要使用某些 Discourse AI 功能，用户需要使用大型语言模型 (LLM) 提供商。请查看每项 AI 功能以确定哪些 LLM 兼容。
如果成本是一个重要的担忧，Discourse AI 有几个内置工具可以帮助管理支出：
- AI 使用情况仪表板 — 按功能、模型和用户跟踪令牌消耗及估算成本
- 使用配额 — 在可配置的时间窗口（每小时、每天、每周）内，为每个模型、每个群组设置令牌或请求次数的限制
- 信用额度分配 — 为每个模型设置总体信用预算，并设置软限制和硬限制
- 供应商端预算 — 直接从供应商处设置使用限制 作为额外的保障措施
- 群组限制 — 仅允许选定的用户和群组访问 AI 功能
在计算使用 LLM 的成本时，需要考虑几个可变因素
简化的视图如下…
- LLM 模型和定价 → 确定您计划使用的特定 LLM 模型，并查找其输入和输出令牌的最新定价详情
- 输入令牌 → 输入提示的平均长度（以令牌为单位）
- 输出令牌 → 模型响应的令牌数
现在让我们来看看 Meta 上 AI 机器人的使用示例
在此计算中进行了许多简化，例如令牌使用情况、使用 AI 机器人的用户数量以及平均请求次数。这些数字仅应作为一般指南。特别是考虑到我们对 AI 机器人进行了大量实验
-
使用
/admin/plugins/discourse-ai/ai-usage处的内置 AI 使用情况仪表板，按功能、模型和用户查看您的实际请求/响应令牌使用情况 -
平均响应令牌是请求令牌的 3 到 5 倍 [1]
-
假设平均用户请求令牌为 85，相当于 <1 段 [2]
-
假设平均响应令牌为 85 x 4 = 340 个令牌，相当于 3 段
-
使用 OpenAI 的 GPT-5.4 mini，输入令牌的成本为 $0.75 / 1M 令牌 = $0.00000075 / 令牌 x 85 令牌 = 输入成本 $0.000064
-
对于输出令牌，成本为 $4.50 / 1M 令牌 = $0.0000045 / 令牌 x 340 令牌 = 输出成本 $0.00153
-
每个请求的总成本为 $0.000064 + $0.00153 = $0.0016
-
2024 年 2 月，约有 600 名用户使用了 AI 机器人，该月平均请求 10 次。现在假设这些数字与您的社区一致
-
这意味着 2 月份，AI 机器人的成本将是 $0.0016 x 600 用户 x 10 次请求 = $9.56
-
将此加速到一年的 AI 机器人运行成本，对于选择 GPT-5.4 mini 作为您的 LLM，每年的成本为 $9.56 x 12 = $115
要获得更低的成本，请考虑预算模型，例如 GPT-5.4 nano ($0.20/$1.25 每 1M 令牌)、Gemini 2.5 Flash ($0.075/$0.30 每 1M 令牌) 或 Claude Haiku 4.5 — 与上述示例相比，这些模型的成本可以再降低 75–95%。请务必查看您的提供商的最新定价，因为成本持续下降。
根据对 OpenAI 社区和我们自身请求令牌比率的响应 的估算 ↩︎
在查看平均用户请求令牌使用情况时，我发现数字低至 20 到 >100。我想概括一下，更接近 100 的请求更多，并且假设这些请求可能更接近完整的句子，并且指的是经过深思熟虑、向机器人提出了很多问题的提示 ↩︎