做 OpenAI、Claude、Gemini 等模型 API 中转,采购价与销售价之间的差额并不等于利润。AI API reseller margin 的核心,是在真实 Token 消耗、重试损耗、渠道费用和运维支出之后,还能留下多少毛利。对于批发采购、下游分销和企业接入,应先建立可核算的成本模型,再确定报价与预算。
API 转售毛利:先统一成本口径
毛利率=(销售收入-直接服务成本)÷销售收入。直接服务成本应包含上游模型调用、可归属的网关与带宽费用,以及由服务方承担的失败重试支出。若继续扣除研发、人力、税费等经营支出,得到的才是更接近净利润的结果。不要把采购折扣直接当成最终利润率。
Token 成本需要按具体模型和计费项目拆分。输入、输出、缓存,以及图像、音频等请求可能采用不同口径,应以上游当前账单和文档为准。长上下文与长输出会改变成本结构,不能只用请求次数估算预算,也不宜用一个平均单价覆盖全部客户。
Token 消耗与报价如何形成闭环
对 API 批发业务,更实用的办法是按客户、模型和密钥记录用量,再将业务订单与上游账单核对。内部消耗预算与对客收费规则必须分开维护:上游发生费用,不代表合同允许直接向客户收取;客户被扣费,也应有可追溯的请求记录。
- 记录请求标识、模型版本、输入与输出 Token、耗时及状态码,避免保存不必要的敏感正文。
- 对超时、断流、取消和重试分别统计,确认是否存在上游计费但下游未结算的情况。
- 报价明确计费单位、币种、缓存口径与余额扣减方式,降低对账争议。
- 为高消耗客户单独测算成本,不用低输出场景的毛利覆盖所有工作负载。
可先用客户的代表性请求进行小规模测试,观察输出长度、并发峰值和错误分布,再制定报价。测试结果仅对应当时的流量与路由条件,不应转化为长期可用性或固定毛利承诺。
预算控制不能只靠余额告警
预算控制应覆盖请求进入、执行和结算三个阶段。进入阶段设置客户额度、速率和并发上限;执行阶段限制输出长度、超时与重试次数;结算阶段按实际用量更新余额,并对账单差异发出告警。并发场景还要预留在途请求的预计费用,防止多个请求同时穿透余额。
接入 SDK 时,应核对网关地址、鉴权、模型映射和流式响应处理。对于支持相应参数的接口,可设置输出 Token 上限;上下文裁剪与缓存则需结合任务质量测试。硬性截断虽能降低消耗,也可能让答案无法交付,最终增加补发请求的成本。
稳定性投入如何保护转售利润
稳定性不等于无限重试。遇到 429 应检查限流原因,结合退避和并发控制处理;遇到 5xx 或网络超时,应设置重试上限,并核实原请求是否已执行。对鉴权失败、余额不足或参数错误,通常应先修正原因,而不是重复发送。
多上游路由可以分散单一通道风险,但模型能力、计费口径和数据处理条件可能不同。降级与切换必须有明确边界,不能在客户不知情时把指定模型替换为其他模型。评估 Token 中转方案时,应同时检查用量报表、账单追溯、限流机制和故障处理规则;只有把成本与交付质量一起管理,AI API reseller margin 才具备持续优化的基础。
