how many token
繁简EN
☰

同一工作量比较

这组工作量
能换多少 token？

相同 token 组成套用各方案的单价与模型额度；方案共用池与时间窗口另在方案页核对。

比较示例：每次 12,000 tokens · 缓存读取 83%

比较示例（共 12,000 tokens／次）

输入
1,000
缓存读取
10,000
输出
1,000
缓存写入
0

02价格与额度

把单价、请求与方案窗口放在同一张证据表

展开后可核对四类 token 单价、同基准每次成本、模型额度，以及此工作量下的理论 request 数。

展开价格、容量与方案窗口
指标 OpenCode Go GLM-5.2 Command Code GOAT GLM-5.2 OpenCode Zen GLM 5.2
Input／每 1M$1.40$1.40$1.40
Cache read／每 1M$0.26$0.26$0.26
Output／每 1M$4.40$4.40$4.40
Cache write／每 1M$0.000000$0.000000$0.000000
每次成本 重算 $0.00840012,000 tokens/request$0.00840012,000 tokens/request$0.00840012,000 tokens/request
模型额度 官方公布 $60依此模型的方案额度换算$70依此模型的方案额度换算按量计费没有方案额度，逐次请求计费
每月估算 request 重算 7,142以上述 12,000 tokens 组成估算8,333以上述 12,000 tokens 组成估算按量计费没有方案额度，改以单价比较
5 小时上限 官方公布 $12方案窗口$14方案窗口—按量计费
每周上限 官方公布 $30方案窗口$35方案窗口—按量计费
每月上限 官方公布 $60方案窗口$70方案窗口—按量计费

03官方参考列

每个方案的官方参考组成

各方案的参考请求组成与公布数字，可在下方对照。

OpenCode Go 查看官方参考组成 以官方公布 request estimate 作为容量基准
GLM-5.2
参考 Input／次700
参考 Cache read／次52,000
参考 Output／次150
参考 Cache write／次0
参考处理量／次52,850
每次请求成本$0.015160
模型月额度$60
官方公布请求数／月4,300
官方公布容量／月227.3M
容量基准以官方公布 request estimate 作为容量基准
计算方式

每次请求成本 = 四类 token 各自的数量 × 单价后加总（每 1,000,000 token 为单位）。

floor($60 ÷ $0.015160) = 3,957

官方来源: OpenCode Go · 快照抓取日期: 2026-09-06

Command Code GOAT 查看官方参考组成 以官方公布 request estimate 作为容量基准
GLM-5.2
参考 Input／次800
参考 Cache read／次50,000
参考 Output／次200
参考 Cache write／次0
参考处理量／次51,000
每次请求成本$0.015000
模型月额度$70
官方公布请求数／月4,740
官方公布容量／月241.7M
容量基准以官方公布 request estimate 作为容量基准
计算方式

每次请求成本 = 四类 token 各自的数量 × 单价后加总（每 1,000,000 token 为单位）。

floor($70 ÷ $0.015000) = 4,666

官方来源: Command Code GOAT · 快照抓取日期: 2026-09-06

OpenCode Zen 查看官方参考组成 官方页面未列参考组成，改用本站共同工作量
GLM 5.2
参考 Input／次1,000
参考 Cache read／次10,000
参考 Output／次1,000
参考 Cache write／次0
参考处理量／次12,000
每次请求成本$0.008400
模型月额度按量计费
容量基准官方页面未列参考组成，改用本站共同工作量

官方来源: OpenCode Zen · 快照抓取日期: 2026-09-06

04Artificial Analysis 外部分数

外部评测，保留来源版本

评测来自 Artificial Analysis，来源版本与对应模型如下。

intelligence52.6Intelligence 名次: 48
coding68.8Coding 名次: 56
agentic45.7Agentic 名次: 49

Artificial Analysis · 数据版本 4.1 · 数据日期 2026-09-04 · GLM-5.2 (max)

评测反映该模型在指定测试中的表现；你的任务成果也取决于工具、提示与执行环境。

想改变 input、cache、output 或每日请求量？ 开启用量试算 ↗ 阅读数据与方法 ↗