用 Opik 追踪 LLM 应用成本：从仪表盘到自动补算的完整思路

很多团队在做 LLM 应用时，前期注意力都放在效果上：回答准不准、工具调用顺不顺、用户体验好不好。等到项目慢慢跑起来，调用量上去了，才突然发现账单涨得比预期快。这时候再回头看，很难说清楚钱到底花在哪个模型、哪条链路、哪次请求上。成本问题表面看是财务问题，实际上更像个工程可观测性问题：如果没有把成本拆到每次调用、每条 trace、每个项目上，优化就无从下手。

Opik 在这方面的设计思路比较直接：通过测量所有 trace 的 token 使用量，来追踪和监控 LLM 应用的成本。它把成本估算结果统一以 USD 显示，方便团队在不同层级上分析花费模式，也能比较快地发现成本异常。下面从仪表盘、代码接口、手动补算、支持范围几个角度，把 Opik 的成本追踪能力梳理一遍。

在仪表盘里看成本：三个层级各有各的用处

Opik 的仪表盘可以在三个层级查看成本：span、trace 和 project。每个层级提供的视角不一样，适合的问题也不一样。

Span 级成本

单个 span 会显示每个 LLM span 的计算成本，单位是 USD。也就是说，一次 LLM 调用花了多少钱，在 span 这一层就能看到。

这个层级的价值在于定位。比如一个 Agent 在一次请求里调用了多个模型：一个负责意图识别，一个负责生成回答，一个负责总结。如果只看总成本，你不知道是哪个环节贵。拆到 span 级之后，就能看出是某个模型单价高，还是 token 用得多，或者是某次调用出现了异常长的输入输出。对于优化提示词、调整模型路由、限制上下文长度，span 级成本都是最细的依据。

Trace 级成本

如果你使用了 Opik 的某个集成，它会自动把一条 trace 内所有 span 的成本聚合起来，计算整条 trace 的总成本。

这个层级更贴近“一次用户请求”的成本。用户问一个问题，背后可能触发检索、工具调用、多轮模型生成，最终产生多个 span。trace 级成本把这些都加在一起，让你知道服务一个用户请求大概要花多少钱。对于按对话收费、按调用量估算预算、或者分析高成本用户行为，trace 级数据非常实用。

Project 级分析

想看整个项目的成本，Opik 提供了两个入口：

1. 主项目视图里的 Estimated Cost 列：

2. 项目 Metrics 标签页，这里会显示成本随时间变化的趋势：

项目级视图适合回答更宏观的问题：这周比上周多花了多少？上线新功能之后成本曲线有没有明显抬头？某个模型版本切换后整体花费是升了还是降了？如果配合时间维度看，很容易发现异常。比如某天成本突然翻倍，可能是流量涨了，也可能是某个提示词变长导致 token 暴涨，或者某个集成出现了重试循环。仪表盘把趋势摆出来，排查就有了起点。

用代码获取成本：span 和 trace 都能拿到

除了在界面上看，Opik 也允许通过代码获取估算成本。这一点对自动化报表、预算告警、内部计费系统都很有用。

需要注意的是，如果 span 或 trace 使用了不支持的模型，返回的成本会是 None。所以拿到结果后，最好先判断一下，避免直接参与计算导致报错。

获取 Span 成本

import opik

client = opik.Opik()

span = client.get_span_content("<SPAN_ID>")
# Returns estimated cost in USD, or None for unsupported models
print(span.total_estimated_cost)

这段代码通过 span ID 拿到 span 内容，然后读取 total_estimated_cost。如果模型受支持，会返回估算成本；如果不支持，就是 None。

获取 Trace 成本

import opik

client = opik.Opik()

trace = client.get_trace_content("<TRACE_ID>")
# Returns estimated cost in USD, or None for unsupported models
print(trace.total_estimated_cost)

和 span 类似，trace 也有 total_estimated_cost。对于已经使用 Opik 集成的项目，这个值通常由内部 span 成本聚合而来。对于自建埋点的项目，就需要确保每个 LLM span 都带上了足够的信息，否则聚合结果可能不完整。

不用集成时，手动指定 provider、model 和 usage

如果你没有使用 Opik 的集成，Opik 仍然可以计算成本。前提是你要把关键信息传进去。具体来说，需要确保 span 类型是 llm，并且提供以下三项：

1. provider：提供商名称，通常是 openai、anthropic、google_ai 等。最新的提供商列表可以查看 opik.LLMProvider 枚举对象。
2. model：模型名称。
3. usage：这次 LLM 调用的输入、输出和总 token 数。

然后就可以在记录 trace 和 span 时把这些信息带上。根据使用方式不同，有两种写法。

函数装饰器

如果你用函数装饰器，需要在函数内部调用 update_current_span：

from opik import track, opik_context

@track(type="llm") # Note - Specifying the type is this is important
def llm_call(input):
  opik_context.update_current_span(
    provider="openai",
    model="gpt-3.5-turbo",
    usage={
      "prompt_tokens": 4,
      "completion_tokens": 6,
      "total_tokens": 10
    }
  )
  return "Hello, world!"

llm_call("Hello world!")

这里有一个细节：@track(type="llm") 里的 type 很重要。只有把 span 类型标成 llm，Opik 才会按 LLM 调用来处理成本。否则它可能只被当成普通 span，成本计算就不会触发。

低层 Python SDK

如果你直接用低层 Python SDK，可以在 client.span 或 trace.span 方法里传入这些字段：

import opik

client = opik.Opik()

trace = client.trace(
  name="custom_trace",
  input={"text": "Hello world!"},
)

# Logging the LLM call
span = trace.span(
  name="llm_call",
  type="llm",
  input={"text": "Hello world!"},
  output={"response": "Hello world!"},
  provider="openai",
  model="gpt-3.5-turbo",
  usage={
    "prompt_tokens": 4,
    "completion_tokens": 6,
    "total_tokens": 10
  }
)

这种方式适合自己控制埋点流程的项目。你可以把 provider、model、usage 当成普通字段传进去，Opik 会根据内置的价格表去估算成本。对于已经有一套自定义日志系统的团队，这种低层接口更容易接入现有链路。

手动设置 Span 成本：自定义价格和补算的出口

有些时候，自动成本追踪不一定覆盖你的情况。比如用了尚未支持的模型、和供应商签了自定义价格、或者想跟踪模型使用之外的额外成本。这时候可以手动设置 span 成本。Opik 提供了两种方式，分别对应不同时机。

创建 Span 时直接设置成本

如果你在手动创建 span，可以在创建时就把成本写进去：

from opik import track, opik_context

@track
def llm_call(input):
  opik_context.update_current_span(
    total_cost=0.05,
  )
  return "Hello, world!"

llm_call("Hello world!")

这个例子直接把 total_cost 设成 0.05。适合你已经知道这次调用成本，或者内部有另一套计价逻辑，想直接覆盖 Opik 的估算值。

Span 完成后更新成本

使用 Opik 集成时，span 往往是自动创建、自动关闭的，打开期间没法更新。但你可以等它结束之后，用 update_span 方法回头更新成本。这种方式很适合实现周期性的成本估算任务。

下面是一个完整的示例。它定义了自己的 token 成本映射，然后扫描没有估算成本的 LLM span，计算并回填成本：

from opik import Opik
from opik.rest_api.types.span_public import SpanPublic

# Define your own cost mapping for different models
TOKEN_COST = {
    ("openai.chat", "gpt-4o-2024-08-06"): {
        "input_tokens": 2.5e-06,
        "output_tokens": 1e-05,
    }
}

# This part would be custom for your use-case and is only here for example
def compute_cost_for_span(span: SpanPublic):
    provider = span.provider or span.input.get("ai.model.provider")
    model = span.model or span.output.get("gen_ai.response.model")
    usage = span.usage

    if (provider, model) in TOKEN_COST:
        model_cost = TOKEN_COST[(provider, model)]
        cost = (
            usage["input_tokens"] * model_cost["input_tokens"]
            + usage["output_tokens"] * model_cost["output_tokens"]
        )
        return cost
    return None

def update_span_costs(project_name, trace_id=None):
    opik_client = Opik()

    # Find LLM spans that don't have estimated costs
    spans = opik_client.search_spans(
        project_name=project_name,
        trace_id=trace_id,
        filter_string='type="llm" and total_estimated_cost=0',
    )

    for span in spans:
        cost = compute_cost_for_span(span)

        if cost:
            print(f"Updating span {span.id} of trace {span.trace_id} with cost: {cost}")
            opik_client.update_span(
                trace_id=span.trace_id,
                parent_span_id=span.parent_span_id,
                project_name=project_name,
                id=span.id,
                total_cost=cost,
            )

# Example usage in a CRON job
if __name__ == "__main__":
    update_span_costs("your-project-name")

这段代码有几个关键点。第一，TOKEN_COST 是自定义的价格表，你可以按自己的合同价、汇率、折扣来填。第二，compute_cost_for_span 会从 span 里取 provider、model 和 usage，然后按输入、输出 token 分别计算。第三，search_spans 里用了过滤条件 type="llm" and total_estimated_cost=0，专门找那些还没有成本的 LLM span。第四，update_span 会把算出来的成本写回去，参数包括 trace_id、parent_span_id、project_name、id 和 total_cost。

这种方案特别适合以下场景：

• 使用自动成本追踪尚未支持的模型或提供商；
• 和提供商有自定义价格协议，内置价格表不适用；
• 想跟踪模型使用之外的额外成本，比如存储、检索、第三方 API；
• 需要把成本估算实现为后台进程，而不是阻塞主流程；
• 使用的集成会自动管理 span，无法在创建时直接写入成本。

文档里还给了一个提示：可以把成本更新函数作为 CRON job 运行，自动更新那些没有成本信息的 span。在生产环境里，这一点很有价值。因为线上流量不会等你，任何漏算的成本如果没人补，最后都会变成一笔糊涂账。定时补算相当于给成本数据加了一层兜底。

支持的模型、提供商和集成

Opik 目前会为以下 Python SDK 集成中的所有 LLM 调用自动计算成本：

• Google ADK Integration
• AWS Bedrock Integration
• LangChain Integration
• OpenAI Integration
• LiteLLM Integration
• Anthropic Integration
• CrewAI Integration
• Google AI Integration
• Haystack Integration
• LlamaIndex Integration

如果你正好用这些框架或 SDK，接入之后基本不用额外操心成本字段，Opik 会自己算。

支持的提供商

成本追踪支持以下 LLM 提供商，这些定义在 opik.LLMProvider 枚举里：

• OpenAI（openai）：OpenAI 托管的模型（https://platform.openai.com）
• Anthropic（anthropic）：Anthropic 托管的模型（https://www.anthropic.com）
• Anthropic on Vertex AI（anthropic_vertexai）：Google Vertex AI 托管的 Anthropic 模型
• Google AI（google_ai）：Google AI Studio 托管的 Gemini 模型（https://ai.google.dev/aistudio）
• Google Vertex AI（google_vertexai）：Google Vertex AI 托管的 Gemini 模型（https://cloud.google.com/vertex-ai）
• AWS Bedrock（bedrock）：AWS Bedrock 托管的模型（https://aws.amazon.com/bedrock）
• Groq（groq）：Groq 托管的模型（https://groq.com）

这些提供商下具体支持哪些模型，可以查看 model_prices_and_context_window.json 文件。价格表更新后，自动成本估算也会跟着变化。对于使用主流模型的团队，通常不需要自己维护价格。

文档里还有一句提示：Opik 正在积极扩展成本追踪支持。如果你需要额外的模型或提供商，可以开一个 feature request，帮助团队排优先级。这一点挺务实，因为模型市场变化太快，今天的热门模型明天可能就换了一批，靠官方单方面追进度不现实，用户反馈能加快覆盖速度。

写在最后

成本追踪这件事，很容易被当成上线之后才需要考虑的“运维问题”。但从实际经验看，越早把成本可视化，后面越省事。Opik 把成本拆到 span、trace、project 三个层级，既能看到单次调用的花费，也能看整体趋势；既支持集成自动计算，也允许通过 SDK 手动传入 provider、model、usage；对于不支持的模型或自定义价格，还能在创建时设置成本，或者事后用 update_span 补算。再加上 CRON job 这种兜底手段，成本数据不至于因为某个模型没覆盖就断掉。

对于正在做 LLM 应用的团队来说，比较稳妥的做法是：先把仪表盘用起来，知道钱花在哪；再用代码接口把成本接入内部报表或告警；最后针对不支持的模型和特殊价格，建立补算流程。这样一套组合下来，成本就不再是月底账单上的一个数字，而是可以拆解、可以比较、可以优化的工程指标。Opik 提供的这些能力，本质上就是让团队在效果和成本之间，有更清楚的判断依据。