同一张照片在 Gemini 与 GPT-5.6 的视觉 token 计费差十倍

2026/10/20 — 10/20 19:19·1 个来源（全部）·1 篇报道（全部）

核心速览 (Key Takeaways)

作者对比各家把图像转成输入 token 的计费方式：同一张手机照片在 Gemini 上计 1,120 个 token，在 GPT-5.6 上计 14,364 个。
视觉输入按普通输入 token 计价、没有单独价目表，但各家换算公式不同，同样一张图的成本差异可超过十倍。

2026 年 10 月 20 日，DEV Community 的一篇文章比较了不同厂商把图像转换为输入 token 的计费方式。作者称，同一张手机照片在 Gemini 上计为 1,120 个 token，在 GPT-5.6 上则计为 14,364 个 token，两者相差超过十倍。

文章指出，视觉输入并没有单独的价目表，而是按普通输入 token 计价，各家厂商把像素换算成 token 的公式各不相同，因此成本差异可以超过十倍。作者还提到，此前曾写过生成图像或视频的成本，这次讨论的是相反方向，即用户发送给模型、让模型读取截图、发票或白板照片的图像。

截至这篇报道，事件停留在这一对比结果上，材料中没有给出各厂商的具体换算公式，也没有厂商方面的回应。

AI 综合 1 篇报道生成 · 更新于 9 小时前

最新进展作者对比了不同厂商把图像转成输入 token 的计费方式：同一张手机照片在 Gemini 上计 1,120 个 token，在 GPT-5.6 上计 14,364 个。视觉输入按普通输入 token 计价、没有单独价目表，各家公式不同，成本差异可超过十倍。

昨天

19:00同一张手机照片：Gemini 算 1,120 token，GPT-5.6 要 14,364
作者对比了不同厂商把图像转成输入 token 的计费方式：同一张手机照片在 Gemini 上计 1,120 个 token，在 GPT-5.6 上计 14,364 个。视觉输入按普通输入 token 计价、没有单独价目表，各家公式不同，成本差异可超过十倍。
看清各家视觉输入计费差异，算对多模态成本
DEV Community · AIAI 评分 52

热度怎么算的？了解口径

热度按 48 小时内有多少个独立来源在说这件事算：同一个来源发多条只算一次，并按 24 小时半衰期衰减，所以排前面的是很多人在说的事。

本页汇总公开订阅源，标题与摘要由模型整理，版权归原作者所有；重要信息请回原文核对。如权利人认为相关标题或摘要侵权，请通过页尾联系邮箱提供具体页面与权利依据，我们核实后会及时删除或替换。