作流的优化。Cached input 折扣是任何有稳定长前缀工作流必开的杠杆。
定价不是全部故事——模型质量、延迟、特性支持（function calling、视觉、音频）都参与。但对 2026 年成本敏感的团队选模型，数学是：5.4 作为默认开始，只有评测说 5.4 失败才伸手够 5.5，不需要 5.4 质量的工作用 Mini。给任何有长前缀的工作流开 cached input。给任何能等 24 小时的工作流开 Batch。这是 2026 年上生产 GPT-5 的最便宜路径。