本篇导读

预计阅读时间：8 分钟。读完你会明白四个核心概念：token、上下文窗口、模型版本和计费规则。知道这些，你看任何模型介绍都不会发懵。

模型接通了，能用就行了吗？不行。下面四个概念是你绕不开的，每个都直接影响体验和费用。放心，都不难。

Token：模型的计量单位

模型不是按「字」处理文字的，而是按 token。一个 token 大约相当于一到两个汉字，或者三到四个英文字母。

为什么你要关心这个？因为模型的一切都按 token 计量：一次对话能处理多少、收费多少、响应快慢，全都换算成 token 算。你以后看到的「上下文 128K」「输入 2 元/百万 token」，说的都是它。

有个粗略的心算方法：一篇 1000 字的中文文章，大约折合五百到一千个 token。

上下文窗口：模型的短期记忆上限

模型每处理一次请求，能「看到」的文字总量有一个硬上限，这就是上下文窗口（context window），以 token 计。

它的体验上的意义是：和模型的所有交流，都是在往这个窗口里塞纸条。 你说的话、它的回复、你给的文件内容、工具返回的结果——全部算在里面。窗口塞满会发生什么？最早的记录会被挤出去，模型就开始「忘事」。

不同模型的窗口差别很大，从十几万 token 到上百万 token 都有。对新手的意义就一句话：单次任务别贪太多。让 Agent 一次处理一个文件夹没问题，让它一次读完你整个硬盘不现实，也不是钱的问题，是窗口装不下。

而任务太大时怎么办？这正是第 3 章要讲的记忆系统和任务拆解存在的意义。

模型版本：同一个名字，不同档位

你可能见过这样的名字：deepseek-v4-pro、gemini-3.8-flash。规律是：

• 旗舰版（不带后缀或带 pro/max 等）：能力最强，价格最贵，适合复杂任务，比如大型代码项目、难度高的分析。
• 轻量版（flash/lite/mini 等）：速度快、价格低一个量级，适合简单问答、格式转换这类「杀鸡不用牛刀」的活。
• 推理版（reasoner/thinking 等）：回答前会先「打草稿」一步步想，适合数学、逻辑、复杂决策，但更慢更贵。
• 重要提醒：后缀规律只在同一家厂商内部成立，不能拿来跨厂商比较。比如上面这两个例子，gemini-3.8-flash 的能力就明显超过 deepseek-v4-pro。当前国内顶尖模型距离国际顶尖模型仍然有一部分能力差距。

计费：钱花在哪

按 token 计费的服务，账单通常分成四个价目，先讲前两个基本的：

• 输入：你发给模型的内容，按此计价，价格便宜。
• 输出：模型生成回给你的内容，按此计价，价格贵，常常是输入的几倍——因为生成比读取「费力」得多。

另外两个带「缓存」字样的价目，是省钱机制的一部分：

• 缓存读取：同样的内容不用重新计算，直接读缓存，按此计价，价格最便宜。
• 缓存写入：部分模型不存在这一价目。存在时，把一段会重复出现的内容（比如很长的系统提示、规则文件）提前存到服务商并标记好，存的时候按此计价。缓存写入只按总缓存 token 数计算一次，价格通常可以忽略。

一句话总结：输出最贵，输入次之，缓存读取最便宜。Agent 的 Harness 会自动利用缓存机制，让每轮重复喂给模型的固定内容（系统提示、规则文件等）走缓存价，替你省下不少开支。

另外要注意，Agent 场景下消耗比聊天框大得多——因为 Harness 每一轮都要把文件内容、工具结果喂给模型，token 用量可能是你打字的很多倍。这不是浪费，是它「看清现场」的必要开销，但你得心里有数。

所以中转站控制台里的用量统计要养成偶尔看一眼的习惯，既清楚钱花哪了，也能发现异常（比如 Key 泄露了）。可在「使用日志」页面看到每一次调用的细致参数和费用：https://api.viddsys.xyz/usage-logs/common

下一节

概念齐了。下一节我们把市面上几个主流模型拉到一起，横向比一比能力和风格，帮你建立「什么活用什么模型」的直觉。