麻雀窝 Sparrow Zoo

OpenAI 计费指南:ChatGPT、Codex CLI 与 API 的区别及实操

从认证与账单归属解释为什么 Codex CLI 能用而 API 不通,提供登录检查、API 最小请求、token 费用核算、硬限额配置与 429 排查步骤,并附官方依据和团队记录规范。

适合 Codex 用户、Spring AI 开发者及费用负责人;官方资料核对至 2026-10-15。发布于 更新于
OpenAI 计费地图先认身份 · 再查额度 · 最后对账ChatGPT 登录Codex 套餐权益用量 / CreditsAPI KeyAPI 项目账单Usage / 单价CLI 能用 ≠ API 有额度告警预算与硬限额分别确认
阅读目录

结论先行

决定费用归属的是实际认证身份、产品权益与请求配置,不是你使用 CLI、Java 还是 Spring AI。Codex 使用 ChatGPT 登录与 API Key 登录时分别走对应权益和 API 计费;CLI 可用并不能证明 API 项目有可用额度。OpenAI Authentication。

先确认身份,再配置花费控制,最后用最小请求和平台 Usage 对账。本文以官方文档为事实依据,明确区分产品规则、工程建议和未执行的实操步骤。

问题背景

常见困惑是:ChatGPT 已订阅,Codex CLI 也能正常回答,为什么 Spring AI 还要求 Key、甚至提示额度不足?原因在于“客户端”“身份凭证”“产品权益”“模型接口”是不同层次。CLI 背后同样访问服务,只是可以替用户管理产品登录流程。

本文聚焦 OpenAI 直连接入。第三方中转或云平台转售有独立计费主体,不能直接套用本文账单判断;不同厂商也未必采用相同的订阅/API 分离方式。

详细内容

先判断账单归属:看认证,不看客户端名称

同一个账号能登录 ChatGPT、Codex 和 API Platform,不代表三处共享一个可任意消费的余额。官方把 Codex 的 ChatGPT 登录与 API Key 登录分开:前者使用对应产品权益,后者按 API 计费。CLI 只是程序入口,不是免付费通道。依据:OpenAI Authentication。

调用方式凭证与权益应去哪里核对
Codex + ChatGPT 登录CLI 保存登录凭证;使用相应套餐权益Codex 用量页面、套餐或工作区账单
Codex + API KeyAPI 凭证;API 用量账单API Platform 的组织、项目与 Usage
Spring AI + OpenAI API应用自己的 API 凭证该 Key 所属 API 项目
Spring AI + 自定义 CLI 适配实际运行 CLI 的身份与配置先查 CLI 认证,再查对应账单

Codex 的套餐内用量、额外 credits、企业协议可能有不同口径;不能把 credits 按固定比例一概换成 API 美元,也不能把“订阅可用”写成“无限调用”。具体套餐和剩余额度以账号页面为准。Codex Pricing。

四种“限额”要分别配置和排查

概念它回答什么容易混淆的地方
套餐用量当前 Codex 身份还能执行多少工作不是 API 项目余额
API 余额与获批用量账户是否还有可用资金或使用资格充值不等于提高调用速率
Spend alert / hard limit花费到阈值后告警还是拦截只设置告警不会自动停流量
RPM / TPM 等速率单位时间允许多少请求或 token有钱也可能因速率限制返回 429

官方当前支持组织和项目硬花费限额:在相应 Limits → Spend 中编辑月度金额,并明确启用 Enforce a hard limit;组织上限覆盖所属项目。仅设置 spend alert 只通知、不拦截。硬限额传播有延迟,不能保证账单分毫不超。Spend limits。

实操时先记录组织、项目、月度阈值、是否启用硬拦截和告警接收人;刷新页面复核保存结果。如果账号界面没有该选项,检查权限并向管理员确认,不把输入了金额当作硬限额已生效。速率限制另查 Rate limits。

实操一:确认 Codex CLI 正在使用哪种身份

先做只读检查,不需要发送模型请求,也不需要查看 auth.json:

code
codex --version
codex login status
codex login --help
codex exec --help

以 login status 实际输出判断认证方式。需要改为 ChatGPT 登录时,在自己的终端运行 codex login 并完成浏览器流程;切换身份会影响后续调用,应先确认当前工作区。交互式 Codex 会话中输入 /status 查看剩余额度;它不是 shell 命令。OpenAI Authentication、Codex Pricing。

确认身份、模型与用量后,可手动执行一次最小任务。下面命令会消耗对应账户用量;在无业务数据的空目录执行,并先检查本地是否配置了额外 MCP 或 hooks。只读沙箱约束文件写入,不等于关闭全部工具:

codex exec --sandbox read-only --skip-git-repo-check --ephemeral \
  --json "不要使用工具,不读写文件,只回复 OK。" > codex-smoke.jsonl

验收时同时看退出码和 JSONL:应有成功完成事件及最终回答;如果有失败事件,应保留错误信息排查,不能只看文件存在就认定成功。非交互调用会复用 CLI 已保存的认证。Codex Non-interactive mode。

实操二:独立验证 API,先绕开 Spring 配置干扰

这一步用于选择 API 路线的读者,会产生 API 用量;只验证 CLI 路线可以跳过。准备 Python 3、可访问官方 API 的网络、已确认计费状态的测试项目,以及有目标模型权限的项目 Key。模型必须支持 Responses API,使用 API 模型标识,不直接照搬 CLI 显示名。

在 API Platform 选择正确组织和项目,检查 Billing、Limits、Usage,并按需要配置告警和硬限额。将下面程序保存为 openai_billing_smoke.py,运行 python3 openai_billing_smoke.py。Key 通过隐藏输入读取,或预先由安全环境注入;不要写进脚本或版本库。此示例基于 Developer quickstart 的 HTTP 接口形式。

code
import getpass
import json
import os
import urllib.error
import urllib.request

key = os.environ.get("OPENAI_API_KEY") or getpass.getpass("API Key: ")
model = os.environ.get("OPENAI_MODEL") or input("Responses API model ID: ").strip()
if not key or not model:
    raise SystemExit("Key 和 model 均不能为空")
payload = {
    "model": model,
    "input": "Reply only with OK.",
    "max_output_tokens": 256,
    "store": False,
}
request = urllib.request.Request(
    "https://api.openai.com/v1/responses",
    data=json.dumps(payload).encode("utf-8"),
    headers={"Authorization": "Bearer " + key,
             "Content-Type": "application/json"},
    method="POST",
)
try:
    with urllib.request.urlopen(request, timeout=60) as response:
        body = json.load(response)
        print("request_id:", response.headers.get("x-request-id"))
        print(json.dumps({k: body.get(k) for k in
              ("id", "model", "status", "usage", "incomplete_details")},
              ensure_ascii=False, indent=2))
        for item in body.get("output", []):
            for part in item.get("content", []):
                if part.get("type") == "output_text":
                    print(part.get("text", ""))
except urllib.error.HTTPError as error:
    print("HTTP:", error.code)
    print("request_id:", error.headers.get("x-request-id"))
    print(error.read().decode("utf-8", errors="replace"))
    raise SystemExit(1)
except (urllib.error.URLError, TimeoutError) as error:
    print("请求结果未确认;不要自动重复发送:", type(error).__name__)
    raise SystemExit(2)

成功标准:HTTP 请求成功、status 为 completed、有实际输出且 usage 可读;再到同一项目的 Usage 中核对时间区间和模型。统计可能延迟,应保留 request_id。256 是本例输出 token 上限,不是美元上限,也不保证所有模型都能完成;推理模型可能先耗尽推理预算并返回 incomplete。不要为了得到 OK 无限重试。Reasoning models。

费用怎么算:先读取 usage,再匹配正确价目表

计费核算必须绑定模型、服务档位、上下文档位、模态与核对日期。文本 token、缓存读写、工具、存储和媒体可能采用不同计费项;不能拿输出字符数乘一个统一单价。当前价目表已有 Cache writes 一栏,不能继续把所有缓存行为都视为只有缓存读取折扣。依据:API Pricing。

下面只演示“无缓存写入、无工具、纯文本”的核算。假设总输入为 10,000 token,其中缓存命中 2,000,输出 1,000;假设普通输入、缓存输入、输出价格分别为每百万 token 2、0.2、8 美元。这三项是假设单价,不是任何模型的官方报价。

code
普通输入: (10,000 - 2,000) × 2 / 1,000,000 = $0.0160
缓存输入: 2,000 × 0.2 / 1,000,000          = $0.0004
输出:     1,000 × 8 / 1,000,000            = $0.0080
合计:                                      $0.0244

缓存命中数属于输入细分,不能既按全部输入计费又额外加一遍缓存输入;推理 token 通常计入输出计费,也不能在已包含它的 output_tokens 之外重复相加。实际响应以所选 API 的 usage 结构为准。Reasoning models。

工程建议:每次请求保存模型、服务档位、原始 usage、请求标识、价目表版本和估算金额;用 Decimal 做金额运算。估算只覆盖已建模的计费项,工具、缓存写入或多模态出现时必须扩展核算;最终与平台账单对账。

实操三:遇到 401、429 或模型不可用时怎么查

现象先核实处理方向
401凭证是否有效,是否误用了产品登录凭证重新确认 API Key;不要复制 CLI token 当作通用 Key
模型不存在或无权限API 模型 ID、项目权限、模型可用性核对模型目录和错误体,不凭 CLI 可用推定 API 可用
429:速率限制请求数、token 速率与并发有界退避并降低并发;失败请求也可能计入速率
429:花费上限error.code 与组织/项目限额停止重复重试,由负责人决定调整或等待周期重置
余额或获批用量不足Billing、额度状态及错误码按对应账户问题处理,不只给 ChatGPT 升级套餐
超时或连接中断请求是否已经发出,是否拿到响应 ID记录未知结果并核查,不能直接算零费用

当前官方用 organization_spend_limit_exceeded、project_spend_limit_exceeded 区分花费上限;organization_usage_limit_exceeded 和 credit_balance_exhausted 分别指向获批用量与余额。以实际 error.code 为准,不只判断 HTTP 429。依据:Spend limits、Error codes。

Spring AI 如何选择:官方 API 与 CLI 适配

Spring AI 的 ChatModel 是模型调用抽象,并不规定必须使用 OpenAI 官方 API。普通 OpenAI 适配器按配置的接口与凭证发请求;它不会自动继承你在 Codex CLI 中的订阅登录。接口依据:Spring AI Chat Model API。

code
API 路线:业务 → ChatClient → API 适配器 → OpenAI API 项目账单
CLI 路线:业务 → ChatClient → 自定义 ChatModel → codex exec → CLI 当前身份

CLI 路线在技术上可实现,适合先验证自己的本地工作流;这属于基于官方非交互能力的工程方案,不是官方 Spring AI Codex starter,也不是模型 API 的完整等价替代。适配器至少要处理超时、取消、退出码、事件解析与并发;流式响应、工具调用、Embedding 和 usage 映射须分别验证。

生产接入建议使用可独立授权、计费和观测的应用身份。若选择 CLI,应先评估部署账号、工作区权限、工具访问范围和服务稳定性。更换调用入口不会消除额度约束。

团队可直接采用的计费记录规范

以下是工程建议,不是 OpenAI 强制规范。每个应用维护一份计费说明,便于开发、运维和费用负责人共同核对:

字段填写要求
认证与归属ChatGPT 登录或 API Key;组织、项目、工作区及负责人
调用范围模型 ID、API 端点、档位、工具与模态;测试/生产分开
价格证据官方链接、核对日期、单位、上下文门槛、附加费用
控制措施告警阈值、是否启用硬限额、应用并发和单任务上限
请求证据UTC 时间、业务关联 ID、request_id、usage、结果状态;不记录 Key
异常处理限流重试上限、额度耗尽停止策略、未知费用核对责任人
复核触发换模型、换身份、换档位或引入工具时重新核算

验收清单:CLI 身份能解释其账单归属;API 测试能返回真实 usage;告警与硬限额分别确认;同项目 Usage 可对账;超时不会被当作免费失败;所有示例仅保留占位符或运行时输入。

本文验证边界

资料核对日期为 2026-10-15;本机已检查 codex-cli 0.158.0 的 login 和 exec 帮助。本文未执行付费模型请求、未修改账户计费配置;示例是可执行操作指引,不能据此声称读者账号已通过实测。

总结归纳

本地 Codex 已能使用时,先通过 login status 与 /status 解释当前身份和权益;应用选择 API 后,独立核对项目计费并执行最小请求。成本管理以实际 usage、适用单价和平台账单为依据,告警、硬限额、速率限制分别管理。

长期维护时保留认证、项目、模型、价格日期和请求证据;任何身份、模型或档位切换都重新核对。这样才能把“能调通”推进到“知道谁付费、花了多少、出了问题能定位”。

参考资料

  1. OpenAI Authentication

    认证方式与账单归属;核对日期:2026-10-15。

  2. Codex Pricing

    套餐、credits 与用量查看;核对日期:2026-10-15。

  3. Codex Non-interactive mode

    脚本调用与登录复用;核对日期:2026-10-15。

  4. API Pricing

    计费项目与实时单价;核对日期:2026-10-15。

  5. Spend limits

    告警、硬限额及账单错误码;核对日期:2026-10-15。

  6. Rate limits

    请求与 token 速率限制;核对日期:2026-10-15。

  7. Developer quickstart

    环境变量与 API 请求;核对日期:2026-10-15。

  8. Reasoning models

    推理 token 与输出预算;核对日期:2026-10-15。

  9. Error codes

    认证、权限与限流排查;核对日期:2026-10-15。

  10. Spring AI Chat Model API

    模型适配接口边界;核对日期:2026-10-15。