平台系统模型管理
1. 模型配置
参考模型管理
2. 模型定价
注：模型定价要生效必须开启订阅与积分功能
当在模型配置中添加模型完成后，就可以在模型定价中进行模型定价，定价完成后，用户就可以在模型市场中订阅模型了。
2.1 定价列表页
- 列表字段：模型名称、模型ID、定价类型、定价档位、开启收费状态、操作按钮
- 筛选功能：支持按「开启收费」状态筛选模型
- 操作按钮：
- 编辑：修改模型的定价档位与费用
- 删除：移除模型的定价配置
- 全局开关：「开启收费」总开关，控制单模型计费功能是否生效
2.2 添加模型定价
点击右上角「+ 添加模型」按钮，弹出配置窗口，需填写以下信息：
| 字段 | 必填 | 说明 |
|---|---|---|
| 模型 | ✅ | 选择已在「模型配置」中添加的平台级公共模型 |
| 定价档位 | ✅ | 支持多档位阶梯计费，按上下文长度区间划分（单位：K） |
| 输入费用 | ✅ | 该档位下输入Token单价，单位：元/百万Token |
| 输出费用 | ✅ | 该档位下输出Token单价，单位：元/百万Token |
| 缓存费用 | ✅ | 该档位下缓存Token单价，单位：元/百万Token |
多档位配置：可点击「添加档位」新增阶梯区间（如≤32K、≤128K、≤256K等），每个档位可独立设置输入/输出/缓存费用
保存规则：配置完成后点击「确认」，定价规则即时生效
示例1： 以 Deepseek 为例，其定价档位与费用如下：
由于V4没有阶梯价我们就可以设置一档即可： 
计费计算公式如下：text输入费用 = 实际输入 Token 数 ÷ 1,000,000 × 输入单价 输出费用 = 实际输出 Token 数 ÷ 1,000,000 × 输出单价 缓存费用 = 命中缓存的 Token 数 ÷ 1,000,000 × 缓存单价 总费用 = 输入费用 + 输出费用 + 缓存费用 假设本次调用数据如下： 实际输入 Token 数：500,000 实际输出 Token 数：200,000 命中缓存的 Token 数：100,000 分步计算： 输入费用：(500,000 ÷ 1,000,000 × 1.00 = 0.50元) 输出费用：(200,000 ÷ 1,000,000 × 2.00 = 0.40元) 缓存费用：(100,000 ÷ 1,000,000 × 0.02 = 0.002元) 总费用：(0.50 + 0.40 + 0.002 = 0.902元)示例2：以 Doubao-Seed-2.0 为例，其定价档位与费用如下：
根据阶梯价，我们可以设置如下： 
计费计算公式如下：
text# 通用公式（适用于所有档位） 输入费用 = 实际输入 Token 数 ÷ 1,000,000 × 对应档位的输入单价 输出费用 = 实际输出 Token 数 ÷ 1,000,000 × 对应档位的输出单价 缓存费用 = 命中缓存的 Token 数 ÷ 1,000,000 × 对应档位的缓存单价 总费用 = 输入费用 + 输出费用 + 缓存费用 # 场景1： 输入 20,000 Token（命中「输入 ≤ 32K」档位） 档位单价：输入 3.2 元/百万，输出 16 元/百万，缓存命中 0.64 元/百万 假设本次调用数据如下： 实际输入 Token 数：20,000 实际输出 Token 数：5,000 命中缓存的 Token 数：10,000 分步计算： 输入费用：(20,000 ÷ 1,000,000 × 3.2 = 0.064元) 输出费用：(5,000 ÷ 1,000,000 × 16 = 0.08元) 缓存费用：(10,000 ÷ 1,000,000 × 0.64 = 0.0064元) 总费用：(0.064 + 0.08 + 0.0064 = 0.1504元) # 场景2： 输入 100,000 Token（命中「32K < 输入 ≤ 128K」档位） 档位单价：输入 4.8 元/百万，输出 24 元/百万，缓存命中 0.96 元/百万 假设本次调用数据如下： 实际输入 Token 数：100,000 实际输出 Token 数：20,000 命中缓存的 Token 数：30,000 分步计算： 输入费用：(100,000 ÷ 1,000,000 × 4.8 = 0.48元) 输出费用：(20,000 ÷ 1,000,000 × 24 = 0.48元) 缓存费用：(30,000 ÷ 1,000,000 × 0.96 = 0.0288元) 总费用：(0.48 + 0.48 + 0.0288 = 0.9888元) # 场景3： 输入 200,000 Token（命中「128K < 输入 ≤ 256K」档位） 档位单价：输入 9.6 元/百万，输出 48 元/百万，缓存命中 1.92 元/百万 假设本次调用数据如下： 实际输入 Token 数：200,000 实际输出 Token 数：40,000 命中缓存的 Token 数：50,000 分步计算： 输入费用：(200,000 ÷ 1,000,000 × 9.6 = 1.92元) 输出费用：(40,000 ÷ 1,000,000 × 48 = 1.92元) 缓存费用：(50,000 ÷ 1,000,000 × 1.92 = 0.096元) 总费用：(1.92 + 1.92 + 0.096 = 3.936元)设置好后的效果：
3. 模型监控
注：当开启订阅与积分功能时，模型监控会自控开启，否则讲关闭
3.1 功能概述
模型监控模块用于实时统计与分析平台级模型的调用情况，为管理员提供调用次数、Token消耗、费用统计、错误情况等关键数据，支撑模型使用分析、成本管控与故障排查。
3.2 入口与权限
- 入口位置：系统管理 → 模型管理 → 模型监控
- 操作权限：仅平台管理员可查看，支持按时间范围筛选与明细日志查询
3.3 核心统计指标说明
| 指标 | 含义 |
|---|---|
| 调用次数 | 所选时间范围内，所有模型的总调用次数 |
| 失败次数 | 所选时间范围内，调用失败的总次数 |
| 总输入Token | 所有请求消耗的输入Token总数（含缓存命中Token） |
| 缓存输入Token | 命中上下文缓存的输入Token总数 |
| 输入Token | 实际计费的输入Token总数（非缓存部分） |
| 输出Token | 模型生成的输出Token总数 |
| 总费用 | 所选时间范围内，所有模型调用产生的总费用（按定价规则计算） |
3.4 操作功能说明
- 时间范围筛选：可自定义时间区间，查看指定时段的模型调用统计数据
- 日志查询：点击「查看」按钮，可进入模型调用明细日志，查看单次请求的详细参数、Token消耗、响应结果与错误信息等内容
- 分页查看：支持分页浏览模型明细数据，可自定义单页展示条数
3.5 业务价值与使用场景
- 成本管控：通过各模型的费用金额统计，分析高消耗模型，优化资源配置与定价策略
- 使用分析：通过调用次数与Token消耗，了解平台模型的使用热度与业务占比
- 故障排查：通过失败次数与日志明细，定位模型调用异常、接口报错问题
- 缓存效果评估：通过缓存输入Token占比，评估上下文缓存的实际使用效果，优化模型配置
3.6 特殊使用情况
当平台管理方需要在不开启订阅与积分功能的情况下，查看模型调用情况时，可手动开启模型监控功能。 请在 config/application-external.yml 中添加如下内容，然后重启backend的docker服务容器
model-api-proxy:
enable-model-proxy: true
port: 18086
#记录日志
save-log: true