TTSI vs SDLLMTK：两个 LLM Token 支出指数的异同与怎么选

一、先说相同的部分

两个指数回答同一个问题：市场为一百万个 token 实际支付多少钱。 做法骨架也一样——用真实消耗量给各模型价格加权，输入/输出按固定比例混合成单一价格。 我们复现时的对照结果是：同样在 1 月出现小高峰、5 月见到近半年高点、6 月回落、7 月初回升， 量级都在每百万 token 一到三美元的区间。

两个独立团队、两套数据管道，算出了同一形状的曲线。对读者来说这是好事：引用任何一个时，都可以拿另一个交叉验证。

二、差异总表

三、几项差异展开讲

口径完全公开

这是最大的差异。Silicon Data 公开了方法框架，但 input/output 比例、上下文窗口与批处理的归一化方式、 可靠性如何进价格，这些细节外界无从核对。TTSI 反过来：公式、参数、每日篮子构成、 OpenRouter 标识到模型的映射表、价格异常的观察期规则，全部公开在指数页； 连我们自己的已知偏差（历史价格外推段、生态口径）也写在页面上。 一个可以被指着某天篮子挑错的指数，和一个只能选择信或不信的指数，可信度的来源不同。

子指数与前沿溢价

单一全市场指数会掩盖结构分化。2026 年 5 到 6 月正是典型：闭源前沿模型价格走高、开源权重模型价格下探， 全市场指数的回落其实是两条反向曲线加权的结果（详见归因篇）。 TTSI 按模型库的开源标签拆出 TTSI-F 与 TTSI-O 两条子指数，两者之比即 Frontier Premium（当前约 10.6 倍）——看单一指数看不到的分层，在这里一目了然。

CPI-per-IQ：每单位智能的支出

纯价格指数回答不了「买到的智能是否在变便宜」——如果均价不变但模型能力翻倍，真实成本其实腰斩了。 TTSI 结合 Artificial Analysis 的智能指数，把篮子加权价除以用量加权智能得到 CPI-per-IQ（当前 $5.43 / 每 100 分智能）， 用来跟踪「智能通缩」的速度。这是 TrakToken 独有的衍生指标。

事件标注

指数异动的第一个问题永远是「那天发生了什么」。TTSI 的管道自动检测模型发布、降价、涨价与份额突变， 连同估算的对指数影响一起标注在图表上——比如 5 月底 DeepSeek 与小米的两次大降价、 Opus 4.8 发布后的份额爬坡，都直接钉在曲线对应的日期上，不需要自己翻新闻对时间线。

数据获取与许可

Silicon Data 免费展示最新读数（一手数据），完整历史与深度服务是 $499 的整体套餐——对金融机构客户， 这个定价没有问题。TTSI 走另一条路：JSON API、每日更新的 CSV 全量下载、可嵌入 widget 全部免费， 数据以 CC BY 4.0 发布，署名「TrakToken Spend Index」并回链即可用于报道、研究或二次分析。

四、怎么选

• 在彭博终端里工作、需要机构级数据服务：用 SDLLMTK， 终端集成和合规交付是它的主场。
• 写报道、做研究、需要引用且可被复核的数据：用 TTSI， 口径可查、数据可下载、许可允许转载。
• 关心结构而不只是总量（开源 vs 闭源、前沿溢价、每单位智能成本）： 这些只有 TTSI 提供。
• 做严肃判断：两个都看。独立口径互相印证，比任何单一「风向标」都可靠。

五、共同的局限

公平起见，最后说两个指数都绕不开的问题：厂商官方用量基本不可得（订阅套餐制的消耗无法按 token 折算）， 公开可得的日更用量数据以 OpenRouter 生态为主，独立开发者与 agent 应用占大头， 大企业直连厂商的 toB 流量都不在统计内。所以无论哪个指数，衡量的都是「公开市场」的支出价格， 把它外推到整个行业时要留有余地——这也是我们对「最清晰、最直接的市场风向标」这类说法保持警惕的原因。