指南OneMux

Gemini 3.1 Flash Image API 支援分流成本:可重現的估算

估算經人工核准的客戶支援分流使用 Gemini 3.1 Flash Image preview 的成本,明確列出 token、重試、圖片與定價假設。

AI

摘要 · TL;DR

在所提供的第三方 Vertex AI 費率下,150,000 筆支援分流請求的示例成本為 $405 的 token 費用,尚未計入重試與其他費用。OneMux 針對此模型公布的價格未知,因此這項估算不是 OneMux 報價。

重點

  • 在所提供的第三方費率下,3,000 個輸入 token 與 400 個輸出 token 的示例成本為每次請求 $0.0027。
  • 每日 5,000 筆請求、持續 30 天的工作量,token 費用總計為 $405;在相同 token 假設下,可計費嘗試次數增加 5% 會使費用升至 $425.25。
  • 來源另列出每張圖片的價格,但該價格與輸出 token 計費的關係尚不明確;未確認供應商計費規則前,不要同時加計這兩項費用。
  • 所提供的快照中,OneMux 公布的此模型輸入與輸出價格未知,因此其 0.1 價格比無法用來計算可靠帳單。
文章目錄 (11)

估算快速總覽

對於每天處理 5,000 張工單的支援團隊,Gemini 3.1 Flash Image preview 的示例工作量,在 30 天月份的 token 費用為 $405。此估算假設每張工單發出一次請求、每次請求有 3,000 個可計費輸入 token 與 400 個可計費輸出 token、不享有快取折扣,並採用下列第三方費率。估算不包括重試、人工審查,以及任何另行計費的圖片或平台費用。

計算採用 Future AGI Vertex AI 模型頁面,該頁面列出的價格最後驗證日期為 2026 年 10 月 22 日。這些數字是規劃參考,不是供應商正式報價,也不是 OneMux 價格。本文由 OneMux 發布;OneMux 透過 OpenAI-compatible API 提供模型存取服務。在編列預算前,請確認實際使用路由的最新條款。

價格快照與計費單位

OneMux 目錄快照擷取於 2026 年 11 月 20 日。外部來源描述的是 Google Vertex AI 上的 preview 路由;OneMux 目錄則列出 Gemini 3.1 Flash Image。不要假設兩者的計費方式或設定完全相同。

價格項目所提供的數值單位與限定條件
Official inputUnknownOneMux 快照未提供正式價格
Official outputUnknownOneMux 快照未提供正式價格
OneMux inputUnknown並非零;未提供可用價格
OneMux outputUnknown並非零;未提供可用價格
OneMux published price ratio0.1已公布的比率;在費率與條件未知的情況下,無法作為可用的工作量價格
Third-party Vertex AI preview input$0.50每 1 million 個輸入 token
Third-party Vertex AI preview output$3.00每 1 million 個輸出 token
Third-party cached input$0.05每 1 million 個快取輸入 token;是否符合資格及其他費用仍需確認
Third-party batch input / output$0.25 / $1.50每 1 million 個相應 token;是否符合資格及相關條件仍需確認
Third-party per image$0.0672每張圖片;所提供摘要未說明其與 token 費用的關係

Token 與每張圖片的數值來自 Future AGI 頁面,而非 OneMux 快照。請查看 OneMux 的模型清單 與 定價頁面 的最新資訊。OneMux 模型未提供依層級區分的價格;未知數值不得視為免費。

可重現的支援分流計算

假設有一個佇列,每位客戶提交一筆支援請求,有時會附上螢幕截圖。模型需建議類別、緊急程度與簡短理由;在任何面向客戶的處理之前,由客服人員審查該建議。來源宣稱支援視覺輸入與結構化輸出,但並未證明分流準確度,也未量測其在你的工單上的效能。

以下數字是示例假設,不是實際量測的使用量。特別是,3,000 個輸入 token 必須包含供應商回報的螢幕截圖可計費表示方式。依賴此估算前,請確認圖片輸入的計費方式。

工作量假設數值
工單與初始請求每日 5,000 筆;每張工單一次請求
計費期間30 天,或 150,000 筆初始請求
每次請求的可計費輸入3,000 個 token,包含任何圖片輸入計費方式
每次請求的可計費輸出400 個 token
生成的圖片基準情境中無圖片
快取、批次、重試基準情境中皆無

按每 1 million 個輸入 token $0.50 計算,輸入成本為每次請求 $0.0015。按每 1 million 個輸出 token $3.00 計算,輸出成本為每次請求 $0.0012。合計為每次請求 $0.0027。

將其乘以 5,000 次請求,得到每日 $13.50;再乘以 30 天,得到每月 $405。換一種方式計算,150,000 次請求會消耗 450 million 個輸入 token,成本為 $225;以及 60 million 個輸出 token,成本為 $180。天數不同的月份會產生不同的總額。

重試、快取與生成圖片

預留額外嘗試次數

假設錯誤或審查觸發的重新執行使可計費嘗試次數增加 5%,且每次額外嘗試使用與初始請求相同的 token 數量。這會增加 7,500 次請求,或增加 $20.25,使 token 費用達到 $425.25。這是情境假設,不是觀察到的重試率。部分失敗可能消耗不同數量的資源,而針對澄清或工具回合的額外模型呼叫也需要各自估算。

僅針對符合資格的輸入計算快取節省

作為另一個情境,假設每次初始請求的 3,000 個輸入 token 中,有 1,000 個按所列快取輸入費率計費,其餘 2,000 個按標準費率計費。輸入成本會是每次請求 $0.00105;加上 $0.0012 的輸出成本後,為每次請求 $0.00225,或 150,000 次請求共 $337.50。在任何快取相關費用或重試成本之前,這比無快取基準情境低 $67.50。請針對所選路由確認快取資格、最低要求、儲存費用與實際命中率;所提供的摘要並未確立這些條件。

將圖片生成視為獨立問題

分流不一定需要圖片回應。如果工作流程確實生成 1,000 張圖片,來源中的每張圖片 $0.0672 費率,單獨計算這些圖片會產生 $67.20。所提供的摘要未說明該金額是取代、重疊於,還是加計在輸出 token 費用之上。在確認適用的計費規則前,不要將其加到 $405 估算中。圖片輸入也可能有自己的計費方式,而示例假設該費用已包含在可計費輸入 token 中。

將人工核准納入工作流程設計

  1. 定義交接點。 要求模型根據工單建議類別、緊急程度與依據;最終分流或客戶回應仍由客服人員掌控。
  2. 保護審查佇列。 將缺失、格式錯誤或不確定的建議交由人員處理,不要將其視為已核准的決策。不要假設結構化回應永遠有效。
  3. 量測實際使用量。 抽樣具代表性的純文字工單與螢幕截圖工單。使用供應商回報的用量,記錄可計費輸入與輸出、每張工單的嘗試次數,以及任何圖片費用。
  4. 分開檢查結果與價格。 在擴大用量前,先對具代表性的樣本追蹤修正次數與審查人員時間。單靠 token 成本無法證明分流是否有用或安全。
  5. 依路由重新計算。 用已確認的費率與實際量測用量取代上述假設。完整營運預算還應包含人工成本,以及任何平台或儲存費用。

OneMux 表示,該服務透過一個 OpenAI-compatible API 提供模型存取,並提供路由與支出可見性。這個特定圖片工作流程是否能透過所選端點運作,取決於其文件所述的模型、圖片輸入與回應參數支援;本文未聲稱已測試任何整合。

結論

將 每 150,000 次初始請求 $405 作為透明的純 token 規劃示例,而不是報價。在確認路由價格、圖片計費方式、具代表性的使用量測,以及客服人員能有效審查建議的證據之前,不應決定部署。

來源

公布的價格快照

擷取時間為 2026-11-20T12:00:05.675Z,來源為 OneMux 公布的目錄。價格保留網站上的計費單位;這不是即時基準測試。分層、快取或依時間計費的方式可能不同。未知數值不是零。

模型Official inputOfficial outputOneMux inputOneMux outputPublished price ratio
Gemini 3.1 Flash ImageUnknownUnknownUnknownUnknown0.1

目前的 OneMux 價格。只有在輸入、輸出與計費單位一致時,才能比較工作量成本;層級條件請參閱各模型頁面。

常見問題

150,000 筆支援請求的 Gemini 3.1 Flash Image 成本是多少?

在每次請求 3,000 個輸入 token 與 400 個輸出 token 的示例假設下,所提供的第三方 Vertex AI preview 費率會產生 $405 的 token 費用。此金額不包括重試、人工成本,以及任何另行計費的圖片或平台費用。

$405 的估算是 OneMux 價格嗎?

不是。此估算使用第三方 Vertex AI preview 費率。所提供的 OneMux 目錄快照將該模型的輸入與輸出價格列為未知。

我應該將每張圖片的價格加到輸出 token 費用中嗎?

在確認適用的計費規則前,不應如此計算。所提供的來源列出每張圖片的數值,但未說明該費用是取代、重疊於,還是加計在輸出 token 費用之上。

模型可以自動核准支援決策嗎?

所提出的工作流程由人員負責核准。所提供的來源宣稱支援視覺輸入與結構化輸出,但未提供支援分流準確度的證據。

相關文章