mukunda1729/model-pricing-table

LLM定价表数据集包含了主要大型语言模型（LLM）每1000个输入/输出token的成本信息，以JSONL格式存储。该数据集适用于成本估算仪表板、预算执行和投资回报率分析。数据集的模式包括模型标识符、提供商、输入/输出token成本、上下文窗口和模态等字段。数据截至2026-04-27，建议在使用前参考官方定价页面以确保准确性。license: MIT许可证 language: 英语 tags: - 大语言模型（LLM） - 定价 - 成本 - OpenAI - Anthropic - Google - Meta - 参考资料 size_categories: n<1K pretty_name: 大语言模型定价表（LLM Pricing Table） configs: - config_name: default data_files: - split: train path: data.jsonl # 大语言模型定价表 收录主流大语言模型每千Token输入与输出的单位成本，以可直接加载的JSONL格式存储，适用于成本估算仪表板搭建、预算管控以及投资回报率（ROI）分析。 python from datasets import load_dataset ds = load_dataset("mukunda1729/model-pricing-table", split="train") prices = {row["model"]: row for row in ds} print(prices["claude-sonnet-4-6"]["input_per_1k_tokens_usd"]) # 0.003 ## 数据结构 | 字段名 | 数据类型 | 备注说明 | |---|---|---| | `model` | 字符串 | 标准模型标识符 | | `provider` | 字符串 | 服务商，取值为`openai`/`anthropic`/`google`/`meta`/`mistral`/`deepseek` | | `input_per_1k_tokens_usd` | 浮点数 | 每1000个输入Token对应的美元成本 | | `output_per_1k_tokens_usd` | 浮点数 | 每1000个输出Token对应的美元成本 | | `context_window` | 整数 | 最大总Token数（输入+输出） | | `modality` | 字符串 | 模态类型，取值为`text`（文本模态）/`multimodal`（多模态） | ## 数据时效性 本数据集快照更新至2026年4月27日。服务商定价可能发生变动，若将其用于生产环境计费，请务必交叉核对官方定价页面后再使用。 ## 配套工具 `llm-cost-guard-py`（https://pypi.org/project/llm-cost-guard-py/）与`@mukundakatta/llm-cost-guard`（https://www.npmjs.com/package/@mukundakatta/llm-cost-guard）可直接调用本数据集。 本数据集隶属于[智能体可靠性工具栈](https://mukundakatta.github.io/agent-stack/)。 ## 许可证 MIT许可证。