$ loading_
帮你统计提示词 Token 并估算多种大模型的调用成本,便于选型与预算控制。
复制安装指令,让 AI 自动完成配置 · 推荐新手
请帮我安装 askskill 上的 "io.github.waqarulwahab/llm-cost-estimator" MCP 服务: 执行:claude mcp add 'io-github-waqarulwahab-llm-cost-estimator' -- npx -y llm-cost-estimator-mcp
请统计这段提示词和预期输出的 token 数,并分别估算在 GPT-4o、Claude 和 Gemini 上的调用成本,最后用表格比较。提示词如下:{在此粘贴内容}返回 token 统计结果、各模型费用估算,以及清晰的对比表格。
我计划处理 5000 条类似文本,每条输入约 1200 token、输出约 300 token。请估算使用多个主流模型的总成本,并推荐性价比更高的选择。
给出批量任务的总费用区间、模型间差异和预算建议。
这是我的应用请求模板。请先计算 token 使用量,再估算单次请求和 10 万次请求在不同模型上的成本,并指出哪些部分最影响费用。模板如下:{在此粘贴模板}输出单次与大规模调用的成本分析,并指出可优化的高成本部分。
提供大模型实时价格、成本测算与用量追踪,帮助团队精细管理 AI 开销。
实时查询大模型基准、价格与推荐,辅助选型和成本评估。
帮助用户查询大模型供应商推荐、定价与服务状态信息。
查询主流大模型提示词成本,快速估算不同 LLM 的调用价格。
监控 Claude Code 工具成本、ROI与预算风险,支持异常预警和趋势预测
按模型汇总 CodexBar 本地费用日志,快速查看 Codex 或 Claude 的成本明细。