LTM 成本估算
LTM 只按模型 token 计费,存储目前免费。这一页说明费用由哪几部分组成,给出按用量估算的公式和示例。实际用量以每次调用的 Trace 为准。
费用由哪几部分组成
| 部分 | 什么时候产生 | 怎么计费 |
|---|---|---|
| 写入后的提炼 | 每写入一个 Event,后台为每种开启的记忆类型调用一次模型(画像、事实、摘要);新事实和已有事实相近时,再调用一次判定 | 按 Space 所选模型家族的 token 单价 |
| 向量化(embedding) | 新增或更新的事实、摘要,以及每次 Search 的问题 | 按 embedding 模型单价,金额通常可以忽略 |
| Reflection 和活动洞察 | 只在调用生成接口时产生 | 同提炼 |
| 重跑失败的派生 | 调用 重跑接口 时,为失败的策略重新调用模型 | 同提炼 |
| 注入主模型的记忆 | 托管 Chat 每轮把召回结果注入主模型,默认最多约 4,000 token,可以在 Space 的 managed_recall 中调整;自己调用 Context 时,注入多少由你决定 | 计入主模型调用的输入 token,按主模型单价计费 |
| Context | 不调用模型 | 不收费 |
| 存储 | — | 目前免费 |
提炼费用记在 Space 所属主体:个人 Space 记在本人,client 范围的 Space 记在该 client。托管 Chat 的请求配置了 turing_options.fallbacks(包括 auto)时,记忆整体跳过,不产生 LTM 费用。
估算公式
开启画像、事实、摘要三类时,每个 Event 的提炼用量:
- 输入 token ≈ 2,050 + 3 × T + H + 900 × j
- 输出 token ≈ 300 + 20 × j
T 是这个 Event 新增对话的 token 数,中文可以按 1 个字约 1 个 token 粗估。H 是提炼事实时作为上下文带上的同一会话前文,最多约 6,000 字符;会话的第一条 Event,或 Space 把 facts_session_history_events 设为 0 时为 0,见提炼时会看前面的对话吗。j 是这个 Event 里需要和已有事实比对的新事实数,一般为 0–2。
只开部分类型时,按下表相加:
| 记忆类型 | 输入 token | 输出 token |
|---|---|---|
| 画像 | 600 + T | 50 |
| 事实 | 800 + T + H | 150 |
| 摘要 | 650 + T(含上一版摘要) | 100 |
| 事实判定(每个需要比对的新事实) | 900 | 20 |
每月费用:
每月费用 ≈ 每月 Event 数 × (每个 Event 的输入 token × 输入单价 + 输出 token × 输出单价)
+ 每月注入主模型的 token × 主模型输入单价
+ Reflection 的费用
- 系数按平台当前的提示词和提炼调用的实测中位数取整。
- 画像、事实、摘要和事实判定的调用默认关闭模型的思考,输出只有提炼结果;Reflection 和活动洞察保留思考。glm 和 gemini 家族的模型不能关闭思考,按最低档位运行,输出 token 会高于上面的系数。
- 提炼按 Event 计,不按对话轮次计:托管 Chat 每轮写入一个 Event;自己调用 API 时,可以一次会话写一个 Event。
- 修改模型或策略只影响之后写入的 Event,不会重新提炼历史数据。
单价从哪里查
调用 列出 LTM 模型族(GET /families),每个家族的 pricing 给出输入、输出单价和币种;也可以在 聊天模型列表 查看。下表是 2026 年 11 月的示例价(每百万 token),以接口返回为准:
| 家族 | 默认模型 | 输入 | 输出 |
|---|---|---|---|
| qwen | qwen3.8-flash | 0.8 元 | 2.7 元 |
| deepseek | deepseek-flash | 2 元(优惠时段 1 元) | 8 元(优惠时段 4 元) |
| doubao | doubao-seed-2.1-turbo | 3 元 | 15 元 |
| gpt | turing/gpt-6-luna | 0.1 美元 | 0.5 美元 |
| gemini | turing/gemini-3.8-flash | 0.75 美元 | 3.75 美元 |
gemini 为优惠价,有效期见接口返回的 pricing_effective_until。deepseek 的优惠时段是北京时间工作日 12:00–14:00、18:00–次日 09:00,以及周末全天;这个家族只有默认模型,没有增强版。其余家族和增强版模型见接口。
示例
一个 C 端助手:每个用户每天 3 次会话,每次 4 轮,每轮对话约 300 token;开启画像、事实、摘要;提炼用 qwen 家族。
| 写入方式 | 每个 Event 的用量 | 每月 Event 数 | 每用户每月提炼费用 | 每用户每年 |
|---|---|---|---|---|
| 托管 Chat:每轮一个 Event(T = 300,j = 1) | 输入约 3,850,输出约 320 token | 360 | 约 1.4 元 | 约 17 元 |
| 自己调用 API:每次会话一个 Event(T = 1,200,j = 2) | 输入约 7,450,输出约 340 token | 90 | 约 0.6 元 | 约 7 元 |
托管 Chat 还要加上注入主模型的记忆:按每轮注入 1,000–4,000 token、主模型用 qwen3.8-flash 计,每用户每月约 0.3–1.2 元。
同样按托管 Chat 方式,换成其他家族时每用户每月的提炼费用:deepseek 约 1.8–3.7 元(全部在优惠时段到全部在标准时段),doubao 约 5.9 元,gpt 约 0.20 美元,gemini 约 1.5–1.9 美元(它不能完全关闭思考,实际输出高于公式)。总费用按活跃用户数线性放大。
怎么降低成本
- 合并写入:自己调用 API 时,一次会话结束后写一个 Event,而不是每轮写一个。上面的示例能省约 55%。
- 只开需要的记忆类型:某一类的
enabled留空即关闭,比如不需要会话摘要就关掉摘要。 - 选合适的模型家族:不同家族的单价相差数倍,提炼通常不需要旗舰模型。
- 控制注入量:Context 的
token_budget按需设置;Search 建议弃权(abstain_recommended为true)时不注入;托管 Chat 的注入量用 Space 的managed_recall调整,见托管 Chat 召回设置。 - Reflection 按需生成:不要每轮调用生成接口。
存储规模参考
存储目前免费。规模可以按下面估算:
- 每条记忆约 8 KB,其中 1,536 维向量本身约 6 KB;
- 每个原始 Event 约等于对话文本本身的大小;
- 每个会话只有一条摘要,后续写入会更新这一条;
- 记忆的每次修改会写一条修订历史,保留 365 天。
按上面的示例,每个用户每年约 10–30 MB。
交给 AI 估算
把下面这段连同你的参数交给 AI,就能得到每月和每年的估算:
请按下面的公式估算 Turing LTM 每月和每年的费用,并列出计算过程。
每个 Event 的提炼用量(开启画像、事实、摘要三类):
- 输入 token ≈ 2050 + 3 × T + 900 × j
- 输出 token ≈ 300 + 20 × j
T 是这个 Event 新增对话的 token 数,j 是需要和已有事实比对的新事实数(一般 0–2)。
只开部分类型时按项相加:画像 输入 600+T、输出 50;事实 输入 800+T、输出 150;摘要 输入 650+T、输出 100;事实判定 每个新事实 输入 900、输出 20。
托管 Chat 每轮写入一个 Event,并把召回结果注入主模型,每轮默认最多约 4000 token,按主模型输入单价计费。
存储免费,Context 不收费,embedding 费用忽略不计。
我的参数:
- 活跃用户数:
- 每个用户每天的会话数:
- 每次会话的轮数:
- 每轮对话的平均 token 数:
- 写入方式:托管 Chat(每轮一个 Event)或自己调用 API(每次会话一个 Event)
- 开启的记忆类型:
- 提炼用的模型家族及单价(GET /families 返回的 pricing):
- 托管 Chat 的主模型输入单价(如适用):