I2D 成本计算器

图纸参数

文件类型

识别模型AI 识别引擎。旗舰模型精度最高但费用较贵，经济模型费用低但精度稍逊。

常用图幅

页面宽度 (mm)

页面高度 (mm)

每张图纸页数

图纸数量

渲染像素尺寸将图纸按 400 DPI 渲染后得到的像素大小，尺寸越大识别越精确。-

图像增强对非 PDF 图片额外放大 20%，以提升小文字的识别率。-

最终像素尺寸-

切块网格将整张图按 2048×2048 像素切成网格，例如 "3 x 4" 表示横 3 块、纵 4 块。-

总切块数（每页）每页被切成的小块数量。每个切块都需要单独调用一次 AI，因此切块数直接影响费用。-

总 API 调用次数（每页）每页需要的 AI 请求总数 = 1次全图概览 + 切块数×逐块识别 + 校验 + 1次分类。-

步骤	调用次数该步骤需要请求 AI 的次数。	输入 Tokens发送给 AI 的数据量。Token 是 AI 的计量单位，可理解为"字词片段"，约 1-2 个汉字为一个 Token。	输出 TokensAI 返回的识别结果数据量，通常比输入少但单价更高。	缓存 Tokens重复使用的输入数据可走缓存，费率远低于普通输入，能有效降低成本。	费用

说明：以上为基于真实处理数据的平均 Token 用量预估，实际费用可能因图纸复杂度、特性数量及重试次数而有所不同。第 3 步（框校验）仅在检测到可疑标注框时运行。第 4 步（分类）每张图纸运行一次。缓存 Tokens 可降低输入费用，缓存费率因模型而异。