Groq API 价格全解析（2026）：升级门槛不在 Token 成本，而在吞吐量

Groq API 价格从 $0 起：只要各模型的 Free 限额还没卡住工作流，就无需付费；一旦超限，Developer 不收订阅费，只按用量计费。以本文测算的 GPT-OSS 120B 负载为例，Free 每日 Token 上限对应的付费流量每月仅 $1.44——真正迫使你升级的是吞吐量，而不是 Token 成本。

Groq API 价格速览

Groq 没有需要记住的自助式月度席位价。用户要在三种方案中选择：受速率限制的 Free、按量付费的 Developer，以及容量定制的 Enterprise。

以下价格和限额已于 2026年8月15日对照 Groq 实时价格页、Supported Models、Billing FAQs和速率限制文档逐项核验。

Token 是模型的计费单位。输入 Token 包括发给模型的指令、对话历史、文档和工具定义；输出 Token 则是模型生成的内容。Groq 分别按每百万 Token 报出输入和输出价格，因此月度成本是输入、输出、音频及所有内置工具用量之和。

Developer 没有月度或年度订阅承诺。Groq 要求绑定付款方式，按实际用量计量，通常采用后付费账单。它也没有单独的超额费率：Free 会在触及相应限额后拦截超额流量，Developer 则继续按同一模型费率计费，直到账号限制或 Spend Limit 将其拦截。Enterprise Performance 的机制不同：买方购买的是预置的输入和输出容量，而不是按公开的 On Demand Token 费率付费。

Groq 免费套餐：共享限额一旦影响生产，就该升级

Groq 的 Free 套餐足以支撑原型、内部助手，以及相当数量的低流量自动化任务。但只要速率限制错误会直接影响客户，它就不再适合作为免费的生产基础设施。

限额按组织计算，而不是按 API Key 分配。多建几个 Key 并不会增加容量。Groq 还会同时执行多维限制：每分钟请求数、每日请求数、每分钟 Token 数和每日 Token 数。最先触及的上限会让下一次调用收到 HTTP 429。

目前生产级文本模型公布的 Free 限额包括：

• **GPT-OSS 120B 和 GPT-OSS 20B：**30 RPM、1,000 RPD、8,000 TPM，以及 200,000 TPD。
• **Llama 3.3 70B Versatile：**30 RPM、1,000 RPD、12,000 TPM，以及 100,000 TPD。
• **Llama 3.1 8B Instant：**30 RPM、14,400 RPD、6,000 TPM，以及 500,000 TPD。
• **Compound 和 Compound Mini：**30 RPM、250 RPD，以及 70,000 TPM。
• **Whisper Large V3 和 Turbo：**20 RPM、2,000 RPD、每小时 7,200 音频秒，以及每日 28,800 音频秒。

Groq 将公开表格定位为高层概览。每个组织当前真正适用的额度，应以 Console 内的 Limits 页面为准。

每日 Token 上限往往比请求次数更早触发。假设一次 GPT-OSS 120B 请求包含 2,000 个输入 Token 和 500 个输出 Token，总计 2,500 个 Token；在 200,000 TPD 的限制下，每天最多可发出 80 次此类请求。8,000 TPM 则只容得下同一分钟内的 3 次；第 4 次同等规模的请求会越过 Token 上限，即使套餐标称为 30 RPM。

这正是从免费转向付费的分界点。同一请求在 Developer 上只需 $0.0006；每天 80 次、连续 30 天，月成本约为 $1.44。为了 Free 上限而扭曲生产工作流，在财务上几乎没有意义。升级购买的是容量，而此时模型账单甚至低于大多数 SaaS 附加项。

哪些人始终不必付费

如果 Groq 只用于本地开发、偶尔评估、个人内部脚本，或流量始终低于相应 Token 与请求上限的演示项目，可能永远都不需要 Developer。只要 429 错误可以排队重试，且没有人被承诺持续服务，Free 同样合理。

当工作流面对真实用户、有明确截止时间，或队列无法承受共享上限时，就该付费。Developer 还提供 Batch、Flex、聊天支持和 Spend Limits。真正划开产品边界的是这些运营控制，而不是另一套模型目录。

Groq 模型价格完整清单

Groq 当前的生产目录很精简：四个文本模型、两个语音转文本模型，以及两个 Compound 系统。另有一套独立的预览目录，其中的模型可能在很短时间内下线。

生产级文本模型

• **Llama 3.1 8B Instant 的每百万 Token 输入价格为 $0.05，输出为 $0.08。**这是最便宜的生产级文本路径。Developer 基础额度为 250,000 TPM 和 1,000 RPM，上下文窗口为 131,072 Token。
• **GPT-OSS 20B 的每百万 Token 输入价格为 $0.075，输出为 $0.30。**缓存输入为每百万 Token $0.0375。Developer 基础额度为 250,000 TPM 和 1,000 RPM，上下文窗口为 131,072 Token。
• **GPT-OSS 120B 的每百万 Token 输入价格为 $0.15，输出为 $0.60。**缓存输入为每百万 Token $0.075。Developer 基础额度为 250,000 TPM 和 1,000 RPM，上下文窗口为 131,072 Token。
• **Llama 3.3 70B Versatile 的每百万 Token 输入价格为 $0.59，输出为 $0.79。**Developer 基础额度为 300,000 TPM 和 1,000 RPM，上下文窗口为 131,072 Token。

如果项目需要更大的开放权重模型，同时又在意同模型的供应商备选路线，可以从 GPT-OSS 120B 开始生产评估。只有验收测试证明小模型不会损害结果质量时，才下调到 GPT-OSS 20B 或 Llama 3.1 8B。只有当 Llama 3.3 70B 的输出价值足以覆盖其相对 GPT-OSS 120B 高出 3.93 倍的输入费率和 1.32 倍的输出费率时，才值得切换。

这些倍数无法证明哪个模型更好。它们只是划定了结果必须如何收回溢价：减少重试、缩短回答、降低人工审核成本，或提供便宜路线所不具备的能力。

语音转文本模型

• **Whisper Large V3 每音频小时收费 $0.111。**Developer 基础容量为每小时 200,000 音频秒和 300 RPM，单个文件最大 100 MB。
• **Whisper Large V3 Turbo 每音频小时收费 $0.04。**Developer 基础容量为每小时 400,000 音频秒和 400 RPM。

处理 1,000 音频小时时，Whisper Large V3 的项目成本为 $111，Turbo 为 $40，相差 $71。低价模型应是默认起点，但音频团队最终应保留能通过转写验收标准的那一个。需要返工修正的便宜转写，并不等于更便宜的最终结果。

Compound 系统与预览模型

Groq Compound 和 Compound Mini 将生产模型与服务端工具组合起来，并不适用单一固定的 Token 费率。Groq 会把底层模型费和工具费传递给用户，因此 Compound 账单需要拆分成本栈，不能只用一个每 Token 估价。

实时预览目录目前列出：

• **Qwen3.6 27B：**每百万 Token 输入 $0.60，输出 $3.00。
• **Safety GPT-OSS 20B：**每百万 Token 输入 $0.075，输出 $0.30。
• **Llama Prompt Guard 2 22M：**每百万 Token 输入和输出均为 $0.03。
• **Llama Prompt Guard 2 86M：**每百万 Token 输入和输出均为 $0.04。
• **Canopy Labs Orpheus V1 English：**每百万字符 $22。
• **Canopy Labs Orpheus Arabic Saudi：**每百万字符 $40。
• **MiniMax M2.7：**Enterprise 价格需咨询销售。

预览意味着用于评估，而不是生产承诺。Groq 明确表示，这些模型可能在很短时间内停止提供。因此，依赖 Qwen3.6 27B 的预算在产品触达客户前，还必须准备并测试好切换到其他供应商或模型的路线。

Groq 当前的 Supported Models 页面没有列出 DeepSeek 或 Kimi 模型。仍把这些名称计作 Groq 可用路线的旧文章与计算器已经过时。如果必须使用 DeepSeek，应通过当前仍提供它的供应商估价，而不是默认 Groq 目录里还有；另见独立的 DeepSeek 价格分析。

按结果计算成本，才能选对模型

Groq 的 Token 费率很低，因此在用量足够大之前，流量形态往往比模型选择更影响成本。清晰的比较方法，是固定一种请求，再逐一计算各条路线。

以一次包含 2,000 个输入 Token 和 500 个输出 Token 的标准请求为例。每月 100,000 次请求，在不计缓存、Batch、工具和重试时：

• **Llama 3.1 8B Instant：**总计 $14，即每次请求 $0.00014。
• **GPT-OSS 20B：**总计 $30，即每次请求 $0.0003。
• **GPT-OSS 120B：**总计 $60，即每次请求 $0.0006。
• **Llama 3.3 70B Versatile：**总计 $157.50，即每次请求 $0.001575。
• **Qwen3.6 27B preview：**总计 $270，即每次请求 $0.0027。

真正有用的分母不是“请求”，而是“通过验收的结果”。如果小模型需要重试、输出更长，或把更多工作推给人工审核，那么便宜的请求反而可能构成昂贵的工作流。应将通过验收的结果与 Token 一起跟踪，让模型靠实际产出证明价值，而不是仅凭标价胜出。

不存在某个付费用量临界点，能让一种 Groq 模型自动变得比另一种更便宜。所有公开 On Demand 费率都是线性的，也没有基础费用。无论请求一次还是一百万次，GPT-OSS 20B 的测算成本都始终是 GPT-OSS 120B 的一半。只有当结果质量或运行表现改变完成任务所需的工作量时，选择才会翻转。

对有融资的创始人而言，可以让 GPT-OSS 20B 做分类，让 GPT-OSS 120B 处理模糊案例。对中型企业 CTO 而言，应在每条请求日志中保留模型和 Token 字段，让采购团队看见每个通过验收工作流的成本。对资深运营负责人而言，要衡量修正和重试，而不能把一次成功演示当成生产路线已经成立的证据。

异步任务用 Batch 比缓存更省，但两种折扣不能叠加

结果可以等待时，Groq Batch 提供目前公开的最低费率。它比同步 API 价格低 50%，在标准的按模型限额之外运行，并允许选择 24 小时到 7 天的处理窗口。

对 100,000 次请求的 GPT-OSS 120B 测算负载，各方案成本为：

• 同步且无缓存：$60。
• 同步，50% 的输入 Token 命中缓存：$52.50。
• 同步，80% 的输入 Token 命中缓存：$48。
• Batch：$30。

当前最影响预算的一条规则非常明确：**Batch 与 Prompt Caching 折扣不能叠加。**无论是否命中缓存，所有 Batch Token 都按 50% 的 Batch 费率计费。如果表格把 $30 的 Batch 总额再减半算成 $15，结果就是错的。

Prompt Caching 对同步 GPT-OSS 流量仍然有用。它自动启用，不收单独的功能费，并将缓存输入价格降低 50%。目前支持 GPT-OSS 20B、GPT-OSS 120B 和 GPT-OSS Safeguard 20B。缓存命中要求前缀完全一致；可缓存前缀的最小长度因模型而异，范围为 128 到 1,024 Token；未使用的缓存数据会在两小时后过期。命中仅为尽力而为，并不保证发生。

将稳定的系统指令和工具定义放在 Prompt 开头，把可变的用户数据放在后面，然后从响应中读取缓存 Token 用量。在生产数据实际呈现之前，预测的缓存命中率不能当作预算事实。

Batch 还存在不同的运营边界。一个 JSONL 文件最多可含 50,000 行，最大 200 MB。未能在所选处理窗口内完成的任务会过期，不过 Groq 只对成功完成的请求收费。Batch 文件和结果可在 Groq 系统中保留最长 30 天，因此敏感工作负载应先审核数据保留要求，再让成本节省决定路线。

$60 的 Token 如何变成 $560 的 Compound 账单

Compound 的隐性成本不在模型，而在工具循环。

Groq 对 Basic Search 的定价是每 1,000 次请求 $5，Advanced Search 为 $8，Visit Website 为 $1，Code Execution 则是每小时 $0.18。这些费用都叠加在底层模型 Token 成本之上。

仍以 100,000 次标准 GPT-OSS 120B 请求为例，模型 Token 成本为 $60。若每次请求都调用一次 Basic Search，搜索费用会增加 $500，总账单达到 $560；若每次请求都调用一次 Advanced Search，总额为 $860；若每次请求都调用一次 Visit Website，总额为 $160。

对智能体团队而言，这一项最容易造成预算意外。若智能体每轮都搜索，再怎么优化 Token 也救不了这个工作流。第一道控制应是工具策略：明确何时必须搜索，限制工具循环次数，在模型外缓存可长期复用的结果，并记录每个通过验收结果对应的工具调用数。

付费没有年度锁定，但有几处运营边界

Developer 按用量计费，并不是换了名字的年度 SaaS 合同。更容易被忽略的条款，是扣款时间、限额如何生效，以及余额如何处理。

新的 Developer 账号采用阶梯式计费。累计终身用量依次达到 $1、$10、$100、$500 和 $1,000 时，Groq 可以开具账单；跨过 $1,000 门槛后，再转为常规月度账单。账单地址在印度的账号采用 $1、$10 两个门槛，之后每累计 $100 循环扣费。用量未达到至少 $0.50 时，Groq 不要求付款。

这套安排可能让采用初期出现多笔小额银行卡扣款。它们不是附加费，但财务团队应提前了解这一规律，以免将其误判为重复扣款。

Spend Limits 会拦截流量，但用量上报存在短暂延迟

付费套餐可设置一个覆盖全组织的月度 Spend Limit。它适用于所有 API Key 和端点，每月首日重置；系统检测到触及上限后，会拦截新请求。Groq 支持在预算上限的 50%、75% 和 90% 等节点发出提醒。

费用跟踪会延迟 10 到 15 分钟更新。因此，流量突发可能在拦截开始前，让最终账单略微超过设定金额。Groq 建议初始上限比预计月用量高 20% 到 30%。对于关键路径，这一缓冲也能降低正常流量尖峰把预算控制变成服务中断的风险。

Service Credits 会过期，预付购买不可退款

Groq Service Credits 自购买或发放之日起一年后过期，除非另有期限说明。它们不可转让、不可兑换现金且不可退款；关闭账号会让余额立即失效。

Groq 的 Billing FAQ 说明，一般退款请求由支持团队逐案处理。但这不会取代更具体的 Service Credit 条款：无论购买还是赠送的 Credits，余额一经发放即为最终交易。购买额度应对应实际预测，而不是一个模糊的未来迁移计划。

Flex 用容量保证换取更高上限

Flex 面向付费客户开放，Token 价格与 On Demand 相同，速率上限则是 On Demand 的 10 倍。代价是容量仅按尽力而为（best-effort）模式提供。Flex 满载时，可能迅速返回 HTTP 498 和 capacity_exceeded。

Flex 适合可重试队列、评估和能够承受快速失败的批量任务。不要把它作为不可重复客户操作的唯一通道。On Demand 的速度更可预测，但高峰期可能增加排队延迟。当这种波动不可接受时，Enterprise Performance 才是提供合同保障的选项：Enterprise 协议包含 99.9% 可用性 SLA 和 99% 延迟保证。

未缓存 GPT-OSS 120B：Groq、Together AI 与 Fireworks AI 同价

仅看公开 Token 价格，Groq 并没有在 GPT-OSS 120B 上胜出。Groq、Together AI 和 Fireworks AI 对同一模型的标价均为每百万 Token 输入 $0.15、输出 $0.60。

统一按 1亿个输入 Token 和 2,000万个输出 Token 计算。在没有缓存折扣时，各家供应商的成本均为 $27。这个平局很有价值，因为它迫使决策者转而比较缓存经济性、速率限制、部署选项、可靠性和实测延迟。

Together AI

Together AI 是一家多模型推理服务商，其 Serverless GPT-OSS 120B 路线的价格为每百万 Token 输入 $0.15、输出 $0.60。Serverless 产品没有最低消费或预置费用。

Together 当前的 GPT-OSS 120B 价格行没有公布缓存输入费率。其文档说明，未设置缓存价格的模型会对所有输入按标准费率计费。因此，即使提示词重复，上述统一负载的总额仍是 $27。对于受支持的 Serverless 模型，Together 的 Batch 价格最高可比标准价低 50%；当该具体模型符合条件时，它仍适合异步任务。

如果更广的模型目录，或从 Serverless 迁移到预留基础设施的路径，比 Groq 特有的运行表现更重要，可以选择 Together。在实际工作负载暴露差异前，不要仅凭价格在两者之间迁移，因为未缓存的 GPT-OSS 项目完全同价。

Fireworks AI

Fireworks AI 列出的 GPT-OSS 120B 费率为每百万 Token 输入 $0.15、缓存输入 $0.014、输出 $0.60，并提供 $1 的 Serverless 注册额度。

当 50% 的输入命中缓存时，同一标准负载在 Fireworks 上总计 $20.20，在 Groq 上为 $23.25，在 Together 上为 $27。只要其公开缓存费率确实适用于实测工作负载，Fireworks 就是重复输入较多的 GPT-OSS 120B 场景中的公开价格赢家。异步任务仍由 Groq Batch 更低，同一标准流量只需 $13.50。

GPT-OSS 由 OpenAI 开发，但 OpenAI API 及其消费者应用均不提供该模型。直接与 OpenAI API 比较会同时更换供应商和模型，破坏价格归一化。应先比较同一模型在不同托管供应商上的表现，再按通过验收的结果评估其他专有模型。更广泛的模型与供应商选择，可参考最便宜 AI API 清单。

供应商选择可以归纳为：

• **选择 Groq：**实测路线中，同步吞吐量与运营控制更优，或 50% 的 Batch 费率让延迟任务成本最低。
• **选择 Fireworks：**重复的 GPT-OSS 上下文能够稳定获得公开的 $0.014 缓存输入费率。
• **选择 Together：**更广的 Serverless 到 Dedicated 路线更重要，且工作负载无法受益于 GPT-OSS 缓存费率。

谁适合选择 Groq，谁应该跳过

如果开放模型已经达到质量门槛，且响应速度会影响产品体验，Groq 是很强的选择。若模型需求、容量保证或部署控制超出当前自助目录，它的吸引力就会下降。

有融资的创始人应在快速开放模型既能保持产品响应，又能保留同模型备选路线时选择 Groq。中型企业 CTO 应先集中管理 Key、记录模型与工具用量，并设置组织预算上限，再启用 Developer。资深运营负责人应关注每个通过验收结果的成本，而不是被“每美元可买多少 Token”的醒目标题吸引。

如果应用必须使用其目录中没有的专有模型、要求尽力而为路线也具备容量保证，或依赖没有稳定替代品的预览模型，就不应把 Groq 当作唯一供应商。Enterprise Performance 可以为受支持的模型提供合同容量，但它采用定制预置定价，并不是更便宜的公开套餐。

明确的决策规则是：**只有当当前生产模型通过验收测试，且同步运行表现或 Batch 成本优于同模型备选供应商时，才选择 Groq。**若两项都不成立，低 Token 费率不足以成为迁移理由。

Groq 价格历史说明：预算必须按实时数据核验

即使按量付费的计费结构不变，Groq 的功能和模型级价格也会调整。Developer 于 2025年2月上线时，宣传的 Batch 折扣是同步价格的 25%；当前 Batch 文档给出的折扣已是 50%。

Groq 还在 2025年10月下调 GPT-OSS 价格，并开始为该系列加入 Prompt Caching。目前 GPT-OSS 120B 的费率为 $0.15/$0.60，GPT-OSS 20B 为 $0.075/$0.30，缓存输入价格均为标准输入费率的一半。

目录变动与价格历史同样重要。旧版价格文章曾列出的 Kimi、DeepSeek 等路线，已不在当前 Supported Models 页面中。预算应记录核验日期、模型 ID 和备选路线，不能把复制来的价格当作永久不变。

周一就做：给一个通过验收的工作流定价并设上限

周一选取一个边界清晰的工作流，做出一份工程和财务都能检查的预算。不要从全供应商迁移开始。

1. 1

   记录流量形态

   导出具有代表性的一周数据：请求数、输入 Token、输出 Token、缓存命中 Token、模型 ID、工具调用、重试次数，以及通过验收的结果数。将同步流量与可以等待的任务分开。

2. 2

   计算三条路线

   按实时模型费率计算 On Demand；对符合条件的延迟任务按 50% 计算 Batch；工具则单列成本。不要给 Batch 再套用缓存折扣，也不要假设一个尚未被用量字段验证的缓存命中率。

3. 3

   划定付费边界

   如果 Free 限额打断了路线，就迁移到 Developer。将月度 Spend Limit 设在预测值上方 20% 到 30%，并在 50%、75% 和 90% 处设置提醒。为 10 到 15 分钟的上报延迟留出空间。

4. 4

   保持一条可用的备选路线

   通过另一家供应商，用同一模型运行一个小型评估集。记录端点、实测验收率和切换触发条件，避免目录变化或容量错误演变成紧急迁移。

最终应得到每个通过验收工作流对应的一组预算项：模型 Token、工具、重试和人工审核。实时模型目录、速率限制或价格页发生变化时，重新测算。

常见问题

Groq AI 要多少钱？

Groq Free 的价格是 $0。Developer 不收基础订阅费，按不同模型的实际用量计费。目前生产级文本模型的价格区间为：Llama 3.1 8B Instant 每百万 Token 输入 $0.05、输出 $0.08；Llama 3.3 70B Versatile 输入 $0.59、输出 $0.79。

Groq 可以免费使用吗？

可以，但必须遵守各模型的组织级限额。GPT-OSS 120B 和 20B 当前在 Free 上均为 30 RPM、1,000 RPD、8,000 TPM，以及 200,000 TPD。超过任一适用限额会返回 HTTP 429。

哪些 Groq AI 模型可以免费使用？

Free 套餐在各模型规定的上限内开放受支持目录。需要可持续的评估时，应使用生产模型。Groq 说明预览模型仅供评估，并可能在很短时间内停止提供。

Groq 每月多少钱？

Groq 没有公开的月度或年度自助订阅费。月成本需要按当前费率汇总输入、输出、音频、工具和服务层级用量。本文测算的每月 100,000 次 GPT-OSS 120B 请求，同步成本为 $60，未计缓存和工具费用。

Groq 提供学生折扣吗？

在 2026年8月核验的价格页和计费页面中，Groq 没有列出学生专属折扣。学生及其他轻量用户可以在速率限额内使用通用的 $0 Free 套餐。

Groq 的退款政策是什么？

一般计费退款请求由 Groq 支持团队逐案处理。Service Credits 的规定更严格：无论购买还是赠送的 Credits，均不可退款、不可转让，并会在一年后过期，除非另有期限说明。

Groq 定价调整过吗？

调整过。Batch 于 2025年2月上线时比同步价格低 25%，如今折扣为 50%。Groq 在 2025年10月下调 GPT-OSS 价格，并为该系列加入了缓存。模型目录和具体费率都会变化，应以实时页面为准。

Groq 与 OpenAI 的价格怎么比？

OpenAI 不通过自家 API 提供 GPT-OSS，因此直接比较会更换模型。按统一的 GPT-OSS 120B 负载计算，在缓存折扣前，Groq、Together AI 和 Fireworks AI 处理 1亿个输入 Token 与 2,000万个输出 Token 的成本均为 $27。

获取 AI Tools Map for Business Owners

AI Tools Map for Business Owners 将模型价格转化为采用路线，明确每款工具必须达到的质量底线、运营角色和成本触发点。免费订阅，获取下一期。