企业 AI 账单核对：从周期汇总到单次调用明细的工程方法

说明：本文给出一种企业 AI 账单核对的通用工程方法，示例代码为演示性质。文中口径、模型名称与数据均为示意，接入时请替换为实际业务字段，不涉及真实客户信息。

当企业把多个 AI 模型接进业务系统后，费用核对通常会遇到两个问题：一是汇总账单只能回答“花了多少”，回答不了“花在哪”；二是不同模型、不同任务的计费方式不同，用单一口径去套容易出错。

解决思路是把“调用用量”和“计费结果”在同一套记录里关联起来：先按周期看汇总，再定位到具体调用，最后下钻到单次调用的计费明细。这篇文章介绍一种可落地的核对方法，并给出相应的数据结构与查询示例。

一、先把每次调用的用量与费用落库

核对的基础是数据。如果每次模型调用的用量、模型、计费结果都散落在不同地方，后续很难做统一分析。

做法是在调用侧封装一层记录逻辑，每次调用结束后把关键字段写入一张归集表。最小字段集可以包括：请求标识、模型名称、计费方式、计费数量、计价单位、金额、计费状态、计费时间。

import sqlite3
from datetime import datetime

def record_call(request_id, model, billing_type, quantity, unit, amount, status):
    """记录一次 AI 调用的计费信息，供后续汇总与明细核对。"""
    conn = sqlite3.connect("ai_bill.db")
    conn.execute("""
        CREATE TABLE IF NOT EXISTS bill_records (
            request_id TEXT PRIMARY KEY,
            model TEXT,
            billing_type TEXT,
            quantity REAL,
            unit TEXT,
            amount REAL,
            status TEXT,
            billed_at TEXT
        )
    """)
    conn.execute("""
        INSERT OR REPLACE INTO bill_records
        VALUES (?, ?, ?, ?, ?, ?, ?, ?)
    """, (request_id, model, billing_type, quantity, unit,
          amount, status, datetime.now().isoformat()))
    conn.commit()
    conn.close()

落库时尽量保留原始字段，不要在写入阶段就做太多聚合。汇总可以在查询时按不同维度完成，这样同一笔记录既能按模型汇总，也能按请求 ID 追溯。

二、按周期和模型查看汇总

数据落库后，第一步核对通常是按周期汇总。下面这条 SQL 按月份、模型、计费方式聚合，输出请求次数、总用量和总金额。

SELECT
  model,
  billing_type,
  COUNT(*)              AS request_count,
  SUM(quantity)         AS total_quantity,
  SUM(amount)           AS total_amount
FROM bill_records
WHERE billed_at >= '2026-09-01'
  AND billed_at <  '2026-10-01'
GROUP BY model, billing_type
ORDER BY total_amount DESC;

查询时要注意：quantity 在不同 billing_type 下的含义不同：可能是 Token 数、请求次数、生成时长或分辨率相关的计量值。因此汇总时一定要带上 billing_type，不能把“按 Token 计费”和“按次计费”的数量直接相加。

三、从汇总定位到具体调用

当某个月份或某个模型的费用异常时，下一步是找到具体记录。

SELECT *
FROM bill_records
WHERE model = 'gpt-4o'
  AND billing_type = 'token'
  AND billed_at >= '2026-09-18'
ORDER BY amount DESC
LIMIT 20;

查询结果里，request_id 是定位单次调用的关键字段。通过它可以把账单记录与业务日志、调用链路关联起来，判断某次高额调用是正常业务请求还是异常重复调用。

四、结合计费方式理解金额

只看金额或只看数量，都容易误判。不同计费方式的核对重点如下：

• 按 Token 计费：关注输入 Token、输出 Token 和对应单价，注意不同模型的“每百万 Token”单价差异。
• 按请求次数计费：关注调用次数和“每次请求”单价，与 Token 用量无关。
• 按时长/分辨率计费：常见于视频、语音类模型，需要核对生成时长、分辨率等附加条件。

因此， bill_records 表中的 billing_type 和 unit 字段必须保留，不能在汇总时丢失。

五、下钻到单次调用的计费明细

对于需要进一步确认的记录，可以把它拆成多个计量项。例如一次多模态调用可能同时包含输入 Token、输出 Token 和图像生成，每一项的单价和数量都不同。

可以在明细表中再拆一层：

CREATE TABLE bill_line_items (
    request_id TEXT,
    item_name TEXT,        -- 例如 input_tokens / output_tokens / image_tokens
    raw_usage REAL,        -- 原始用量
    billed_usage REAL,     -- 计费用量
    unit_price REAL,       -- 单价
    amount REAL,           -- 该项金额
    is_billed INTEGER      -- 是否参与计费
);

下钻查询：

SELECT item_name, raw_usage, billed_usage, unit_price, amount, is_billed
FROM bill_line_items
WHERE request_id = 'req-20260918120000-abc'
ORDER BY amount DESC;

这一步能回答：一次调用的总金额，是由哪些计量项构成的，每一项的原始用量、计费用量、单价分别是多少。

六、一个可复用的月度核对流程

把上面的步骤串起来，一次月度核对可以按下面六步执行：

1. 汇总：按月份、模型、计费方式聚合，确认整体费用趋势；
2. 排序：找出金额或用量最高的几项，标记为待确认项；
3. 定位：根据模型和时间范围，查询具体调用记录；
4. 理解口径：核对每条记录的计费方式和计价单位，避免跨口径比较；
5. 下钻明细：对异常记录拆分计量项，查看金额构成；
6. 与厂商账单对比：如有差异，按请求 ID 和时间范围进一步定位原因。

企业可以先从一个模型、一个部门开始跑通这套流程，再逐步扩展到更多模型和业务线。关键是让每一笔费用都能被追溯到一次具体调用，而不是只停留在汇总数字上。