01
数据与日期
同一份快照同时承接方案限制、模型列与外部评测日期。
02
四类 token 怎么进入估算
每次请求把 input、cache read、output、cache write 分开计算，再加总成 token-equivalent。cache read 是处理量的一部分，不是每次都重新送入的 input。
| Token 类别 | 官方参考 profileGrok 4.6 | 通用示意 profile input 1,000 · cache read 10,000 · output 1,000 · cache write 0 示意默认：input 1,000、cache read 10,000、output 1,000、cache write 0。它只用来说明四类 token 的关系，不覆盖表格中的官方 profile。 |
|---|---|---|
| Input | 390 | 1,000 |
| Cache read | 32,500 | 10,000 |
| Output | 120 | 1,000 |
| Cache write | 0 | 0 |
| 合计 | 33,010 | 12,000 |
这是数据列中的官方参考 profile 范例；不同模型可能有不同组成。
03
公式
每个结果都可以回到四类 token、单价与额度的顺序。
- 01
每次请求成本 = 四类 token 数量 × 各自每 1M 单价 ÷ 1,000,000 后加总。
- 02
每月估算请求数 = floor（模型月度额度 ÷ 每次请求成本）。
- 03
每月估算 token-equivalent = 每月估算请求数 ×（input + cache read + output + cache write）。cache read 也算处理量，不等于全新 input。
- 04
Coding 分数／成本比 = Coding 分数 ÷ 每 1 亿 token-equivalent 成本（USD）；缺数据时不显示。
一个简短算例
先把四类 token 各自乘上单价，再加总成每次请求成本；用模型月度额度除以这个成本，得到该工作量下的每月请求估算。
04
外部评测数据
Intelligence、coding 与 agentic 分数来自 Artificial Analysis，和四个官方方案来源分开抓取。分数可作比较字段，不代表本站测得的 coding 任务成果。
CP 值怎么算
同一工作量下的 Coding 分数／成本比，供比较参考。
这个比值把 Artificial Analysis 的 coding 分数除以每 1 亿 token-equivalent 的 USD 成本，方便在同一工作量与这份数据中比较。数值越高，表示每单位成本对应的 Coding 评测分数越高。
以上方的共同工作量为例：Muse Spark 1.3 Contributor（OpenCode Go）的 coding 分数是 76.3，每 1M token 等效成本 $0.0267，换算每 1 亿 token 等效成本 $2.6667；76.3 ÷ 2.6667 = Coding 分数／成本比 28.6。
这个比值只使用分数与价格；容量上限、速度、context 长度、可用性与实际任务成果要分开判读。
05
时间窗口怎么读
方案月度额度、5 小时与每周额度是不同条件。参考 profile 只用来估算单次成本；集中请求可能先受 5 小时或每周窗口影响。Command Code GOAT 的窗口从第一次请求起算，详细条件以官方文档为准。
01模型额度与方案共用池怎么计算
Command Code GOAT 的 credits 是共用池；OpenCode Go 以各模型 usage-equivalent 列示。模型额度不能相加成方案容量。
02每次请求的用量会影响可用次数
参考请求只是估算基准；5 小时与每周窗口会限制集中使用。Command Code GOAT 的窗口从第一次请求起算，需按官方规则理解。
03折扣价与原始价分开看
Command 的 GOAT 页面对 MiMo V2.5、MiMo V2.5 Pro、MiniMax M3 显示折扣价；本站分栏保留 list price、现行价与折扣说明。
04高速版本的单价与额度
Command 的 GLM-5.2 Fast 与 Kimi K2.7 Code HighSpeed 是独立模型，需按各自列出的单价与额度比较。
05免费模型的使用条件
Command 的免费模型不消耗模型额度，但开始 session 仍可能需要 USD 1 credits，且受容量限制。
06尖峰时段与 context 分级会改变成本
DeepSeek 有 UTC 尖峰价；OpenCode 部分模型在 context 超过门槛后换另一组价格。参考 profile 落在一般短 context，不把所有 context 分支混成一个数字。
07方案内含额度与加购额度
Command pay-as-you-go credits 不受窗口限制；OpenCode 启用 Use balance 后也可能在 Go 限制后改用 Zen balance。两者都另列，不与 included capacity 合并。
08模型名单与价格会更新
官方文档的模型与价格可能调整；本页标出目前数据日期，之后有可比对快照时再列出更新。
06
数据源
- OpenCode Go 用量说明 ↗opencode.ai
- Command Code GOAT 方案 ↗commandcode.ai
- Command Code 使用限制 ↗commandcode.ai
- Command Code 价格与限制 ↗commandcode.ai
- OpenCode Zen 价格 ↗opencode.ai
- Artificial Analysis 评测数据 ↗artificialanalysis.ai
OpenCode Zen 的容量字段为空 OpenCode Zen 是按量计费，官方页面没有列出参考请求组成，也没有方案额度，所以每 1M 等效成本改用本站的共同工作量换算，calculated_requests_month 与 calculated_tokens_month 等容量字段保持空白，不以 0 填补。
07
数据范围
容量、外部评测与方案限制，各自回答不同问题。
- 01
容量数字分为官方公布值，以及依官方单价与选定工作量估算的数值。
- 02
外部评测分数与实际 coding 任务成果分开呈现。
- 03
目前数据日期与来源列在来源区；后续有可比对快照时再列出更新。
08技术数据
原始字段、来源 hash、完整时间戳与评测对应状态保留在数据文件与导出内容，供需要核对的人追溯。
- opencode.ai
- 2026-09-05T22:18:04+00:00 · c308e789823081b9a79cdbb81f7cc3f2ee58b5256d4a9b815fad34069fd7dfee
- commandcode.ai
- 2026-09-05T22:18:04+00:00 · 551cd4a9eab82d8d6a7877cda92c47ba395eac320f57de94642bf56813d1e5b0
- commandcode.ai
- 2026-09-05T22:18:04+00:00 · cea5e1f0013e9daf558442c289b1cb82620384dfbb02f79d0eb7f8a511e59fe6
- commandcode.ai
- 2026-09-05T22:18:04+00:00 · 76dd3408a5a84ac405a68447bafde262a097f2874b5c30714197369539956fc1
- opencode.ai
- 2026-09-05T22:18:04+00:00 · 33756f95d8ba03afe7996760231ecb8eaaff2928b38d6642e3ec73849b451b1b
- generated_at
- 2026-09-05T22:24:27+00:00
09
更新摘要
把可比对的快照留在同一个位置，避免把当前数据误读成历史趋势。
有新的可比对快照后，价格、额度、模型名单与官方公布值的差异会集中列在更新纪录。
查看更新纪录 ↗