llm-cost

Name: llm-cost
Author: comparedge

本地服务

comparedge.com数据与分析216 周前更新

文档代码仓库访问官网

关于 llm-cost

llm-cost 是一个 MCP 服务，使用带验证日期的价格数据，估算和比较 17 家提供商的 LLM API 令牌成本。它面向规划模型用量和预算的团队；计算在本地完成，不调用提供商 API。

主要功能

01估算单次及多次调用成本
02比较不同模型的价格
03预测日、月、年支出
04查找低价模型并列出费率
05解析模型名称变体
06使用带日期的公开价格数据

适用场景

01估算计划中 AI 功能的成本
02比较相同令牌用量下的模型
03预测工作负载的月度或年度账单
04按成本预算筛选模型

MCP 相关

MCP 服务提供成本估算、模型比较、预算预测、模型查询和提供商列表等六种工具，以及工作流估算和预算预测提示词。它读取公开价格数据，并在本地计算。

#llm #pricing #tokens #cost-estimation #api-pricing #ai-models

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置

{
  "mcpServers": {
    "llm-cost": {
      "command": "npx",
      "args": [
        "-y",
        "@comparedge/llm-cost-mcp"
      ]
    }
  }
}

启动命令npx -y @comparedge/llm-cost-mcp

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包

npm@comparedge/llm-cost-mcp1.0.0stdio

工具

收录的工具列表 · 更新于 3 周前

此工具无需参数。

详细介绍

有人问 AI 功能规模化后的成本是多少，大多数团队只能含糊其辞。自上次核查以来，费率已经变了两次，而模型本身还会照着训练数据里的价格报价。这个 MCP 服务会维护 69 个模型当前的每百万 Token 费率，供助手查询，并自行完成计算。

看看它如何工作

$ You: price Claude Opus 4.8 on a 25k-token prompt with a 1k answer, run 5,000 times

  llm-cost › estimate_cost

  Cost estimate: Claude Opus 4.8 (Anthropic)
  Rates: input $5/1M, output $25/1M, cached input $0.5/1M

  Per call (25,000 in + 1,000 out tokens):
    input:  $0.1250
    output: $0.0250
    per call total: $0.1500

  Across 5,000 calls: $750.00

  Ways to pay less for the same 5,000 calls:
    with cached input:  $187.50
    via batch API:      $375.00

这里没有四舍五入或猜测。费率经过核实并标注日期，结果由服务计算得出。

打开另一个会话：同一次调用在四个模型中的费用对比与排名

$ You: compare that call on Opus 4.8, Sonnet 5, GPT-5.6 Terra and Gemini 3.1 Pro

  llm-cost › compare_models_cost

  25,000 in + 1,000 out, cheapest first:

  1. Claude Sonnet 5      $0.0600 /call    $300.00 /5k
  2. Gemini 3.1 Pro       $0.0620 /call    $310.00 /5k
  3. GPT-5.6 Terra        $0.0775 /call    $387.50 /5k
  4. Claude Opus 4.8      $0.1500 /call    $750.00 /5k

  Ranking uses each model's live feed entry, not remembered prices.

它弥补的差距

助手单独使用	助手搭配 llm-cost
根据训练数据报价输出费率，往往已经过时一代	查询当前费率，并标注日期
把估算简化成“几美分”	每次调用 `$0.1500`，5,000 次共 `$750.00`
从不提及批量或缓存折扣	批量调用 `$375.00`，缓存调用 `$187.50`，仅适用于确实提供这些折扣的模型
自信地给出错误答案，无从查证	每个数字都能追溯到带有核实日期的数据源条目

在浏览器中也可以通过 LLM 计算器获取相同数据，LLM 分类中心则会根据评分和价格为所有已跟踪模型排名。

数据的流转方式

flowchart LR
    V["provider pricing pages<br/>17 providers"] --> CE["verification<br/>date-stamped checks"]
    CE --> F["model prices feed<br/>69 models, USD per 1M tokens"]
    F -->|"6h cache, serve stale on failure"| MCP["llm-cost server<br/>local arithmetic"]
    MCP --> A["your agent"]

服务不会调用任何供应商 API。它只读取一个公开数据源 llms-model-prices.json，并在本地计算。无需担心速率限制，也不会泄露密钥；如果网络临时故障，服务会使用最近一次成功获取的数据，而不是返回错误。每个价格的核查方式详见方法说明，其背后的目录则以 CC BY 4.0 开放数据集的形式发布。

六种工具

其中四种负责计算，另外两种可帮助你找到计算所需的准确模型 ID。

工具	用途	参数
`estimate_cost`	计算一次调用或 N 次相同调用的美元费用	`model`、`input_tokens`、`output_tokens`、`calls?`
`compare_models_cost`	比较同一次调用在 2 至 6 个模型上的费用	`models[]`、`input_tokens`、`output_tokens`
`monthly_budget`	计算某项工作负载的每日、每月和每年开销	`model`、`daily_calls`、`avg_input_tokens`、`avg_output_tokens`
`cheapest_models`	查找费用最低的模型，可选设置上下文长度下限	`min_context?`、`limit?`
`list_models`	列出每个模型的费率、上下文长度和等级	`provider?`
`list_providers`	列出供应商、模型数量及最便宜的模型	无

Token 数量不明时可参考的经验法则

一页英文正文大约有 500 个 Token；一个 Token 约相当于四个字符。
模型名称的写法比较灵活：claude-opus-4-8、Opus 4.8 和 anthropic/opus 都会解析为同一个模型。如果解析器无法确定，就会返回候选项，而不是猜测。
cheapest_models 会按加权费率对模型排名，输入权重为输出的 3 倍，因为实际工作负载的读取量远大于写入量。请使用实际的输入与输出比例，通过 estimate_cost 确认最划算的模型。

## 提示词

提示词	参数	功能
`estimate_my_workflow`	`workflow`、`model?`	根据描述的工作流估算 token 用量，以及单次运行和每月成本
`pick_cheapest_model`	`task`	找出仍能满足要求的最便宜模型，并列出价格靠前的候选模型
`forecast_ai_budget`	`model`、`usage`	根据预期用量预测每月和每年的费用

接入

{
  "mcpServers": {
    "llm-cost": {
      "command": "npx",
      "args": ["-y", "@comparedge/llm-cost-mcp@latest"]
    }
  }
}

Claude Desktop 将此文件保存在 ~/Library/Application Support/Claude/claude_desktop_config.json。Cursor：依次进入 Settings 和 MCP。VS Code 的 Copilot 会读取 .vscode/mcp.json。重启客户端后，即可看到六个工具。无需 API 密钥，也无需账户。各客户端的配置步骤请参阅设置指南。