规格与价格
每100万Token的API单价及核心规格成本估算器
输入预期的使用条件，计算估计的API调用费用模拟结果
详情费用明细
替代与类似模型
性能评分和价格相近的替代与比较候选模型| 模型 | 提供方 | 上下文窗口 | 最大输出 | 知识截止 | 输入单价(1M) | 缓存单价(1M) | 输出单价(1M) | 基准分 | 速度 | 总計 |
|---|---|---|---|---|---|---|---|---|---|---|
OpenAI | 128K | 16K | 2024-09 | $1.25 | $0.125 | $10.00 | 86 | 标准 | $0.0435 | |
OpenAI | 128K | 16K | 2024-09 | $1.25 | $0.125 | $10.00 | 86 | 标准 | $0.0435 | |
Google | 1M | 65K | 2025-01 | $1.25 | $0.125 | $10.00 | 85.75 | 标准 | $0.0550 | |
OpenAI | 400K | 128K | 2024-09 | $1.25 | $0.125 | $10.00 | 84.5 | 标准 | $0.0435 | |
OpenAI | 400K | 128K | 2024-09 | $1.25 | $0.125 | $10.00 | 84.25 | 标准 | $0.0435 |
提供方
基准分
86速度
标准
知识截止
2024-09
上下文窗口
128K
最大输出
16K
输入单价(1M)
$1.25
缓存单价(1M)
$0.125
输出单价(1M)
$10.00
提供方
基准分
86速度
标准
知识截止
2024-09
上下文窗口
128K
最大输出
16K
输入单价(1M)
$1.25
缓存单价(1M)
$0.125
输出单价(1M)
$10.00
提供方
基准分
85.75速度
标准
知识截止
2025-01
上下文窗口
1M
最大输出
65K
输入单价(1M)
$1.25
缓存单价(1M)
$0.125
输出单价(1M)
$10.00
提供方
基准分
84.5速度
标准
知识截止
2024-09
上下文窗口
400K
最大输出
128K
输入单价(1M)
$1.25
缓存单价(1M)
$0.125
输出单价(1M)
$10.00
提供方
基准分
84.25速度
标准
知识截止
2024-09
上下文窗口
400K
最大输出
128K
输入单价(1M)
$1.25
缓存单价(1M)
$0.125
输出单价(1M)
$10.00
所有AI模型价格对比与成本模拟器
一站式对比来自OpenAI、Anthropic、Google、DeepSeek等最新模型。精确模拟Prompt缓存、长上下文费率及不同业务规模下的真实API调用成本。
GPT-5.1-Codex-Max 常见问题解答（FAQ）
关于 GPT-5.1-Codex-Max 的API计费标准、上下文长度限制、缓存优化及综合性能评测详解
Q. GPT-5.1-Codex-Max 的API调用价格是多少？每100万Token的收费标准是什么？＋
GPT-5.1-Codex-Max（OpenAI）的标准API单价为：输入每100万Token $1.2500，输出每100万Token $10.0000。输出价格约为输入价格的 8.0 倍。您可以在本页的成本计算器中输入业务规模，实时模拟实际API调用月度支出。
Q. GPT-5.1-Codex-Max 的最大上下文长度（Context Window）与最大输出Token限制是多少？＋
GPT-5.1-Codex-Max 支持最高 400K Token 的上下文窗口，单次请求最大生成输出为 128K Token。能够充分满足多轮长对话与复杂文档解析需求。
Q. GPT-5.1-Codex-Max 是否支持 Prompt 缓存（Prompt Caching）？能节省多少成本？＋
支持。GPT-5.1-Codex-Max 的缓存读取费率为每100万Token $0.1250，相比普通输入单价可节省约 90% 的成本。（最低生效门槛: 1K） 对高频复用的系统提示词与长文档启用缓存，能显著压缩API调用账单。
Q. GPT-5.1-Codex-Max 的基准性能评分（86）与处理速度如何？适合哪些场景？＋
GPT-5.1-Codex-Max 的综合基准评分为 86分（满分100分），处理速度评级为「慢速」。在高性能推理、响应速度与成本之间达到了优秀的平衡。
Q. 有哪些可以替代或与 GPT-5.1-Codex-Max 横向对比的模型？＋
在相近性能与价格区间内的主要替代模型包括：GPT-5 Chat、GPT-5.1 Chat、Gemini 2.5 Pro。建议您根据响应速度、上下文长度以及缓存折扣等具体业务需求进行综合选型。