已经命中缓存的那部分输入，算不算进 272K 的门槛？

算。OpenClaw 估算费用时，一条请求选哪一档看的是提示输入总量，等于未缓存输入加缓存读取加缓存写入，输出 token 不参与。GPT-6 Astra 模型页的规则是输入超过 272K token 的提示整条请求加价，缓存费率同样乘 2，没有把命中缓存的部分排除在外，缓存读取从每 100 万 token 1.00 美元变成 2.00 美元。

/status 显示的费用和厂商后台的账单对不上，以哪个为准？

以厂商账单为准。按 OpenClaw 文档，它显示的费用来自记录下来的金额，或者用量数据乘以本地价格表得出的估算；价格表是配置里 models.providers 下各型号的 cost 字段，单位是每 100 万 token 的美元价，分 input、output、cacheRead、cacheWrite 四项，没写的沿用 OpenClaw 自带型号目录里的价格。Control UI 的 Usage 页的合计反映的是本机保存的会话历史，文档说明它不是厂商发票。

把 cacheRetention 设成 none，OpenAI 的提示缓存就关掉了吗？

没有关掉。按 OpenClaw 提示缓存文档，对直连 OpenAI 的型号，none 只是不再发送缓存键和缓存时长字段，OpenAI 那边的自动提示缓存照常生效。对 Anthropic 的型号，none 用来避免缓存写入，文档举的用法是给零星发通知的 agent 单独设成 none。

OpenAI API 定价页的 Flagship models 价格表，含 Long context 一组价格 — OpenAI API 定价页的 Flagship models 价格表，Short context 旁边另有一组 Long context 价格，2026 年 10 月的页面。

成本 · 计费

会话越拉越长，龙虾的 API 账单是从哪一条请求开始变贵的

钳叔 · 龙虾AI 编辑部 · 发布于 2026-10-07 · 更新于 2026-10-07

账单在某一天高出一截，先查两条计费规则。一条是长上下文加价：单条请求的输入 token 超过厂商定的门槛，就换用一套更高的单价，OpenAI 的 GPT-6 Astra 门槛是 272K，Gemini 3 Pro 预览版是 20 万。另一条出在提示缓存上：没命中缓存的输入按全价计，缓存写入本身也收费，Anthropic 的 5 分钟缓存写入是输入价的 1.25 倍，1 小时缓存写入是 2 倍。

确认自己踩没踩到，在龙虾的聊天里发 /status，看上下文用量；再发 /usage tokens，之后每条回复末尾会带上这一轮的 token 数和缓存读写数。上下文用量贴近或超过门槛，对的是第一条，命中缓存的部分也算在门槛里，别只盯输入那一个数；cacheWrite 连着几轮都很高、cacheRead 很低，对的是第二条。直连 OpenAI 时 cacheWrite 可能一直是 0，那就只看 cacheRead。

下面的单价取自三家官方定价页，把用量换成你在 /status 里看到的就能重算。

输入超过多少 token 开始加价，OpenAI、Anthropic、Gemini 各是什么规则

表里的单价都是 2026 年 10 月 7 日三家官方定价页上的数字，单位是美元 / 每 100 万 token。每家只列一款，其它型号的价格在各自的定价页上。

厂商与型号	长上下文门槛	过门槛后的输入 / 输出价	缓存读取价	缓存写入
OpenAI · GPT-6 Astra	输入超过 272K token	输入 $10 变 $20，输出 $50 变 $75，整条请求都按新价	$1.00，过门槛 $2.00	收费，$12.50，过门槛 $25.00
Anthropic · Claude Sonnet 5.5	没有，1M 窗口内按标准价	不变，输入 $2、输出 $10	$0.20	收费，5 分钟缓存 $2.50，1 小时缓存 $4
Google · Gemini 3 Pro 预览版（型号 ID `gemini-3.1-pro-preview`）	提示超过 20 万 token	输入 2.00 变 4.00，输出 12.00 变 18.00	0.20，过门槛 0.40	定价页没有单列写入价，另收存储费 4.50 美元 / 每 100 万 token / 每小时

OpenAI 的规则写在 GPT-6 Astra 的模型页上：输入超过 272K token 的提示，整条请求按 2 倍的输入与缓存费率、1.5 倍的输出费率计价。定价页把这两套价排成 Short context 和 Long context 两组。便宜的型号同样有第二组价：gpt-6.1-sol 的输入 / 输出从 $2 / $10 变成 $4 / $15，gpt-6-luna 从 $0.10 / $0.50 变成 $0.20 / $0.75，这两款的模型页写的也是输入超过 272K。Astra 接到龙虾上的其它注意事项在《GPT-6 Astra 给龙虾当大脑》里。

Claude 这边没有第二档。Anthropic 定价页的 Long context pricing 一节说，Claude 4.6 及之后的型号，完整的 1M 上下文窗口都按标准价计，括号里举的例子是 90 万 token 的请求和 9,000 token 的请求每 token 单价相同。用 Claude 的会话变贵，原因要到用量和缓存里找。同一页还有一条和账单有关的备注：Claude 4.7 及之后的型号用了新的分词器，同样的文本大约多出 30% 的 token，具体多少看内容。从更早的型号换过来之后账单变高的，把这一条算进去。

Gemini 的定价页上，按提示大小分两档的是两款 Pro 型号，Gemini 3 Pro 预览版和 Gemini 2.5 Pro，分界线都是 20 万 token，输入价、输出价、上下文缓存价各有两个数。同一页上 Flash 系列的价格没有按提示大小分档。

过没过门槛只看输入。OpenClaw 估算费用的办法写在 token 用量文档里：一条请求按提示输入总量选档，总量等于未缓存输入加缓存读取加缓存写入，输出 token 不参与选档；选中那一档的单价用在这条请求的每一类 token 上，门槛以下的部分也按新价算。

同一场会话，门槛前一条请求和门槛后一条请求差多少钱

一条请求的费用拆成四项相加：

费用 = 未缓存输入 × 输入价 + 缓存读取 × 缓存读取价 + 缓存写入 × 缓存写入价 + 输出 × 输出价（数量以百万 token 计）

拿 GPT-6 Astra 算。假设会话里相邻的两条请求，前一条输入 270,000 token，后一条因为多了一段工具返回变成 275,000 token，输出都是 4,000 token，都没有命中缓存，缓存写入也先按 0 算：

门槛前：0.27 × $10 + 0.004 × $50 = $2.70 + $0.20 = $2.90
门槛后：0.275 × $20 + 0.004 × $75 = $5.50 + $0.30 = $5.80

输入只多了 5,000 token，这一条贵了 $2.90。

换成缓存工作正常的情况，两条请求里各有 260,000 token 命中缓存，剩下的 10,000 和 15,000 是新内容：

门槛前：0.26 × $1 + 0.01 × $10 + 0.004 × $50 = $0.26 + $0.10 + $0.20 = $0.56
门槛后：0.26 × $2 + 0.015 × $20 + 0.004 × $75 = $0.52 + $0.30 + $0.30 = $1.12

缓存把绝对数压低了，过门槛之后仍然是翻一倍。这两组都没计缓存写入。你的 cacheWrite 不是 0 的话，那部分门槛前按 $12.50、门槛后按 $25.00 另加。

会话不压缩的话输入只会继续涨，之后每条请求都在第二档。过了门槛之后要是又发出 20 条大小相近的请求，和停在门槛前的那种请求比，每条多 $0.56，20 条就是 $11.20。

这里的「一条请求」指的是一次模型调用，和你发的一条消息不是一回事。龙虾处理一条消息时每调一次工具，就要带着全部历史再请求一次模型。OpenClaw 文档写的是，一轮的合计等于其中每次模型请求各自算出的费用之和，工具循环和重试里的每一次都单独选档。

Gemini 3 Pro 预览版的分界线在 20 万，输入价、输出价、缓存价都按提示大小分两档，提示一过线三个价一起换。把两条请求换成 190,000 和 210,000 输入，输出还是 4,000。前一条：0.19 × 2.00 + 0.004 × 12.00 = 0.428 美元；后一条：0.21 × 4.00 + 0.004 × 18.00 = 0.912 美元。

提示缓存到底省多少，哪些情况开了反而多花

提示缓存做的事，是让厂商复用提示里没有变化的那段前缀，比如系统提示、工具定义和已经发生过的对话。这一段不再按全价输入收费，改按缓存读取价收。读取便宜，写入要另外付钱。

Anthropic 的定价页直接给了倍数：5 分钟缓存的写入是输入价的 1.25 倍，1 小时缓存的写入是 2 倍，命中读取是 0.1 倍，Claude Opus 5.5 的读取是 0.05 倍，Claude Fable 5.1 是 0.025 倍。拿 Claude Sonnet 5.5 算一笔。假设一段 100,000 token 的固定前缀，在缓存有效期内连续用了 10 次，只算这段前缀的钱：

不开缓存：10 × 0.1 × $2 = $2.00
5 分钟缓存：写入 0.1 × $2.50 = $0.25，9 次读取 9 × 0.1 × $0.20 = $0.18，合计 $0.43
1 小时缓存：写入 0.1 × $4 = $0.40，9 次读取 $0.18，合计 $0.58

多花出现在写了没人读的时候。还是这 10 次请求，要是每两次之间都隔了 5 分钟以上，缓存每次都已过期，10 次全是写入：10 × 0.1 × $2.50 = $2.50，比不开缓存的 $2.00 多 $0.50。同样的间隔换成 1 小时缓存，只要相邻两次之间都不到 1 小时，缓存一直有效，还是上面的 $0.58。Anthropic 定价页给的回本点是：5 分钟缓存读到 1 次就回本，1 小时缓存要读到 2 次。

OpenAI 这边，GPT-6 Astra 的模型页写着缓存写入按未缓存输入价的 1.25 倍计，也就是 $12.50；缓存读取 $1.00，是输入价的十分之一。

Gemini 的缓存多一项按时间收的存储费。以 Gemini 3 Pro 预览版为例，缓存 100,000 token、存满 1 小时的话：存储费 0.1 × 4.50 = 0.45 美元；每命中一次省 0.1 × （2.00 − 0.20）= 0.18 美元（提示在 20 万以内那档）；0.45 ÷ 0.18 = 2.5，一小时内至少命中 3 次才盖得住存储费。

在龙虾里，缓存时长由 cacheRetention 控制，取值是 none、short、long，可以设成全局默认，也可以按型号、按 agent 单独设。提示缓存文档里各家的对应关系是：

直连 Anthropic：short 是 5 分钟缓存，long 是 1 小时缓存；没设的时候 OpenClaw 默认按 short。
直连 OpenAI：缓存是自动的；对 GPT-5.6 及之后的型号，long 会请求 30 分钟的缓存时长。
直连 Gemini：给 gemini-2.5、gemini-3 开头的型号设了 cacheRetention 之后，OpenClaw 自动创建和续用缓存资源，short 是 300 秒，long 是 3600 秒。

写法如下，示例里的 long 换成你按上面对应关系选的值：

agents:
  defaults:
    params:
      cacheRetention: "long" # none | short | long

会话中途换模型、改思考等级，下一条请求可能就读不到缓存。同一份文档写着，换模型一定会开始一套新的缓存，改思考或推理等级也可能让缓存失效。在意缓存的，建会话时把模型和思考等级定好，中途要换就另开一个会话。

会话隔一阵才用一次的，文档给了一套省钱优先的起步配置：cacheRetention 设成 short，再把 agents.defaults.contextPruning.mode 设成 cache-ttl，让缓存过期后的下一条请求先剪掉旧的工具结果，不必把整段膨胀的历史重新写进缓存。

在龙虾里怎么看一次会话用了多少 token，怎么让会话别冲过门槛

查用量的命令都在聊天里发：

/status：当前会话的模型、上下文用量、上一次回复的输入 / 输出 token，以及费用。
/usage tokens：每条回复末尾附上这一轮的 token 和缓存明细。/usage full 换成带模型、上下文和费用的紧凑版，/usage off 关掉。
/usage cost：按 OpenClaw 会话日志汇总的本地费用小结。
/context list 和 /context detail：看系统提示、工具、技能和每个注入文件各占多少。

命令行的 openclaw status --usage 显示的是各家的额度窗口还剩百分之几，不含每条回复的费用，查这类账单问题用不上它。

让会话变短靠压缩。按压缩文档，OpenClaw 会把较早的对话概括成一条摘要，最近的消息原样保留，完整历史仍然留在磁盘上，变的只是模型下一轮看到的内容。自动压缩默认开着，触发条件是会话接近上下文上限，或者模型返回了上下文溢出的错误。

这两个触发条件都跟着上下文上限走，文档列的条件里没有「接近加价门槛」这一项。对直连 OpenAI 的 GPT-5.5 和 GPT-5.6，上下文上限和加价门槛这两个数默认是同一个：token 用量文档写着，这些型号公布的总窗口是 1,050,000 token，OpenClaw 默认只给 272,000 的运行预算，922,000 的输入预算要自己选择开启，开了之后输入一过 272,000 就是整条请求的长上下文价。文档举的例子是 GPT-5.5 和 GPT-5.6。用 Astra 的发一次 /usage full，页脚有数据时会带上下文窗口，写成 272k 这样的数；看完再发 /usage tokens 切回缓存明细。你用的型号要是窗口比加价门槛大，就得自己在门槛前动手：/status 里的上下文用量接近门槛时，手动压一次。

/compact
/compact Focus on the API design decisions

第二种写法是在命令后面跟一句说明，告诉摘要该保留什么。手动压缩保留最近多少内容，由 agents.defaults.compaction.keepRecentTokens 决定，默认 20,000。压完再发一次 /status，上下文用量应该降下来；卡片上还有一行 Compactions，记的是这个会话压缩过几次。手头的任务已经告一段落的，/new 直接开一个新会话，不做压缩。

压缩自己也花钱。生成摘要要调用模型，默认用的就是当前会话的模型。嫌贵可以把 agents.defaults.compaction.model 指到一款便宜的型号上，值的写法是 provider/model-id。压缩还会改写历史，缓存前缀跟着变，我建议估账时把压缩后的第一条请求当作没有命中缓存来算。

输入涨得慢一些，冲到门槛的时间就往后推。token 用量文档列了几条减压办法，和工具型任务关系大的有：

在自己的工作流里裁掉大段的工具输出。
截图多的会话，把 agents.defaults.imageMaxDimensionPx 调低，默认值是 1200。
技能描述写短，技能列表每次都会注入系统提示。

常见问题

已经命中缓存的那部分输入，算不算进 272K 的门槛？: 算。OpenClaw 估算费用时，一条请求选哪一档看的是提示输入总量，等于未缓存输入加缓存读取加缓存写入，输出 token 不参与。GPT-6 Astra 模型页的规则是输入超过 272K token 的提示整条请求加价，缓存费率同样乘 2，没有把命中缓存的部分排除在外，缓存读取从每 100 万 token 1.00 美元变成 2.00 美元。
/status 显示的费用和厂商后台的账单对不上，以哪个为准？: 以厂商账单为准。按 OpenClaw 文档，它显示的费用来自记录下来的金额，或者用量数据乘以本地价格表得出的估算；价格表是配置里 models.providers 下各型号的 cost 字段，单位是每 100 万 token 的美元价，分 input、output、cacheRead、cacheWrite 四项，没写的沿用 OpenClaw 自带型号目录里的价格。Control UI 的 Usage 页的合计反映的是本机保存的会话历史，文档说明它不是厂商发票。
把 cacheRetention 设成 none，OpenAI 的提示缓存就关掉了吗？: 没有关掉。按 OpenClaw 提示缓存文档，对直连 OpenAI 的型号，none 只是不再发送缓存键和缓存时长字段，OpenAI 那边的自动提示缓存照常生效。对 Anthropic 的型号，none 用来避免缓存写入，文档举的用法是给零星发通知的 agent 单独设成 none。