多模态 API 的文档里都写着"按次计价"，但没有人告诉你"一次"到底值多少钱。图像、视频、音乐三类接口混在一个账户里，账单出来才发现：同样是"一次调用"，扣费从 3 算力到 800 算力不等，差 267 倍。
我们用同一个账户把 11 个图像/视频/音乐模型的实际扣费、耗时、产出规格全部跑了一遍，按 0.01 元/算力折算成人民币，整理出下面这份可以直接拿去做报价参考的单价地图。所有数字都是真实扣费流水，不是官方定价页。
一、图像：3--6 算力区间，差距全在细节
| 模型 | 扣费 | 折人民币 | 实测耗时 | 产出 | 备注 |
|---|---|---|---|---|---|
| doubao-seedream-5-0-flash | 3 算力 | 0.03 元 | 11--13 s | 1024 级 JPG | 中文招牌一次写对，性价比最高 |
| gpt-image（/gpt 通道） | 3 算力 | 0.03 元 | 约 90 s | 1024×1024 | 慢但稳定 |
| gemini-2.5-flash-image | 3 算力 | 0.03 元 | 约 55 s | 1024×1024 | 可灵通道同样走它 |
| doubao-seedream-4-0 | 4 算力 | 0.04 元 | 约 5 s | 1024×1024 | 最快，但招牌汉字会糊 |
| doubao-seedream-4-5 | 5 算力 | 0.05 元 | 约 8 s | 1024×1024 | 中文可读，带"AI生成"水印 |
| Midjourney（imagine） | 5 算力 | 0.05 元 | 约 2 min | 四宫格 7.3 MB | 一次四张，单张成本 1.25 算力 |
| doubao-seedream-5-0 | 6 算力 | 0.06 元 | 约 10 s | 1024×1024 | 中文写对率最高 |
| 即梦 4.0（t2i_v40） | 6 算力 | 0.06 元 | 16 s | 1024×1024 PNG 1.04 MB | 画质细，PNG 体积大 |
三点容易被忽略的账：
- MJ 的"5 算力"是四张图。按张算反而最低（1.25 算力/张），但单次调用约 2 分钟且需要异步轮询，适合批量挑图，不适合即时预览。
- PNG 与 JPG 的存储成本差 2--3 倍（即梦 1.04 MB vs 方舟 300 KB 级）。如果站点把图存在自己硬盘上并按量计费，存储和带宽会盖过生成成本。
- 失败扣费比单价更值得关心。同一个账户下出现过"接口返回失败但算力已扣"的情况（批处理未校验参数、上游 5xx），这类损耗不出现在单价表里，却出现在账单里。
二、视频：5 算力到 800 算力，差 160 倍
| 路径 | 扣费 | 折人民币 | 耗时 | 产出规格 |
|---|---|---|---|---|
| doubao-seedance-2-0-mini（电商视频脚本+成片） | 5 算力 | 0.05 元 | 130 s | 脚本 513 字 + 成片 |
| Veo 3.1（文生视频） | 40 算力 | 0.40 元 | 145 s | 1280×720 / 8 s / 8.5 MB |
| seedance-2.0（平台内竖屏） | 800 算力 | 8.00 元 | 179 s | 1440×2560 / 5.12 s / 6.61 MB |
这张表最容易被误读：40 算力的 Veo 3.1 反而比 800 算力的 seedance 便宜 20 倍，看起来像定价错了。原因在平台层的加价逻辑不同------800 算力是短剧工坊对"一条成片镜头"的统一定价（含转存、截帧、续帧等），而 Veo 是原样透传上游（上游实际约 1.2 元/次，平台卖 0.40 元是在补贴）。
所以谈成本必须先分清"按上游成本计价"和"按产品价值计价"，两者不能横向比。如果要做"5 秒竖屏短剧"的成本模型，按平台价算是 8 元/镜头 ，一集 40 个镜头约 320 元；同样的画面用 Veo 3.1 直连只要 0.4 元/条，但分辨率是横屏 720p，且没有人物一致性保障。这就是短剧平台敢收 8 元的原因------它卖的是"角色一致 + 竖屏 + 自动接下一镜"，不是单纯的一次生成。
三、音乐：按首计价，一次出两首
Suno 提交一次扣 20 算力（0.20 元） ，但上游一次返回两首 mp3，约 2 分 20 秒，折下来 0.1 元/首，是所有模态里"单位内容成本"最低的。
坑在渠道配置：账户的 api_keys 表里没有 type=suno 的行时，提交会直接失败，而错误文案只说"无可用渠道"，不会告诉你是缺一条 Key 记录。遇到 Suno 报无渠道，先查配置表再查上游。
四、把单价折成"内容成本"
| 内容形态 | 单件成本 | 说明 |
|---|---|---|
| 一张配图 | 0.03--0.06 元 | 1024 级，不含存储 |
| 一条 5 秒竖屏镜头 | 8 元（平台价）/ 0.4 元（Veo 直连） | 差价买的是角色一致与竖屏 |
| 一集 40 镜头短剧 | 约 320 元 | 按平台价，未含剧本与分镜 |
| 一首 BGM | 0.10 元/首 | 一次调用出两首 |
| 一篇 1600 字剧本 | 0.03 元 | 3 算力/次，10 秒内 |
注意最后一行的对比：文字环节便宜到可以忽略，视频环节才是成本结构的主体（占一集成本的 99%）。所以优化成本不该从"换个便宜的模型"下手，而该从"减少无效生成"下手------一个被作废的镜头等于 8 元，等于 266 张配图。
五、三条实操建议
- 先按"失败也要付钱"的心理准备做预算。 视频类接口失败率天然高于文本，预扣 + 失败退费必须有流水可查，否则账永远对不上。
- 图像和视频分开计账。 两类调用混在一个余额里，一旦视频失败扣费，用户会认为"图也涨价了"。
- 单价表要写"耗时"。 3 算力和 6 算力只差 0.03 元，但 5 秒和 16 秒差 3 倍------对交互式产品来说，等待时间比钱贵。
作者介绍：本文价格与耗时数据来自 2026-11-02 同一账户下的实测扣费记录（折算比例 0.01 元/算力，产出规格取自实际落盘文件），平台为自建多模型聚合平台 api.cxsee.com （API 聚合网关），配套产品 work.cxhao.com（云灵AI 短剧工坊）。