一句话结论：按腾讯云官方文档加真实调用返回反推，一篇 2000 字的文章大约消耗 3300～3400 个 token；每月 50 万的免费额度，大约能检测 145～150 篇。至于付费，官方公开的是按量单价 —— 0.001 元/EIU，文本检测 40 EIU/次（每 1000 字符算 1 次，向上取整），折合 0.04 元/千字符、一篇 2000 字文章 0.08 元；而企业版套餐本身不公开标价，需要走"联系我们"的商务申请表单询价。

下面把调查过程、数据出处和几个容易踩的坑完整记下来。

一、先说清楚：这个"朱雀检测"是什么

名字叫朱雀（Zhuque）AIGC 检测模型，是腾讯判断文本/图片是否由 AI 生成的能力。对开发者开放的入口是腾讯云 EdgeOne Makers 的内置模型 @makers/zhuque-text。

接口就一个，同步调用：

POST https://ai-gateway.edgeone.link/v1/providers/zhuque-text/classify
Authorization: Bearer $MAKERS_MODELS_KEY
Content-Type: application/json

{ "text": "待检测的文本", "is_merge": true }

参数只有两个：text（必填）和 is_merge（是否合并段落，默认 true）。is_merge=false 时每个段落独立输出置信度。

返回里跟"钱"有关的是两个字段，官方文档特意用了加粗强调区分：

字段	含义
usage.total_tokens	朱雀模型自身的用量统计，与免费额度核算无关
makers_models_usage.total_tokens	本次调用实际扣减的 Makers 免费额度 token 数，核算免费额度以此字段为准

⚠️ 这两个数不一样，而且差得不小。只看第一个数去估额度，会低估约 40%，很容易在月底突然发现额度提前烧完。

二、一篇 2000 字的文章，到底烧多少 token

官方文档没有给出"每字折算多少 token"的公式，只能用两组真实数据反推。

证据 A —— 官方文档示例（11 字符）：

"segment_labels": [ {"text": "hello world", "label": 0, "order": 1, "position": [0, 11]} ],
"usage": {"total_tokens": 50},
"makers_models_usage": {"total_tokens": 30}

证据 B —— 腾讯云开发者社区的真实调用提问（2026-10-09）：网友贴出的实际返回中，输入文本长度约 494 个字符，返回里是

"usage": {"total_tokens": 494},
"makers_models_usage": {"total_tokens": 824}

把两组数据放一起，规律就很清楚了：

字符数	usage.total_tokens	makers_models_usage（计费）	计费/字符
11	50（≈字符数）	30	2.7×（含固定开销）
494	494	824	1.668×

可以得出三条结论：

1. usage.total_tokens 基本等于字符数（11→50 那条是旧样例，494→494 这条对得很准）。
2. makers_models_usage（真正计费的那个）≈ 1.67 × 字符数，短文本里还含一点点固定开销。
3. 按 1.67 倍线性外推，2000 字 ≈ 3340 token。取整说，一篇 2000 字文章约 3300～3400 token。

按 1.7 倍的经验值粗算也一致：2000 × 1.7 = 3400。所以"token ≈ 1.7 × 字数"可以直接当日常估算公式用。

三、50 万免费额度能检测几篇

500000 ÷ 3400 ≈ 147；500000 ÷ 3300 ≈ 151。

所以答案很实在：每月大约 145～150 篇 2000 字的文章。取中位数说 ≈150 篇/月，平均一天不到 5 篇。

▲ 一条换算链：2000 字 × 1.7 计费系数 ≈ 3400 token，50 万额度 ÷ 3400 ≈ 每月 150 篇。底部两个字段别取错，只认 makers_models_usage。

换算成别的篇幅：

文章篇幅	单篇 token（估算）	50 万额度可测篇数
800 字（短评/快讯）	≈1,360	≈367 篇
1000 字	≈1,700	≈294 篇
2000 字	≈3,300～3,400	≈147～151 篇
3000 字（长文/论文段落）	≈5,100	≈98 篇

下面这张图是按"每天测几篇 2000 字文章"算的月度消耗，虚线是 50 万免费额度的天花板：

结论：每天 3 篇以内很宽裕；一旦到每天 5 篇左右，就基本贴着 50 万的线跑，没有余量。

补充一句：官方页面上写的是"每月免费额度为 50 万 token"，配额文档里还注明这是按账号维度计算、所有项目共享的免费版配额，周期从开通 Makers 服务那天起算。所以不是每个 Key 各一份 —— Key 只是同一份额度下的不同凭证。

四、付费怎么买、什么价

免费额度不够时，官方原文是"请联系我们申请开通企业版专属方案"。点进去是腾讯云的商务申请表单，没有公开标价，需要留资询价。

但单价其实是公开的，藏在另一篇计费文档《边缘推理用量单元》里。付费侧走的不是 token，而是另一种计量单位 EIU（Edge Inference Unit，边缘推理用量单元）：

项目	官方价格
EIU 单价（中国大陆站）	0.001 元 / EIU（1 元 = 1000 EIU）
EIU 单价（国际站）	USD 0.000143 / EIU
文本检测 zhuque-text	40 EIU / 次 —— 单次最多 1000 字符；不足 1000 字符按 1 次；超过则每 1000 字符算 1 次，向上取整
图片检测 zhuque-image	30 EIU / 张

折算成人话：

• 0.04 元 / 千字符；
• 一篇 2000 字文章 = 2 次 = 80 EIU = 0.08 元；
• 1 万篇 2000 字的文章 = 80 万 EIU = 800 元；
• 图片检测 0.03 元 / 张。

官方文档里还给了个可对照的例子：单次检测 22000 字符 → 按每 1000 字符 1 次向上取整 = 22 次 → 22 × 40 = 880 EIU → 0.88 元。算法和我们上面的口径完全一致。

两个必须注意的点：

1. 这套 EIU 计费仅对企业版套餐开放。官方文档原话是"该功能仅对企业版套餐开放。如需使用，请联系我们开通"——个人版/免费版拿不到这个按量通道。
2. 免费额度和付费是两套计量口径。免费的内置模型按 token 扣（≈1.7×字数）；付费的 Makers Model Pro 按 EIU 扣（按次/每千字符）。两边数字不能直接换算对比，做预算时别串了。

五、顺带算一笔：不花钱的路子

如果只是想偶尔验几篇文章，其实还有两个零成本入口：

入口	免费额度	适合
朱雀官网网页版 matrix.tencent.com/ai-detect	登录后每日 20 次文本检测，单次 ≤2000 字	手动零星检测
EdgeOne Makers 内置模型 @makers/zhuque-text	每月 50 万 token（≈150 篇 2000 字）	接入自己的流水线批量跑

按 2000 字一篇算，官网网页版每天 20 次、天天用满，一个月理论上有 600 次；但如果要自动化、批量、接进自己的内容流水线，还是 Makers 的 API 更实际 —— 50 万 token 对应的 ≈150 篇/月，对个人站长的日常发文量是够的。

六、几条实操提醒

1. 日志里存的额度字段别存错。落库、做看板、写告警，一律取 makers_models_usage.total_tokens；取 usage.total_tokens 会系统性地低估约 40%。
2. 2000 字是个敏感边界。付费侧按"每 1000 字符一次、向上取整"，1001 字和 2000 字都是 2 次计费 —— 换句话说，刚过 1000 字就白送一半。要控成本，把单篇拆到刚好卡在 1000 字整会更划算。
3. 免费额度按账号共享，不是按 Key。多建几个 Key 不会多出额度。
4. 接口会重新切段。返回的 segment_labels 段落划分跟原文自然段并不一一对应（官方社区已有确认），别按索引硬对齐，要用片段文本回原文做匹配。
5. 检测结果是参考值。官方明确写了"AIGC 检测结果仅供辅助参考，不构成确定性结论"。

七、数据来源

• 腾讯云文档《边缘安全加速平台 EO · 使用朱雀模型》—— cloud.tencent.com/document/product/1552/137539（最近更新 2026-10-09）
• 腾讯云文档《边缘安全加速平台 EO · 边缘推理用量单元》—— cloud.tencent.com/document/product/1552/136025（最近更新 2026-08-19）
• 腾讯云开发者社区提问《调用朱雀返回按段落返回置信度时…》—— 真实调用返回样本（2026-10-09）
• EdgeOne 文档《Limits》—— 免费版内置模型配额 500,000 tokens/month

说明：官方并未公布"每字折算多少 token"的精确公式，本文的 1.67～1.7 倍系数是从两组真实返回数据反推得出，2000 字 ≈3300～3400 token、50 万 ≈150 篇均为估算值，用于预算参考。要精确对账，请以控制台「Makers → 模型用量数据总览 → 内置模型」的官方统计为准。