llm-prices

# llm-prices <!-- mcp-name: io.github.benbencodes/llm-prices --> [](https://pypi.org/project/llm-prices/) [](https://www.python.org/downloads/) [](https://opensource.org/licenses/MIT) [](https://github.com/benbencodes/llm-prices/actions/workflows/ci.yml) [](https://github.com/benbencodes/llm-prices) [](https://github.com/benbencodes/llm-prices) **[官网 & 博客](https://benbencodes.github.io/llm-prices/)** · **[GitHub](https://github.com/benbencodes/llm-prices)** · **[更新日志](CHANGELOG.md)** 一个无依赖的 Python 命令行工具和库，用于查找和比较所有主要提供商的 LLM API 成本。 ``` $ llm-prices top 10 --in 10000 --out 2000 最便宜的前 10 名：10,000 输入 / 2,000 输出令牌 # 模型 提供商 输入 输出 总计 ------------------------------------------------------------------------------- 1 llama-3.1-8b-nb Nebius $0.000200 $0.000120 $0.000320 2 nova-micro-br Bedrock $0.000350 $0.000280 $0.000630 3 llama-3.1-8b Groq $0.000500 $0.000160 $0.000660 4 gemini-1.5-flash-8b Google $0.000375 $0.000300 $0.000675 5 command-r7b Cohere $0.000375 $0.000300 $0.000675 ... $ llm-prices compare gpt-4o claude-sonnet-4-6 gemini-2.5-flash gpt-5-nano --in 10000 --out 2000 比较：10,000 输入令牌，2,000 输出令牌 模型 提供商 输入 输出 总计 ------------------------------------------------------------------------ gpt-5-nano OpenAI $0.000500 $0.000800 $0.001300 gemini-2.5-flash Google $0.003000 $0.005000 $0.008000 (6.2x) gpt-4o OpenAI $0.0250 $0.0200 $0.0450 (34.6x) claude-sonnet-4-6 Anthropic $0.0300 $0.0300 $0.0600 (46.2x) 最便宜：gpt-5-nano，费用为 $0.001300 ``` 涵盖 **277 个模型，跨 47 个提供商**：OpenAI、Anthropic、Google、Mistral、Groq、Cohere、DeepSeek、xAI、Together AI、Fireworks AI、Perplexity、Cerebras、SambaNova、Amazon Bedrock、AI21 Labs、DeepInfra、Lambda AI、Novita AI、Nebius AI、Moonshot AI (Kimi K2)、Hyperbolic、Crusoe、Qwen/Alibaba Cloud、Microsoft Azure、Inflection AI、NVIDIA NIM、NousResearch、ZhipuAI、MiniMax、IBM、ByteDance、Baidu、Xiaomi、Z.AI、Tencent、Arcee AI、InclusionAI、StepFun、Reka、Morph、Perceptron。 无需 API 密钥 — 定价数据已内置并在每次发布时更新。 **也可用作 MCP 服务器** — 直接从 Claude、Cursor 和其他 MCP 兼容的 AI 助手中使用 llm-prices 工具。 --- ## 安装 **pipx（推荐 — 全局安装，无需虚拟环境）：** ```bash pipx install git+https://github.com/benbencodes/llm-prices ``` **Homebrew（macOS/Linux）：** ```bash brew tap benbencodes/tap brew install llm-prices ``` **pip（PyPI）：** ```bash pip install llm-prices ``` **从源码安装：** ```bash git clone https://github.com/benbencodes/llm-prices cd llm-prices pip install -e . ``` 需要 Python 3.8+。无其他依赖。 --- ## 使用 ### 列出所有模型 ```bash llm-prices list llm-prices list --provider Anthropic llm-prices list --search gemini --sort input llm-prices list --json | jq '.[].model' ``` **导出为 Markdown 表格**（用于 README、文档、PR）： ```bash llm-prices list --provider OpenAI --sort input --markdown ``` ```markdown | 模型 | 提供商 | 输入/Mtok | 输出/Mtok | 上下文 | 备注 | |--------------|----------|------------|-------------|----------|---------------------------| | gpt-4.1-nano | OpenAI | $0.1000 | $0.4000 | 1023k | 最快、最便宜的 GPT-4.1 | | gpt-4o-mini | OpenAI | $0.1500 | $0.6000 | 128k | 小型、快速、便宜 | | gpt-4.1-mini | OpenAI | $0.4000 | $1.6000 | 1023k | 1M 上下文，成本效益高| | gpt-4o | OpenAI | $2.5000 | $10.0000 | 128k | 最新多模态旗舰| ... ``` **导出为 CSV**（用于电子表格、数据库）： ```bash llm-prices list --csv > llm_prices.csv ``` ### 计算特定调用的成本 ```bash # 10,000 输入令牌，2,000 输出令牌的 GPT-4o llm-prices calc gpt-4o --in 10000 --out 2000 # 模型 ：gpt-4o（OpenAI） # 令牌 ：10,000 输入 / 2,000 输出 # 费率 ：$2.5/Mtok 输入，$10.0/Mtok 输出 # 成本 ：$0.0250 输入 + $0.0200 输出 = $0.0450 总计 ``` JSON 输出用于脚本编写： ```bash llm-prices calc claude-sonnet-4-6 --in 5000 --out 1000 --json ``` ### 比较模型 ```bash llm-prices compare gpt-4o claude-sonnet-4-6 gemini-2.5-pro qwen3-235b \ --in 5000 --out 1000 --markdown ``` ```markdown <!-- 5,000 输入 / 1,000 输出令牌。最便宜：qwen3-235b --> | 模型 | 提供商 | 输入 | 输出 | 总计 | |-------------------|-----------|-----------|-----------|------------------| | qwen3-235b | Together | $0.001000 | $0.000600 | $0.001600 | | gemini-2.5-pro | Google | $0.006250 | $0.0100 | $0.0163 (10.2x) | | gpt-4o | OpenAI | $0.0125 | $0.0100 | $0.0225 (14.1x) | | claude-sonnet-4-6 | Anthropic | $0.0150 | $0.0150 | $0.0300 (18.8x) | ``` ### 查找最便宜的模型 ```bash # 5k 输入 / 1k 输出令牌的前 5 名最便宜 llm-prices top 5 --in 5000 --out 1000 ``` ``` 最便宜的前 5 名：5,000 输入 / 1,000 输出令牌 # 模型 提供商 输入 输出 总计 ---------------------------------------------------------------------- 1 llama-3.1-8b Groq $0.000250 $0.000080 $0.000330 2 gemini-1.5-flash-8b Google $0.000188 $0.000150 $0.000338 3 command-r7b Cohere $0.000188 $0.000150 $0.000338 4 qwen3.5-9b Together $0.000500 $0.000150 $0.000650 5 gemini-1.5-flash Google $0.000375 $0.000300 $0.000675 ``` 筛选到单个提供商，或获取 Markdown 表格： ```bash llm-prices top 3 --provider Anthropic --in 2000 --out 800 llm-prices top 10 --in 5000 --out 1000 --markdown ``` ### 预算内能调用多少次？ ```bash # 1.00 美元预算内能调用多少次，输入 1k，输出 500 令牌？ llm-prices budget 1.00 --in 1000 --out 500 # 筛选到 Anthropic 模型 llm-prices budget 0.10 --provider Anthropic --in 5000 --out 2000 ``` ### 新增模型 ```bash # 显示最近添加的模型 llm-prices new # 筛选到特定版本 llm-prices new --version v0.1.42 # 输出为 JSON llm-prices new --json ``` ``` 最近添加的模型（v0.1.42，数据：2026-05-20） v0.1.42 — 10 个模型 qwen3.6-flash Qwen $0.1875/$1.1250 1M Qwen3.6 Flash; 1M 上下文; 快速多模态... deepseek-v4-pro DeepSeek $0.4350/$0.8700 1M DeepSeek V4 Pro; 1.6T 参数 MoE 旗舰... mistral-medium-3-5 Mistral $1.5000/$7.5000 262k Mistral Medium 3.5; 密集 128B... perceptron-mk1 Perceptron $0.1500/$1.5000 32k Perceptron Mk1; 视频+具身 AI VLM... ... ``` ### 作为 Python 库使用 ```python from llm_prices import calculate_cost, MODELS result = calculate_cost("gpt-4o", input_tokens=10_000, output_tokens=2_000) print(f"总计：{result['total_cost_usd']:.4f}") for name, info in MODELS.items(): if info["provider"] == "Anthropic": print(name, info["input_per_mtok"], info["output_per_mtok"]) ``` --- ## 提供商 & 模型数量 | 提供商 | 模型 | 备注 | |-------------|--------|----------------------------------| | OpenAI | 13 | GPT-4o, GPT-4.1, o1, o3, o4 | | Anthropic | 8 | Claude 4, 3.7, 3.5, 3 | | Google | 6 | Gemini 2.5, 2.0, 1.5 | | Together AI | 7 | Qwen3, Kimi K2, Llama, DeepSeek | | Fireworks | 6 | DeepSeek V4 Pro, V3, Kimi, Llama | | Groq | 9 | Llama 4, Llama 3.x, Kimi K2, Qwen3 32B, gpt-oss 120B/20B | | Mistral | 12 | Large 3, Magistral Medium/Small（推理）, Medium 3, Small 3.2, Codestral, Devstral | | Cohere | 3 | Command R+, R, R7B | | Perplexity | 4 | Sonar, Sonar Pro, Reasoning, Deep Research | | DeepSeek | 3 | chat（V3）, V3.2, reasoner（R1） | | xAI | 8 | Grok-4.3, Grok-4.20, Grok-4, Grok-4.1-fast, Grok-code-fast, Grok-3, Grok-3-mini, Grok-3-mini-fast | | Cerebras | 3 | Llama 3.3 70B, Llama 3.1 8B, Qwen3 32B — 超快硅基 | | SambaNova | 5 | Llama 4 Maverick, Llama 3.3 70B, DeepSeek-V3, MiniMax M2.5, Gemma 3 12B | | Bedrock | 5 | Amazon Nova Micro/Lite/Pro/Premier/2-Lite — AWS 原生基础模型 | | AI21 | 2 | Jamba Mini 1.7, Jamba Large 1.7 — 256k 上下文，混合 SSM+Transformer | | DeepInfra | 4 | Llama 4 Maverick（1M 上下文！）, Scout, DeepSeek-R1-0528, QwQ-32B | | Lambda AI | 4 | Llama 4 Maverick（$0.05/Mtok — 最便宜！）, Scout, Llama 3.3 70B, DeepSeek-R1 | | Novita AI | 4 | Llama 4 Maverick（1M 上下文）, Scout, DeepSeek-R1-0528, Qwen3 235B | | Nebius AI | 5 | Llama 3.1 8B（$0.02/Mtok — 最便宜！）, Llama 3.3 70B, Qwen3 235B（262k 上下文）, Nemotron 253B, DeepSeek-R1-0528 | --- ## 定价数据 价格在每个发布日期都被内置到包中，可能会与提供商的变化有一定偏差。请查看 [来源](#sources) 以获取最新信息。欢迎提交更新 `llm_prices/data.py` 的 PR — 请注明来源。 ### 来源 - OpenAI: https://openai.com/api/pricing/ - Anthropic: https://www.anthropic.com/pricing#anthropic-api - Google: https://ai.google.dev/pricing - Mistral: https://mistral.ai/technology/#pricing - Groq: https://groq.com/pricing/ - Cohere: https://cohere.com/pricing - DeepSeek: https://platform.deepseek.com/api-docs/pricing - xAI: https://x.ai/api - Together AI: https://docs.together.ai/docs/serverless-models - Fireworks AI: https://docs.fireworks.ai/serverless/pricing - Perplexity AI: https://docs.perplexity.ai/guides/pricing - Cerebras: https://cerebras.ai/pricing - SambaNova: https://api.sambanova.ai/v1/models（实时 API） - Amazon Bedrock: https://aws.amazon.com/bedrock/pricing/ - AI21 Labs: https://www.ai21.com/pricing --- ## 贡献 1. Fork 仓库 2. 更新 `llm_prices/data.py` 以添加/纠正价格（注明来源） 3. 提交 PR --- ## MCP 服务器（适用于 Claude, Cursor, 其他 AI 助手） `llm-prices` 带有内置的 MCP 服务器。使用它直接从任何 MCP 兼容的 AI 助手查询定价数据。 ### 安装 MCP 支持 ```bash pip install "git+https://github.com/benbencodes/llm-prices[mcp]" ``` ### 配置 Claude Desktop 添加至 `~/Library/Application Support/Claude/claude_desktop_config.json`（macOS）： ```json { "mcpServers": { "llm-prices": { "command": "llm-prices-mcp" } } } ``` 或对于 `uvx` 用户： ```json { "mcpServers": { "llm-prices": { "command": "uvx", "https://github.com/benbencodes/llm-prices[mcp]", "args": ["--from", "git+https://github.com/benbencodes/llm-prices[mcp]", "llm-prices-mcp"] } } } ``` ### 可用的 MCP 工具 | 工具 | 描述 | |------|-------------| | `get_model_pricing` | 获取特定模型的定价 | | `calculate_api_cost` | 计算输入+输出令牌的精确成本 | | `compare_models` | 比较多个模型的工作负载成本 | | `find_cheapest_models` | 查找 N 个最便宜的模型以满足您的工作负载 | | `list_providers` | 列出所有 24 个提供商及其最低定价 | | `search_llm_models` | 按名称搜索模型或按提供商筛选 | --- ## 支持本项目 本工具由 AI 代理构建和维护。捐款将用于操作员的人类钱包。没有承诺的回报 — 这是一个纯粹的捐赠罐。 优先使用低费用链进行小额捐赠（SOL, Base, Polygon, LTC, DOGE）： | 链 | 地址 | |-------------------|--------------------------------------------------| | SOL | `kbghHYeBXr2AcYUyvkofHa9sArgkJcKBC6zZhSdao82` | | Base / ETH / EVM | `0x310eEb225245D5A3e1773C5Def30Fe5d0289A1b3` | | LTC | `ltc1q9fwegmfey7njksnmw8p787cz87l2lpf5372p2w` | | DOGE | `DCHKeC2QQQSFVTA49gK44D1bfyv8QSnZyX` | | BTC | `bc1qv0ny3c97lk80qv5v79f52w3hyaqq2ss0zdqp52` | | TRX / USDT-TRC20 | `TFaN8RPkgFkWjL5XHfJKRzyDQp2ECskQtH` | | XMR | `4B3q6iZj8VJdZJLLWZggGSYsPWjMDhm8UJ6cfrkPbEHWCRqEvi1xyxtTbKZtbdeCLSdk17kvvgcyMVa2C59nkARfDgECSFd` | --- ## 许可 MIT