11 · AI 审核 Token 消耗与成本优化
适用版本:2.0.18+ AI 审核每次精判都会调用一次 AI 接口;2.0.18 新增处罚前二次确认和疑似延迟复核,一条消息最多可能调用两次。本文按插件实际链路测算消耗量级。 📌 所有数字为估算量级,用于预算参考;最终消耗以 AI 接口响应中的
usage.prompt_tokens/usage.completion_tokens为准。
📐 单次送审的构成(按当前插件实际提示词计算)
| 组成部分 | 大小 |
|---|---|
| 固定系统审核提示词 | 约 2057 个中文字符 |
| 最近聊天上下文 | 最多 900 字符 |
| 当前消息 | 纯文字最多 2200 字符;带图片时最多 1800 字符 |
| 输出(结构化 JSON 结论) | 通常约 40~100 Tokens |
💰 各场景单次消耗量级
| 审核场景 | 大致消耗 |
|---|---|
| 一句简短文字,无太多上下文 | 约 2,200~3,200 Tokens |
| 普通文字,附带五条聊天上下文 | 约 2,800~4,000 Tokens |
| 很长的文字消息 | 约 4,500~7,000 Tokens |
| 一张图片 | 文字部分约 2,500~3,500,另加视觉 Tokens |
| 三张图片 | 可能达到 5,000~12,000+ Tokens |
💡 图片具体占用与分辨率及智谱视觉模型的编码方式有关,无法从图片文件大小直接换算,以接口响应中的
usage统计为准;智谱接口会返回本次调用的 Tokens 统计(详见智谱官方接口说明)。
🔁 2.0.18 二次审核的调用次数
| 首次结论 | 默认后续动作 | AI 调用次数 |
|---|---|---|
| Pass 正常 | 直接放行 | 1 次 |
| Review 疑似 | 等待 12 秒,结合后续语境延迟复核 | 2 次 |
| Block 违规 | 处罚前进行反证式二次确认 | 2 次 |
| AI 失败 / 格式异常 | 放行,不继续处罚 | 通常 1 次 |
因此在全量模式中,如果大量消息被模型判为 Review,实际 Token 消耗可能接近下表估算的 2 倍。每日送审上限按“AI 请求次数”计数,二次确认和延迟复核同样占用额度。
📊 严格模式全量审核的量级
严格模式会把所有有内容的消息都送 AI 复核,消耗按消息条数线性增长:
| 消息量 | 大致消耗 |
|---|---|
| 100 条短消息,全部首次 Pass | 约 22万~32万 Tokens |
| 100 条短消息,全部触发二次复核 | 约 44万~64万 Tokens |
| 1,000 次 AI 请求 | 约 220万~320万 Tokens |
| 每日上限 2,000 次请求全部用满 | 通常约 440万~640万 Tokens |
| 图片很多时 | 实际会更高 |
💡 成本大头与优化方向
目前最大的消耗不是 AI 返回的内容(输出仅 40~100 Tokens),而是每次都重复发送约 2057 字符的完整审核规则。
后续版本可做的优化:
把固定提示词压缩到约 900~1200 字符,预计节省约 35%~50% 输入 Tokens
明确命中高风险词时不带五条上下文
只有暗语、谐音语义含糊时才附带聊天上下文
在控制台增加「今日输入 Tokens、输出 Tokens、预估费用」,直接读取 AI 接口的真实
usage数据
这样严格程度可以不降低,但调用成本会明显下降。
🧰 现在就能做的省 Token 手段(无需改代码)
审核专用模型填便宜快速的多模态模型(如
glm-4v-flash):主模型留给聊天/管家,审核走低价通道,费用直接降一个量级不开全量语义审核:普通模式只审命中候选信号的内容,送审量通常低 1~2 个数量级
调低「每群每分钟上限」(默认 10 条):刷屏场景下超限消息直接放行,不送审
调低「每日送审上限」(默认 2000 条):给预算封顶,达到即暂停并私聊通知主人
「单条最多看图」保持默认 3 张:图片是消耗大户,群友刷图时能省则省
送审范围按需精简:比如群内没有导流问题,可关掉「导流特征词」「字母/混合串」,减少无谓送审
优先保留处罚前二次确认:这是防误伤的核心保护;预算不足时可考虑关闭“疑似内容延迟复核”,但 Review 将直接保持放行