Ollama API 定价：本地成本与按 Token 计费

“Ollama API 定价”的实际含义

当人们搜索 ollama api pricing 时，通常是在寻找费率表，而本地软件并没有。Ollama 是一个安装在你的计算机上的程序，它在本地运行开放权重模型并通过本地 HTTP API 提供服务。它不计算 token 也不会为此向你收费。Ollama 也提供自己的托管选项；对于这些选项，请查看其当前定价页面，因为本文不代表它们。

这并不意味着本地推理是免费的。成本从按 token 收费转移到你已经支付或必须购买的东西上：具有足够内存的机器、电力、设置和更新的时间，以及 GPU 被占用时的机会成本。有意义的问题不是“价格是多少”，而是“以我的用量，哪种方案成本更低且足够好用”。本文的其余部分提供托管侧的数字，以便你回答这个问题。

自行运行 Ollama 的成本

本地账目有4行。

• 硬件。 较大的模型需要更多的 GPU 内存或大量的系统内存。如果你已经拥有合适的机器，这项成本是沉没成本。如果你必须购买或租用，它是最大的项目。
• 电力。 将机器的千瓦数乘以使用小时数，再乘以你的电价。满载下的桌面 GPU 耗电量远大于空闲状态，因此只计算繁忙小时数是公平的。
• 闲置容量。 一天中大部分时间闲置的服务器仍然必须存在。按 Token 计费仅在调用时收费。
• 你的时间。 拉取模型、更新运行时、监控内存、崩溃后重启。

计算你自己的数据，而不是相信通用数字。记录你的工作负载在一周内实际使用了多少 token。这一测量结果也是你准确计算托管替代方案价格所需的数据。

托管费率与算术计算

该站点的托管 API 分别对输入和输出计费。输入 token（您的提示词，包括您重新发送的任何对话历史）每 1M 个 token 收费 $0.15。输出 token（生成的回复）每 1M 个 token 收费 $0.50。没有订阅；您充值后，每次请求都会扣除额度。失败或被拒绝的请求不收费，且额度不会过期。

公式很简单：

cost = input_tokens x 0.15 / 1,000,000 + output_tokens x 0.50 / 1,000,000

以下是常见任务类型的计算结果。

任务	输入 token	输出 token	成本
一次聊天回复	2,000	500	$0.0003 + $0.00025 = $0.00055
1,000 次此类回复	2,000,000	500,000	$0.30 + $0.25 = $0.55
总结长文档	50,000	1,000	$0.0075 + $0.0005 = $0.008
填满上下文	100,000	4,000	$0.015 + $0.002 = $0.017
10,000 个请求的批次	8,000,000	3,000,000	$1.20 + $1.50 = $2.70

批量行假设每个请求有 800 个输入 token 和 300 个输出 token。请注意，输出 token 的单价更贵，但输入通常占主导地位，因此长提示词和长聊天历史是花钱的地方。

逐轮增长的对话

Chat API 是无状态的，因此每一轮都会重新发送整个历史记录。这使得成本比轮数增长得更快。考虑一个 20 轮的对话，每个用户消息 150 个 Token，每个回复 250 个 Token，因此每轮向历史记录增加 400 个 Token。

1. 第 1 轮发送 150 个输入 Token。第 2 轮发送 150 + 400 = 550。第 k 轮发送 150 + 400 x (k - 1)。
2. 20 轮的输入总计为 150 x 20 + 400 x (0 + 1 + ... + 19) = 3,000 + 400 x 190 = 79,000 个 Token。
3. 输出总计为 20 x 250 = 5,000 个 Token。
4. 成本：79,000 x 0.15 / 1M = $0.01185，加上 5,000 x 0.50 / 1M = $0.0025，总计 $0.01435。

长对话约需 1.5 美分。如果将对话翻倍到 40 轮，输入大致翻四倍，因为历史记录不断增长。修剪或总结旧轮次是控制聊天应用成本的主要方法。

额度、奖励与试用

你可以充值 $20 到 $500 之间的任何整数金额。较大的充值附带奖励：$50 起 +5%，$100 起 +10%，$200 起 +15%。实际上这意味着：

• $50 可购买 $52.50 的额度。
• $100 可购买 $110.00。
• $200 可购买 $230.00。

支付方式为银行卡（Visa、Mastercard、Apple Pay、Google Pay）或加密货币（TRC20 上的 USDT，Base 上的 USDC）。定价页面 有当前详情。

新用户可以在付费前进行测试。使用 Google 或电子邮件和密码注册后，API 密钥页面有一个按钮，可领取 $0.50 试用额度，每人一次，有效期 7 天，无需银行卡。在上述 2,000 输入、500 输出回复规模下，$0.50 可覆盖约 900 次回复，足以判断输出是否适合你的项目。试用密钥限制为 2 个并发请求和每分钟 60 个请求。你可以在几分钟内 获取你的 API 密钥。

根据你的用量进行比较

使用你记录的 Token 计数并计算一个月的总和。假设一个项目每月使用 50M 输入 Token 和 10M 输出 Token。托管成本：50 x $0.15 = $7.50，加上 10 x $0.50 = $5.00，即 $12.50。现在将你的本地数字放在旁边：你原本不会拥有的硬件的月度份额，加上繁忙小时的电力，加上你维护时间的价值。如果该总额明显高于 $12.50，托管在成本上胜出。如果你已经拥有能很好地处理模型的闲置硬件，本地在成本上胜出。

成本不是唯一的维度。本地运行将数据保留在你的机器上，并且可以离线工作。托管服务消除了对 GPU 的需求，提供 100,000 token 的上下文窗口，并允许几个服务共享一个后端。托管模型是一个单一的开放权重模型，经过调整以在没有内容审查的情况下回答合法成人用途的问题，因此这也取决于该模型是否适合你的任务。提示词不用于训练。

一个诚实的限制：没有免费的无限层。试用 $0.50 后，你从预付额度按 Token 付费。如果你的工作需要无限免费调用且你拥有硬件，本地 Ollama 是合适的工具。

导致比较失真的错误

当人们对 LLM 工作负载定价时，会出现一些反复出现的错误，每个错误都可能翻转答案。

• 忘记输出 token。 短提示词长回答主要产生输出账单。一个 300 token 的问题生成 3,000 token 的故事，成本为 300 x $0.15 / 1M + 3,000 x $0.50 / 1M = $0.000045 + $0.0015 = $0.001545。
• 忽略近期历史。 正如 20 轮示例所示，聊天成本随累积上下文增加，而不是由最新消息的长度决定。
• 统计单词而非 token。 英文文本通常比单词占用更多的 token，代码或非拉丁脚本占用更多。查看每次响应返回的使用量数据并据此计算，而不是使用估算值。
• 将本地硬件定价为零。 你拥有的 GPU 仍然会磨损并消耗电力，即使你没有为此开支票。
• 比较不同的模型。 小型本地模型和较大的托管模型产生的质量不同。如果需要进行多次重试，每个 Token 便宜并不意味着每个好答案更便宜。

最后一点值得通过测试来验证，而非凭主观看法。从你的项目中选取二十个真实提示词，在两种设置下运行它们，并评估结果。然后根据你的实际用量计算获胜者的成本。

监控支出

托管 API 的每个响应都包含 X-Balance-USD 头（包含你的剩余额度）以及 X-Request-Id 头（用于支持问题）。你可以在代码中读取它们，并在额度耗尽前提醒自己。

Copyimport requests

r = requests.post(
    "https://api.ollamaapi.cc/v1/chat/completions",
    headers={"Authorization": "Bearer YOUR_API_KEY"},
    json={
        "model": "uncensored",
        "messages": [{"role": "user", "content": "Say hello."}],
        "max_tokens": 20,
    },
    timeout=60,
)
print(r.json()["choices"][0]["message"]["content"])
print("Balance:", r.headers.get("X-Balance-USD"))

设置 max_tokens 是可选的，因为补全可能会使用窗口剩余部分，但它可以作为防止输出失控的廉价手段。文档 涵盖了其他头信息和速率限制。

更多指南

• Python 中的 Ollama API 及托管替代方案
• Ollama API 与 OpenRouter：哪个更适合你
• Mistral API 密钥指南