问 Qwen 下载量 942M 之后，OpenRouter 调用怎样用 TaoToken 记账

1. 当 Qwen 下载量成为谈资OpenRouter 调用记账才是成本分析师的入口当 Qwen 系列在 Hugging Face 的累计下载量成为行业谈资之后OpenRouter 上的调用记账反而更容易暴露一个老问题同一个应用今天走 A 上游、明天走 B 上游prompt_tokens 和 completion_tokens 能对上项目成本却对不上。要去 TaoToken 官网https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentopenrouter_cost_intro拿 KeyBase URL 填 https://taotoken.net/api先把调用日志做成可审计的账本。站在成本分析师视角模型下载量、开源榜单、分发优势都只是背景。真正影响月度报表的是四个字段谁在调用、调用哪个模型、输入输出 token 各是多少、这笔调用应该落到哪个项目。OpenRouter 的问题不是不能看账单而是当你的调用同时来自本地脚本、Claude Code、Codex、自动化任务和临时验证时账单维度很容易被上游聚合层吃掉。TaoToken 的价值在这里不是“再做一个中转”而是把 OpenAI 兼容入口、Key 管理、调用日志和 token 记账拉到同一个 Base URL 下减少成本归因的断层。如果你只关心“模型能不能返回”那么任何能出结果的端点都够用。但如果你要回答“这个月 Qwen 类模型在 OpenRouter 调用链里贡献了多少成本”“Claude Code 的长上下文缓存有没有被重复计费”“Codex 的任务重试是不是把 token 拉高了”就必须把日志落到本地账本。下面从拿 Key、跑通调用、Claude Code 配置、Codex 配置、CC Switch 三件套一路写到调用日志和 token 记账示例。2. 从 TaoToken 官网拿 Key先统一 Base URL 和项目标签第一步不是写业务代码而是把入口固定下来。打开 TaoToken 官网登录后进入控制台在 API Keys 页面创建一个项目级 Key。不要所有项目共用一个 Key否则后期只能按模型拆账没法按项目拆账。建议按“项目名 环境”命名例如csdn-ugc-prod、csdn-ugc-test、local-cost-lab。创建后复制 Key后续所有示例都用YOUR_API_KEY代替。Base URL 固定为https://taotoken.net/api注意这个 Base URL 不加 UTM 参数。UTM 只用于官网链接和 deep link工具配置里不要带。你可以先用一条最小 curl 请求验证 Key、Base URL 和模型 ID 是否匹配export TAOTOKEN_API_KEYYOUR_API_KEY export TAOTOKEN_BASE_URLhttps://taotoken.net/api export TAOTOKEN_MODELYOUR_MODEL_ID curl -sS $TAOTOKEN_BASE_URL/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { model: $TAOTOKEN_MODEL, messages: [ {role: user, content: 用一句话说明 token 记账为什么要记录项目标签} ], temperature: 0.2 }如果返回 401优先检查 Key 是否复制完整、是否带了多余空格。如果返回 404检查 Base URL 是否误写成其他路径或者模型 ID 是否在当前 Key 的可用范围内。如果返回 429先不要急着换 Key先把本地日志打开确认是不是重试逻辑导致短时间重复请求。成本分析师最怕的不是限流而是限流后的重试没有幂等记录最后账单里多出一批“幽灵 token”。在控制台里给 Key 加备注之外还建议在应用侧固定一个project字段。这个字段不一定要求网关支持本地日志必须支持。因为很多团队最后对不上账不是网关缺功能而是应用调用时没有把项目、任务类型、发起人写进日志。3. Claude Code 接入settings.json 与 ANTHROPIC_* 的记账口径Claude Code 的配置要单独对待。它使用settings.json和ANTHROPIC_*环境变量不要把这些变量套到 Codex 上。典型配置如下{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_API_KEY: YOUR_API_KEY, ANTHROPIC_AUTH_TOKEN: YOUR_API_KEY } }如果你的 Claude Code 版本只认其中一个鉴权变量保留可用的那个即可。配置完成后在项目目录里运行一次小任务例如让它解释一个函数然后立刻查看 TaoToken 控制台和本地日志。这里的关键不是“有没有返回”而是 usage 里有没有cache_creation_input_tokens、cache_read_input_tokens这类字段。Claude Code 在长上下文、反复读取文件、连续修改代码时缓存命中会明显影响成本。如果本地记账只记prompt_tokens和completion_tokens很容易把缓存读取成本高估或低估。Claude Code 的建议记账字段request_id created_at project tool claude_code model prompt_tokens completion_tokens cache_creation_input_tokens cache_read_input_tokens total_tokens retry_count如果你还没有配置好 Claude Code可以直接看 Claude Code 文档里面会涉及ANTHROPIC_BASE_URL、Key 和模型映射。这里再强调一次Claude Code 用ANTHROPIC_*Codex 不要抄这一套。4. Codex 接入config.toml 与 OpenAI 兼容 provider 的 token 日志Codex 走的是另一套配置。不要写ANTHROPIC_*而是使用config.toml。一个可复制的 provider 配置如下model_provider taotoken model YOUR_MODEL_ID [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api chat然后在 shell 里设置export TAOTOKEN_API_KEYYOUR_API_KEY如果你使用多个模型可以在config.toml里准备多个 profile但不要让 Codex 读取 Claude Code 的ANTHROPIC_*变量。成本分析时Codex 的 token 结构通常和普通聊天不同它可能包含较长的系统提示、文件上下文、工具调用结果和多次重试。建议在本地日志里单独打tool codex标签并按任务类型再拆一层例如task_type refactor、task_type test_fix、task_type explain。Codex 的记账重点是重试去重。很多 Codex 任务失败后会自动重试第二次请求的 prompt 可能比第一次更长。如果只看总 token你会以为模型变贵了拆开retry_count和request_id后才发现是失败重试造成的。建议在调用层生成一个稳定的trace_id重试时复用这个trace_id但每次请求保留独立request_id。这样既能看单次成本也能看任务总成本。5. CC Switch 三件套Base URL、API Key、模型映射不要混用如果你用 CC Switch 管理不同编码工具建议把配置拆成三件套第一件是供应商配置。新建一个 TaoToken 供应商Base URL 填https://taotoken.net/api。不要带 UTM不要带/v1或遗漏/api以控制台和文档显示为准。更多入口可以在 TaoToken 官网 找到。第二件是 API Key。每个工具、每个项目尽量用不同 Key。Claude Code 用一个 KeyCodex 用一个 Key临时脚本用一个 Key。这样后期在控制台按 Key 过滤就能快速定位成本来源。Key 统一写成YOUR_API_KEY不要把真实 Key 提交到仓库。第三件是模型映射。把主模型、快速模型、推理模型分别映射到 TaoToken 可用的模型 ID。不要假设模型名称在所有工具里完全一致。Claude Code 的模型配置、Codex 的model字段、普通 OpenAI 兼容脚本的model参数最好从一份本地models.env或配置中心读取避免手写错模型名导致请求失败或落到错误价格档位。CC Switch 场景下的推荐目录结构config/ claude-settings.json codex-config.toml ccs-profile-tao-token.json models.env logs/ token_ledger.db token_ledger.jsonl核心原则只有一句话Claude Code 的ANTHROPIC_*只给 Claude CodeCodex 的config.toml只给 Codex普通 OpenAI 兼容调用用OPENAI_API_KEY或自定义TAOTOKEN_API_KEY。混用配置是后期账单对不上的高发原因。6. 调用日志与 token 记账示例Python SQLite 本地账本下面给一个本地可运行的记账示例。它不连接生产库不连接 Oracle只把调用结果写入本地 SQLite 和 JSONL。你可以直接复制到本地脚本里把YOUR_MODEL_ID换成控制台可用模型。先安装依赖pip install openai初始化本地账本import json import os import sqlite3 import time import uuid DB_PATH logs/token_ledger.db def init_db(): os.makedirs(os.path.dirname(DB_PATH), exist_okTrue) conn sqlite3.connect(DB_PATH) conn.execute( CREATE TABLE IF NOT EXISTS llm_calls ( id INTEGER PRIMARY KEY AUTOINCREMENT, trace_id TEXT, request_id TEXT, created_at TEXT, source TEXT, project TEXT, tool TEXT, model TEXT, prompt_tokens INTEGER, completion_tokens INTEGER, total_tokens INTEGER, cache_read_tokens INTEGER DEFAULT 0, cache_write_tokens INTEGER DEFAULT 0, retry_count INTEGER DEFAULT 0, raw_usage TEXT ) ) conn.commit() return conn if __name__ __main__: init_db() print(token ledger ready)发起调用并落账import json import os import sqlite3 import time import uuid from openai import OpenAI DB_PATH logs/token_ledger.db JSONL_PATH logs/token_ledger.jsonl client OpenAI( base_urlhttps://taotoken.net/api, api_keyos.environ[TAOTOKEN_API_KEY] ) def record_call(row): conn sqlite3.connect(DB_PATH) conn.execute( INSERT INTO llm_calls ( trace_id, request_id, created_at, source, project, tool, model, prompt_tokens, completion_tokens, total_tokens, cache_read_tokens, cache_write_tokens, retry_count, raw_usage ) VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?) , ( row[trace_id], row[request_id], row[created_at], row[source], row[project], row[tool], row[model], row[prompt_tokens], row[completion_tokens], row[total_tokens], row[cache_read_tokens], row[cache_write_tokens], row[retry_count], json.dumps(row[raw_usage], ensure_asciiFalse) )) conn.commit() conn.close() with open(JSONL_PATH, a, encodingutf-8) as f: f.write(json.dumps(row, ensure_asciiFalse) \n) def chat_and_log(projectcsdn_ugc, toollocal_script, modelYOUR_MODEL_ID): trace_id str(uuid.uuid4()) started int(time.time() * 1000) resp client.chat.completions.create( modelmodel, messages[ {role: system, content: 你是成本分析助手回答要短。}, {role: user, content: 解释 OpenRouter 调用为什么要拆输入 token 和输出 token。} ], temperature0.2 ) usage resp.usage raw_usage usage.model_dump() if hasattr(usage, model_dump) else dict(usage) row { trace_id: trace_id, request_id: getattr(resp, id, ), created_at: time.strftime(%Y-%m-%d %H:%M:%S, time.localtime()), source: taotoken, project: project, tool: tool, model: model, prompt_tokens: getattr(usage, prompt_tokens, 0) or 0, completion_tokens: getattr(usage, completion_tokens, 0) or 0, total_tokens: getattr(usage, total_tokens, 0) or 0, cache_read_tokens: raw_usage.get(cache_read_input_tokens, 0) or raw_usage.get(prompt_tokens_details, {}).get(cached_tokens, 0) or 0, cache_write_tokens: raw_usage.get(cache_creation_input_tokens, 0) or 0, retry_count: 0, raw_usage: raw_usage, latency_ms: int(time.time() * 1000) - started } record_call(row) return row if __name__ __main__: init_db() result chat_and_log() print(json.dumps(result, ensure_asciiFalse, indent2))这段代码的重点不是“封装得多漂亮”而是把source、project、tool、model和raw_usage一起落盘。raw_usage原始保存非常重要因为不同模型、不同上游的 usage 字段可能略有差异后续修正计费公式时不用重新跑请求。本地价格表和成本查询可以这样写CREATE TABLE IF NOT EXISTS model_price ( model TEXT PRIMARY KEY, input_per_m REAL, output_per_m REAL, cache_read_per_m REAL DEFAULT 0, cache_write_per_m REAL DEFAULT 0 ); INSERT OR REPLACE INTO model_price VALUES (YOUR_MODEL_ID, 0.0, 0.0, 0.0, 0.0);按项目汇总成本SELECT c.project, c.model, SUM(c.prompt_tokens) AS input_tokens, SUM(c.completion_tokens) AS output_tokens, SUM(c.total_tokens) AS total_tokens, ROUND( SUM( c.prompt_tokens / 1000000.0 * p.input_per_m c.completion_tokens / 1000000.0 * p.output_per_m c.cache_read_tokens / 1000000.0 * p.cache_read_per_m c.cache_write_tokens / 1000000.0 * p.cache_write_per_m ), 6 ) AS estimated_cost FROM llm_calls c LEFT JOIN model_price p ON p.model c.model WHERE c.source taotoken GROUP BY c.project, c.model ORDER BY estimated_cost DESC;这里input_per_m、output_per_m等价格必须从 TaoToken 控制台或模型页维护到本地不要写死在业务代码里。成本分析师应该把价格表当作配置而不是魔法数字。7. OpenRouter 历史调用如何并入同一本 token 账如果你之前已经在 OpenRouter 上积累了调用记录不需要把历史数据丢掉。可以把 OpenRouter 导出的 CSV 导入同一个本地库用source字段区分。OpenRouter 侧通常能导出请求时间、模型、输入 token、输出 token、费用等字段你只需要映射到本地表。示例导入脚本import csv import sqlite3 import uuid DB_PATH logs/token_ledger.db CSV_PATH openrouter_usage.csv conn sqlite3.connect(DB_PATH) with open(CSV_PATH, r, encodingutf-8-sig, newline) as f: reader csv.DictReader(f) for row in reader: conn.execute( INSERT INTO llm_calls ( trace_id, request_id, created_at, source, project, tool, model, prompt_tokens, completion_tokens, total_tokens, cache_read_tokens, cache_write_tokens, retry_count, raw_usage ) VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?) , ( str(uuid.uuid4()), row.get(request_id) or row.get(id) or , row.get(created_at) or row.get(date) or , openrouter, row.get(project) or openrouter_import, openrouter_export, row.get(model) or , int(float(row.get(prompt_tokens) or row.get(input_tokens) or 0)), int(float(row.get(completion_tokens) or row.get(output_tokens) or 0)), int(float(row.get(total_tokens) or 0)), int(float(row.get(cache_read_tokens) or 0)), int(float(row.get(cache_write_tokens) or 0)), 0, {} )) conn.commit() conn.close() print(openrouter rows imported)导入后你可以做两件事第一按时间窗口对比 OpenRouter 和 TaoToken 的调用量确认切换后是否有异常增长。比如某个 Codex 任务在 OpenRouter 上平均输出 token 较少但切到新入口后输出突然变长可能是模型映射或系统提示变了。第二按模型维度合并总成本。OpenRouter 的账单可能已经包含上游费用而 TaoToken 的本地账本需要你维护价格表。两者不要直接相加而是先统一 token 口径再用同一套公式估算。否则一个含加价、一个不含加价报表会误导决策。如果你现在还在用 OpenRouter 跑部分实验也可以让应用侧逐步切到 TaoToken 的 Base URLhttps://taotoken.net/api。切流时不要一次性全量先选一个非关键项目用同一个project标签同时记录两套来源跑一周再比较。8. 成本分析师的检查清单与常见坑第一Key 必须分项目。一个 Key 跑所有项目控制台只能看到总量。你最终还是要回到日志里手工拆成本分析效率很低。第二Base URL 不要随意改。工具配置里统一写https://taotoken.net/api不要一会儿加/v1一会儿漏/api。地址不一致会导致部分工具走旧通道账本出现空洞。第三Claude Code 和 Codex 配置严格分开。Claude Code 用settings.json和ANTHROPIC_*Codex 用config.toml和TAOTOKEN_API_KEY。把ANTHROPIC_*抄到 Codex是最常见也最浪费时间的一类配置错误。第四流式响应要确认 usage。有些流式接口只在最后一个 chunk 返回 usage有些需要额外参数。如果本地脚本只读中间 chunk就会记成 0 token。建议先用非流式请求校准一次再决定流式日志怎么补。第五重试要幂等。用trace_id串联任务用request_id区分单次请求。重试次数单独记录否则失败重试会被误判为模型涨价。第六缓存 token 不要漏。Claude Code、长文档问答、代码库分析都可能有缓存读取。缓存读取价格通常低于普通输入但漏记会导致成本估算偏差。最稳妥的方式是把raw_usage原样保存后续用 SQL 或 Python 重新计算。第七价格表本地维护。把模型单价写在代码常量里短期方便长期一定会过期。建议每个月初从控制台或模型页更新model_price表并保留版本记录。第八先小流量验证再扩大。任何新入口、新 Key、新模型映射都先用一个project cost_lab的测试项目跑通。确认日志、usage、模型 ID、价格都正确后再切正式业务。最后给一条成本分析师的实践路径先用 模型对话 做一次最小调用确认 Key 和 Base URL如果你的主场景是高频编码任务去 Coding Plan 看额度与计费方式再到 API Keys 创建项目级 KeyClaude Code 用户直接看 Claude Code 文档。更多入口和说明在 TaoToken 官网。把调用日志和 token 记账做起来之后Qwen 下载量是不是热点已经不重要重要的是你终于知道每一笔 OpenRouter 调用最终落到了哪个项目、哪个工具、哪个模型上。