Llm Prices Cn

English | 中文

---

English

1. Introduction

This repository provides a daily-verified pricing dataset of popular Large Language Model (LLM) APIs, tracking both Chinese and global model providers.

• Official Website: LLM Abacus (An interactive LLM API price comparison and cost estimation tool)
• Coverage: 44 models from major vendors (including OpenAI, Anthropic, Google, DeepSeek, Alibaba, ByteDance, Baidu, Tencent, MiniMax, etc.)
• Frequency: Checked daily to ensure up-to-date accuracy.

2. License & Attribution (CC-BY-4.0)

This dataset is licensed under the Creative Commons Attribution 4.0 International License (CC-BY-4.0).

Under this license, you are free to:

• Share: Copy and redistribute the material in any medium or format.
• Adapt: Remix, transform, and build upon the material for any purpose, even commercially.

Attribution Requirements: You must give appropriate credit and provide a link back to the original source. When using this dataset in your projects, articles, or websites, you must include a clickable hyperlink to LLM Abacus or https://llmabacus.com. For example:

Pricing data provided by LLM Abacus.

3. File Structure

• prices.json: The core dataset containing structured model details, metadata, and token prices (both USD and CNY per million tokens).
• sync_prices.py: A utility script to synchronize and rebuild prices.json from the source application configurations.
• CONTRIBUTING.md: Guidelines on how to report price discrepancies or request new model tracking.

4. Schema Details (prices.json)

The generated prices.json file uses the following schema:

• last_updated: YYYY-MM-DD date when the pricing was last updated.
• usd_to_cny_rate: The exchange rate used for conversions.
• pricing_unit: Pricing metrics unit (default is per_million_tokens).
• models: Array of model objects:
  • id: Unique model identifier (e.g., gpt-5-5).
  • name: Human-readable display name.
  • vendor_id / vendor_name: Vendor classification.
  • country: Region of origin (e.g., US, CN).
  • billing_currency: Original currency of vendor billing (USD or CNY).
  • input_price_usd_per_m / output_price_usd_per_m: Price per million tokens in USD.
  • input_price_cny_per_m / output_price_cny_per_m: Price per million tokens in CNY.
  • cached_input_price_usd_per_m / cached_input_price_cny_per_m: Optional. Cache hit pricing.
  • context_window: Maximum input context length.
  • max_output: Maximum generation output length.
  • modality: Supported modalities (text, vision, etc.).
  • tags: Classification tags (e.g., 旗舰, 推理, 性价比).
  • knowledge_cutoff: Model knowledge cutoff date.
  • quality_score: Benchmarked quality index.

5. Re-synchronizing Data

To update prices.json with the latest upstream data, run:

python3 sync_prices.py

---

中文

1. 简介

本仓库提供每日核价的国内外主流大语言模型 (LLM) API 价格数据集。

• 主站链接：LLM Abacus (中文优先、44 模型每日核价的 LLM API 价格对比与成本估算工具)
• 覆盖范围：包含 OpenAI, Anthropic, Google, DeepSeek, 阿里通义, 字节豆包, 百度文心, 腾讯混元, MiniMax 等 44 个主流模型。
• 更新频率：每日核对，确保价格真实可靠。

2. 授权协议与署名条款 (CC-BY-4.0)

本数据集采用 知识共享署名 4.0 国际许可协议 (CC-BY-4.0) 进行许可。

您可以自由地：

• 共享：在任何媒介以任何形式复制、发行本作品。
• 演绎：修改、转换或以本作品为基础进行创作，甚至用于商业目的。

署名与回链要求： 您必须给出适当的署名，并提供指向原始主站的链接。在您的项目、文章或网页中引用本数据时，必须保留指向 LLM Abacus (https://llmabacus.com) 的超链接。 示例：

价格数据来源于 LLM Abacus。

3. 文件结构说明

• prices.json：包含核心模型结构、元数据及百万 token 价格（换算为 USD 和 CNY）的 JSON 快照。
• sync_prices.py：从主站配置同步与生成最新 prices.json 的 Python 脚本。
• CONTRIBUTING.md：贡献指南，指导如何纠错或申请收录新模型。

4. 字段说明 (prices.json)

• last_updated：最后更新日期 (YYYY-MM-DD)。
• usd_to_cny_rate：核价所采用的美元兑人民币汇率。
• pricing_unit：计费单位（固定为 per_million_tokens 即每百万 token）。
• models：模型数组：
  • id：模型唯一标识符 (例如 gpt-5-5)。
  • name：模型显示名称。
  • vendor_id / vendor_name：厂商标识与名称。
  • country：厂商归属国家 (如 US, CN)。
  • billing_currency：官方计费结算货币 (USD 或 CNY)。
  • input_price_usd_per_m / output_price_usd_per_m：每百万 input/output token 折算美元价。
  • input_price_cny_per_m / output_price_cny_per_m：每百万 input/output token 折算人民币价。
  • cached_input_price_usd_per_m / cached_input_price_cny_per_m：提示词缓存命中时的单价（如有）。
  • context_window：上下文窗口大小。
  • max_output：最大单次输出限制。
  • modality：支持模态 (text, vision 等)。
  • tags：模型特征标签（如旗舰、推理、性价比）。
  • knowledge_cutoff：知识截止时间。
  • quality_score：基准评测质量分。

5. 重新同步数据

如需从主站代码库更新并重新构建 prices.json，请执行：

python3 sync_prices.py

MCP Server / MCP 服务

This dataset is also exposed as a remote MCP server so AI agents can query live pricing and estimate token costs directly:

• Endpoint: https://www.llmabacus.com/api/mcp/mcp
• Tools: query_model_price(model), estimate_cost(text_or_tokens, model)