为什么用 Mof 做 AI 用量分析
大模型用得越来越多,花费涨得也快,可「这个月 AI 到底花了多少、烧在哪个模型、哪个应用」却很难说清: 百炼、方舟、千帆、Vertex 各在各的控制台,口径还不一样;想省钱,又看不到 token 明细和缓存命中率; 退回云账单,里面 AI 只是一笔总额。
Mof 是为同时使用国内与海外云的团队打造的 FinOps 成本平台。它的 AI 用量分析把 GCP、阿里云、腾讯云、火山引擎、华为云、百度智能云上的 大模型用量只读接入、归一到一张表:按模型切分、并保留各平台原生维度(如百炼的应用空间 / 财务单元、其它云的 Region 等),看 input / cached / output 等 Token 明细、 缓存命中率与应付现金(币种可选),趋势、构成、下钻一应俱全——让 AI 成本从「一笔糊涂账」变成「看得清、分得开、省得下」。
现在大家怎么看 AI 用量,各有各的坑
各平台控制台、云账单总额、自己拉 API，各能看一点，却都难跨平台、看不到 token、算不清缓存。
- 一平台一个台百炼、方舟、千帆、Vertex 各看各的
- 口径不一token 计法、币种、账期都不一样
- 没有整体AI 一共花了多少、用了哪些模型，算不清
- 只有总额账单里 AI 是一笔，看不到按模型 / 应用
- 没有 token 明细input / cached / output 分不开
- 省不下来不知道钱烧在哪个模型、哪个应用
- 各平台 API 不同每家用量接口都要单独对接
- 指标自己算缓存命中率、单价这些要自己拼
- 难持续模型一变、账号一多就得重弄
Mof 怎么做到
多平台 AI 用量归一到一张表，按模型与各平台原生维度看 Token 明细、缓存命中率与真实应付。
平台控制台 / 账单 vs Mof
| 维度 | 平台控制台 / 账单 | Mof |
|---|---|---|
| 覆盖 | 各平台各看各 | GCP / 阿里 / 腾讯 / 火山 / 华为 / 百度 一张表 |
| 粒度 | 账单只有总额 | 到模型 + 各平台原生维度 |
| Token 明细 | 无 | input / cached / output / embedding |
| 缓存命中率 | 自己算 | 内置，含趋势 |
| 归集 / 分摊 | 无 | 原生维度 + 成本分摊 / 虚拟标签 |
| 币种 | 各平台各币种 | 汇率归一到所选币种 |
| 下钻 | 无 | 明细表逐模型展开 |
AI 用量分析常见问题
AI 用量分析支持哪些平台和模型？
支持 GCP、阿里云、腾讯云、火山引擎、华为云、百度智能云上的大模型用量分析，涵盖如阿里百炼(通义千问)、火山方舟(豆包)、百度千帆、GCP 上的 Gemini / Claude 等常见模型，随账单与用量数据一起同步。
能看到 token 级的明细吗？
能。Mof 按 input、cached、output、embedding 等类型拆分 token，并提供按模型及各平台原生维度(如百炼的应用空间 / 财务单元、其它云的 Region 等)的用量与成本趋势、构成，以及可逐模型展开下钻的明细表。
缓存命中率有什么用？
大模型的缓存(cached tokens)通常比常规输入便宜很多，缓存命中率越高越省钱。Mof 内置缓存命中率及其趋势，帮你判断 prompt / 上下文的复用是否到位，找到省钱空间。
能按应用或团队分摊 AI 成本吗？
可以。Mof 会保留各平台的原生维度(如百炼的应用空间 / 财务单元、其它云的 Region 等)，并结合自身的成本分摊与虚拟标签，把 AI 花费进一步落到对应的应用、团队或项目。
怎么接入？安全吗？
通过各云 / AI 平台的只读权限接入用量与账单数据，不需要写权限，也不改动你的模型服务配置，就能把多平台的 AI 用量归一到一处分析。
