因为生成输出比理解输入需要的计算量大得多。这背后的技术原理并不复杂。当模型处理你的输入时它可以“并行”处理所有输入词元——整段输入文本同时进入模型通过一次前向计算就完成了理解。但当模型生成输出时它必须“逐个”生成——每生成一个新词元都要回顾所有已有的词元包括输入和已生成的输出 计算下一个词元应该是什么。这种自回归Autoregressive的生成方式决定了输出词元的计算密度远高于输入词元。具体来说以一个典型场景为例你输入了1000 个词元的问题模型生成了500 个词元的回答。处理1000 个输入词元模型做的是一次前向计算但生成500 个输出词元模型要做500 次前向计算——第一次生成时参照1000 个词元 第二次参照1001 个词元……以此类推。总计算量差异巨大。目前主流模型的输入/输出价格比大致为OpenAI GPT-4o输入2.5 美元/百万词元输出10 美元/百万词元比例约1:4。Anthropic Claude Sonnet 4输入3 美元/百万词元输出15 美元/百万词元比例约1:5。DeepSeek-V3输入0.27 美元/百万词元输出1.10 美元/百万词元比例。不过 需要注意一个重要的技术发展趋势 推测解码Speculative Decoding、并行解码等技术正在缩小输入和输出的效率差距。此外缓存技术也在改变这一格局——当输入内容与之前的请求有大量重复时如系统提示词缓存命中的输入词元价格会比普通输入更低进一步拉大了名义上的输入/输出价格差。这一定价结构对应用架构设计有直接影响。聪明的开发者会通过优化提示词减少冗余指令、控制输出长度要求模型“简洁回答”、使用结构化输出避免模型生成多余的解释性文字等方式来降低输出词元消耗从而控制成本。约1:4。