用于按 token 量和美元成本两个不同维度归因 AI 使用情况。单一 token 排行榜具有误导性：便宜的开放模型常在繁忙的智能体循环里赢得用量，而高级模型掌握更少但更难的调用，因此需同时计算两者。资料给出的公开参照为 OpenRouter 2026 年 6 月排名，Anthropic 模型约占 12% token 但约 46% 收入，用户自身账单通常也隐藏同样的反转。
使用方式：
-
获取用量导出：一个真实周期（如一个月，而非一周，周快照波动大且免费预览模型会先飙升再消失）内各模型的 token 数。网关仪表盘导出或手工整理的清单均可。
-
把每个模型划为 cheap_open 或 premium，并附上每个模型来自当前定价页（不可凭记忆）的单位价格 usd_per_mtok。
-
按层级计算各占 token 总量与美元总量的比例。健康结构的特征是反转：便宜模型主导用量，高级模型主导成本。
-
用一张表加一句话报告：X% 的 token 花掉了 Y% 的钱。随后给出可执行解读：若高级模型成本占比高但调用像批量工作，那是要修的路由缺陷；若高成本来自真正困难的调用，则该支出物有所值。
验证方式：创建 receipts.json，其中含 period、models 数组，每个模型含 name、tier、tokens、usd_per_mtok。用 node 读取该文件，校验至少两个模型、每个模型必须具备 tier、tokens、usd_per_mtok，然后按 tokens/1e6*usd_per_mtok 计算各模型成本，累加总量与分层总量，输出 cheap_open 与 premium 各自的用量占比与成本占比。示例数据使用 2026 年 6 月的公开形状，应换成用户真实数字运行。
限制与注意事项：不得把高 token 排名读作“最佳模型”或“最大成本”，它通常只意味着便宜模型处在繁忙循环中。网关账单天然不完整：直连服务商密钥或私有部署的用量不会出现，需说明导出可见与不可见的部分。归因必须基于真实周期，单独一个异常周（迁移、失控循环、免费预览）会得出自信但错误的结论。