为优化产品计费、提升用量预估的确定性，自2026年9月1日起，套餐内 AFP 抵扣规则将进行调整。调整后，文本生成模型与向量化模型的输入抵扣系数将不再按输入长度分段计算，统一适用模型对应的抵扣系数。
一、调整内容#
调整前：输入抵扣系数 = 模型抵扣系数 × 输入分段系数，其中输入分段系数根据输入 token 长度分为三档：
| 输入长度 | 输入分段系数 |
|---|---|
| 输入长度 ≤ 32k | 0.67 |
| 32k < 输入长度 ≤ 128k | 1 |
| 输入长度 > 128k | 2 |
调整后： 取消输入分段系数，输入抵扣系数统一等于模型抵扣系数，不再随输入长度变化。
| 输入长度 | 输入分段系数 |
|---|---|
| 任意长度 | 1（统一） |
二、影响范围#
本次调整仅影响文本生成模型与向量化模型的输入抵扣系数，输出抵扣系数及视频生成、图片生成、语音模型、专业数据集等其他模型的抵扣规则保持不变。
调整后各模型输入/输出抵扣系数如下：
| 模型类别 | 模型 | 输入抵扣系数 | 输出抵扣系数 |
|---|---|---|---|
| 文本生成（极速） | doubao-seed-2.0-mini |
0.25 | 0.25 |
| 文本生成（标准） | doubao-seed-2.0-litedeepseek-v4-flash |
0.5 | 0.5 |
| 文本生成（进阶） | doubao-seed-2.1-turbodoubao-seed-evolvingminimax-m3 |
2.5 | 2.5 |
| 文本生成（进阶） | kimi-k2.7-code |
4.5 | 4.5 |
| 文本生成（进阶） | glm-5.2（即将下线） |
4.5 | 4.5 |
| 文本生成（进阶） | glm-5.3（glm-latest） |
4.5 | 4.5 |
| 文本生成（进阶） | deepseek-v4-pro |
5.5 | 5.5 |
| 文本生成（进阶） | kimi-k3 |
10 | 10 |
| 向量化 | doubao-embedding-vision |
0.5 | 0.5 |
三、抵扣公式（不变）#
文本生成模型、向量化模型单次请求 AFP 消耗：
AFP 消耗 =（输入 token × 输入抵扣系数 + 输出 token × 输出抵扣系数）/ 10,000
四、抵扣示例#
以 doubao-seed-2.1-turbo 为例，某次请求输入为 50k token，输出为 0.5k token：
AFP 消耗 =（50,000 × 2.5 + 500 × 2.5）/ 10,000 = 12.625 AFP
调整前同等条件下输入 50k token（处于 32k ~ 128k 档）的抵扣系数同样为 2.5，计算结果一致；但对于 ≤32k 的短输入，调整后 AFP 消耗将有所上升；对于 >128k 的长输入，调整后 AFP 消耗将有所下降。
五、其他说明#
- 2026年6月10日至2026年11月8日活动期间，Auto 模式抵扣系数为 0.5 的限时折扣活动不受影响。
- 如有疑问，请联系您的客户成功经理或提交工单咨询。