· reAPI Team
没有请求却产生 AI API 费用:闲置部署成本
没有请求运行时,追查 AI API 费用。检查专用端点、闲置实例、保留的存储,以及能够证明部署已停止的证据。

你没有发送提示词,也没有生成视频,账户上却又出现了一笔费用。
在调查神秘的 API 调用之前,先看看账单上的计费单位。如果计量的是硬件在线时长或模型托管,请求历史为空可能与这笔费用完全一致。Together AI 按分配的硬件对运行中的专用端点收费,并对已部署的微调模型收取托管费。Replicate 则在部署实例设置、处理任务和闲置期间计费。[1][2]
这一区别决定了你需要关闭什么。关闭应用只是让你停止使用它。停止已部署的端点,才会改变产生账单的资源。
工作一小时,在线十小时
假设你为实验部署一个模型,使用一小时,然后在总共十小时的时间窗口内让实例继续在线。在这个例子中,假设计费为每实例在线一小时两个成本单位。这是为计算而虚构的单位,不是任何供应商的报价。
账单是二十个单位:一个实例乘以十小时在线时长,再乘以两个单位。如果只算有效处理的一小时,结果是两个单位。剩下的十八个单位不是无法解释的请求,而是按照本例的计费假设,让实例在另外九小时保持在线的成本。
现在改变实验条件。你发送的提示词数量减半,但仍让同一个实例在线十小时。托管总额仍然是二十个单位。更短的提示词和更少的输出 token 不会改变这一项计量。你需要改变的是计费在线时长、实例数量或适用的硬件费率。
对于真实部署,应使用文档规定的计费单位和实例的实际运行区间,包括服务计入的任何设置时间和取整规则。Replicate 的计费文档明确将部署的设置、闲置和活动时间纳入计费。公共模型采用不同的计费模式,快速启动的微调模型还有例外;不要只因为模型名称相似,就把一种执行类型的规则套到另一种上。[2]
这也解释了为什么把账单除以少量已完成请求后,API 看起来可能很贵。你是在把保持容量就绪的成本分摊到实际使用它的工作上。是否值得,取决于你为什么要让它保持就绪。
闲置实例换来了什么
Replicate 的部署控制允许设置最小实例数,让模型保持热启动状态,也可以让未使用的实例缩容至零。还可以限制最大实例数。[3] 最小值和最大值回答的是不同问题。较低的最大值限制部署能扩展到多大;非零的最小值则可能在没有新任务时仍让容量保持在线。
对于交互式应用,让实例保持就绪可能是合理选择。下一个请求不必等待该实例从离线状态准备好。对于偶尔进行的内部实验,长时间闲置期间持续付费可能更难证明合理。文档说明了控制方式,但无法告诉你特定用户能接受多长的启动延迟。
应根据工作负载作出决定。可以等到下次计划运行的批处理,与正在看实时界面的用户,需求并不相同。如果你在自己获批准的测试中测量过启动行为,就使用这些测量结果。没有这些数据,你还无法判断额外等待时间是否符合应用需求。让实例保持热启动状态,也不能证明每个请求会多快完成。
Together 也有同样的区别。其支持指南将无服务器模型用量与已部署微调模型的托管、专用端点区分开来。无服务器用量按实际 API 使用收费;托管和专用资源则可能在没有 API 使用时继续产生费用。[1] “我们使用 Together”不足以确定计费规则。要查清账户上的端点类型。
因此,在实验部署旁记录它保持在线的原因很有用:服务什么工作负载、由谁负责,以及何时不再需要。这样以后决定关闭时,比根据旧端点名称猜测用途更容易。
移除付款卡之前,先找到资源
从一条账单明细及其服务期间入手。确认资源 ID 以及账户或组织,然后打开对应的端点或部署。将它的状态和分配的实例与收费期间对照。要回答的是:这项资源在该区间是否属于计费状态。
如果账单只给出扣款总额,就查找背后的用量明细。不要把硬件小时条目与模型的 token 价格比较。购买积分是充值行为,而托管会消耗这些资金;Together 的支持指南明确区分两者。[1]
接着,确认已列全相关账户中的资源。包括开发端点、上个月评估留下的部署,以及其他团队成员创建的资源。无需假定其中任何一个被遗忘了。你需要找到能够判断各项资源是否仍应运行的负责人。
如果费用来自推理而非托管,就将供应商的请求历史与应用日志对照。检查计划任务和工作进程,看它们是否可能产生活动。浏览器窗口已关闭,并不能有力证明运行在别处的服务已停止。如果发现无法解释的请求,应单独调查;密钥泄露应对指南介绍了凭证暴露问题。
也要检查已接受的任务何时完成。reAPI 文档说明,待处理任务可能在其 API 密钥被撤销后完成并消耗积分。任务响应区分预留金额和最终结算。[4] 在这种情况下,后来的余额变化可能属于较早的工作。不要在对照提交和完成时间之前,就认定关闭后运行了新请求。
移除付款方式无法回答上述任何问题。Together 要求至少保留一张有效卡,并在移除当前默认卡之前设置替代的默认卡。[5] 文档规定的停止未使用托管的方法是停止端点。先处理计费资源,否则你可能花时间修改付款设置,却让相关端点继续运行。
停止后,检查下一个计费区间
对于 Together,公开流程是检查已部署的微调模型和运行中的专用端点,然后明确停止不再使用的项目。[1] 记录停止了哪个端点以及停止时间。如果团队仍需要该模型,应保留其配置和部署要求,供下一个需要恢复它的人使用。
对于 Replicate,应同时检查扩缩容配置和实例实际状态。设置描述部署获准执行的行为;监控则说明实例正在启动、闲置还是处理任务。[3] 修改后,检查实际在线数量。不要只凭已保存的配置页面,就认定资源已离线。
删除是下一步操作。Replicate 文档要求部署离线且未使用至少十五分钟后,才可以删除。[6] 如果当前目标是停止为废弃实验付费,就按这个顺序处理生命周期。至于团队要保留配置还是删除部署,应另行决定。
然后查看下一条用量记录。将其覆盖的区间与关闭时间对照,而不只是看费用出现的日期。关闭后入账的条目仍可能描述较早的计费时间。如果资源停止活动后,确实出现新的计费区间,那就是另一种发现,值得带着资源 ID 和时间戳向支持团队反馈。
回到十小时的例子。如果记录显示实例整整在线十小时,按前述假设,总额就是二十个单位。如果你有证据证明它更早已离线,分歧就变得具体:计费系统算入了哪个区间?这比“我没有发送任何提示词”更有助于支持团队处理问题。
模型停止后,其他成本可能仍然存在
关闭计算资源,不一定会移除其周边资源。AWS 提供了具体例子:EC2 实例停止后,EBS 卷仍然保留,并继续产生存储费用。[7] 这是 AWS 的存储规则,并不是说 Together 或 Replicate 收取相同的存储费。
如果你运维自己的基础设施,应逐项阅读剩余账单。找到保留的卷或其他单独计费资源,在移除前确认其中存放什么。AWS 文档说明,删除 EBS 卷会删除其数据,而快照提供另一种保留选项。[8] 省钱不是删除团队仍然需要的模型产物唯一副本的理由。
对于已复制到自己存储中的输出,也应同样谨慎。生成服务的生命周期不能决定归档的生命周期。输出保留指南跟踪这些副本的保存和删除。制定关闭检查清单时,应为存储单独安排负责人并作出决定,而不是将它藏在“端点已停止”之下。
因此,把一个部署缩容至零,不能证明整个账户现在不再产生任何费用。可能还有其他端点、较早任务正在结算,或单独计费的资源。要根据各项自己的单位和服务期间逐一核清。
决定是否真的需要自己维护部署
理解账单后,再问应用下次运行需要什么。自定义权重、基础设施控制权和专用容量,都是评估部署方案的理由。如果只是调用受支持的现成模型,托管模型 API 可能更合适。这些是不同的产品选择,不是购买同一事物的可互换方式。
对于受支持模型的推理,将 reAPI 目录与应用需要的模型及输入输出约定进行比较。任务文档说明结果和已结算用量如何报告;余额参考涵盖账户方面。[4] 这并不意味着 reAPI 能替代自定义训练或专用 GPU 托管。如果这些属于需求,就应纳入比较,而不是只计算最容易替换部分的价格。
没有作出这一选择,就不存在一个有用的、统一的“创建 AI 应用”成本。应将构建工作与推理、在线计算、存储和运维分别估算。如前例所示,对于使用量很少的应用,请求总额小,托管总额仍可能很高。对于繁忙服务,保持容量就绪可能是有意为之。
免费额度也无法解决架构问题。Replicate 文档列出了可在设置计费前试用的部分模型,而 OpenAI 文档说明了会随付费用量减少的预付 API 积分。[2][9] 两者都不能证明存在无限免费推理或免费专用托管。下次实验获批时,记录如何计费,以及实验结束后由谁停止它。
参考资料
- Together AI. 为什么没有进行 API 调用却仍被收费? 查阅于 2026 年 11 月 15 日。
- Replicate. 计费。 查阅于 2026 年 11 月 15 日。
- Replicate. 部署。 查阅于 2026 年 11 月 15 日。
- reAPI. 任务、余额与身份验证参考。 查阅于 2026 年 11 月 15 日。任务生命周期、余额和身份验证。
- Together AI. 可以添加多张付款卡吗? 查阅于 2026 年 11 月 15 日。
- Replicate. 删除部署。 查阅于 2026 年 11 月 15 日。
- Amazon Web Services. EC2 实例停止与启动的工作原理。 查阅于 2026 年 11 月 15 日。实例生命周期与相关成本。
- Amazon Web Services. 删除 Amazon EBS 卷。 查阅于 2026 年 11 月 15 日。卷删除与保留。
- OpenAI. 设置和管理预付 API 计费。 查阅于 2026 年 11 月 15 日。预付 API 计费。