用途：这是一份参考文档，说明不同 LLM 提供商如何报告令牌用量，帮助在调试令牌计数或优化前缀缓存时对照各家的字段语义。
主要能力：
- 令牌计数语义对照。OpenAI 的 input_tokens 为总量（含缓存），cached_tokens 是其中子集，无需另加；Anthropic 的 input_tokens 仅含非缓存部分，需加上 cache_read_input_tokens 与 cache_creation_input_tokens，即 total_input = input_tokens + cache_read_input_tokens + cache_creation_input_tokens；Gemini 的 input_tokens 为总量（含缓存），cached_content_token_count 是子集。
- 前缀缓存对照。OpenAI 最小 1,024 令牌、自动启用、TTL 约 5-10 分钟；Anthropic 最小 1,024 令牌、需设置 cache_control 断点、TTL 5 分钟；Gemini 2.0+ 最小 1,024 令牌、隐式自动启用、TTL 可变。
- 推理/思考令牌字段。OpenAI 使用 reasoning_tokens（o1、o3 模型）；Anthropic 无对应字段，思考内容位于 content blocks 而非 usage；Gemini 使用 thoughts_token_count（启用思考的 Gemini 2.0）。
使用方式：按提供商查阅对应参考文件，OpenAI 见 references/openai.md（Chat Completions 与 Responses API、推理模型、cached_tokens），Anthropic 见 references/anthropic.md（cache_control 设置、beta 头、缓存令牌字段），Gemini 见 references/gemini.md（隐式缓存、思考令牌、usage_metadata 字段）。
适用场景：跨提供商统一统计令牌用量、排查计数偏差、配置前缀缓存以降低成本。
限制：资料仅给出上述对照信息，未提供具体代码示例、价格、平台支持范围或更多实现细节，这些内容暂未提供。