使用报告中的按模型Token细分

现在，你可以在使用报告中查看人工智能积分背后按模型细分的Token。

对于每个模型，人工智能使用报告都会显示输入、输出、缓存读取和缓存写入Token，以及其消耗的人工智能积分。

以前，报告只显示人工智能积分，没有其下方的Token细节，因此很难解释费用或找到降低费用的方法。

现在，你可以准确追踪输入、输出和缓存Token是如何累加成每个模型成本的，并与利益相关者分享这些细节。

Token细分对Copilot Business和Copilot Enterprise的管理员可用，对Copilot个人版的任何用户也可用。

要获取细分，请从计费设置中的人工智能使用页面下载人工智能使用报告。

有关更多信息，请参阅计费报告参考。

GitHub Copilot使用报告新增按模型拆分的Token明细，帮助用户解释费用并优化成本。

• GitHub Copilot使用报告新增按模型拆分的Token明细，帮助用户解释费用并优化成本。
• 原贴提到：You can now see a per-model breakdown of the tokens behind your AI credi
• 来源：github.blog

这个更新标志着AI成本可见性从“整体模糊”走向“局部精确”。此前，Copilot的计费报告只显示AI积分总量，用户无法知道某一笔费用到底由哪个模型、哪类Token（输入/输出/缓存）驱动，导致成本分析只能靠猜测。

现在，按模型拆分的Token明细包括输入、输出、缓存读取和缓存写入，这正是AI计费的核心变量。缓存Token通常比输入/输出便宜，如果发现缓存读取占比偏低，就意味着存在优化空间——比如调整prompt结构或使用更稳定的上下文模式，以提升缓存命中率。对于企业而言，这种粒度对于内部成本分摊、预算预估和异常波动排查都至关重要。

对Copilot Business/Enterprise的管理员来说，这是刚需功能。他们可以下载报告，定位到具体模型的成本贡献，并与财务或业务部门沟通，用数据支撑合理的IT支出决策。个人用户也能通过该功能追踪自己的使用习惯，选择更经济的调用方式。

行动建议：管理员应定期（如每月）下载AI使用报告，建立Token消耗基线；对比不同模型、不同时期的缓存命中率，识别异常增长或高成本调用；同时将相关数据同步给利益相关者，避免信息黑盒。

风险与限制：该功能仅提供Token和积分，不显示具体价格（因为Copilot是按订阅制而非按Token计费），所以“成本”仍是间接指标。此外，Token细分的维度只是模型级别，不区分具体应用或用户，因此若需更深层的归因，还需借助其他日志。个人版用户虽然有此功能，但使用场景相对有限。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 github.blog 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《使用报告中的按模型Token细分》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• Allison 原帖