我打开 langfuse.com/pricing 想看 Core 一档多少钱。套餐卡片上写着「100k units / month included」,基准月费那个数字我在页面正文里翻了两遍没找到。
我没想到 Core 的基准价藏在渲染后的 span 里。后来把页面源码抓下来 curl 了一遍,在一段 text-3xl font-bold 的标签里才看到 $29。就为了这一个数绕了一圈,说出来挺丢人的。但同一个页面上还有别的数字藏在渲染里 —— 这是我这次核查里最没料到的部分,跟价格本身一样重要。
既然已经把定价页、billable units 文档和最近四个 release 都过了一遍,我干脆一次说完整:Langfuse 现在能做什么、钱到底怎么算,以及三处我原来写错、现在会直接踩雷的地方。
先纠正一个我自己的错。选题库把 Langfuse 标成「LLM 可观测性」,这说法现在只对了一半。
它已经不是单纯的 trace 看板
2026 年 1 月,ClickHouse 收购了 Langfuse。官方博客在 langfuse.com/blog/announcing-acquisition 里写得很直接:Langfuse 继续开源、继续可自建,许可证不变。v4.77.0 的改动记录里还有一条挺不起眼的 —— 应用外壳和登录页换成了 "Langfuse by ClickHouse" 的新 logo。我是在翻 release notes 的时候撞见这行的。我第一反应是 logo 换错了。
然后是数据模型。v4 在 2026 年 8 月 17 号上线,核心改动是把原来分开的 traces 表和 observations 表在查询时 join 的做法,换成一张 append-only 的 observations 表,trace 级的属性(user_id、session_id、tags、metadata)直接复制到每一行上。官方 changelog 就在 2026-08-17-langfuse-v4。
这不是内部重构那么无聊。旧版按 trace id 聚合要跨表 join,量一上来就慢;新版聚合变成扫同一张表,代价是行数膨胀 —— 一条只有一次模型调用的请求,在新版里会占 trace + generation 两行。你原来按条数估的存储和账单,都会变大。
所以现在打开 Langfuse 的功能列表,你看到的已经是一整套 AI 工程平台:观测只是最底下那层,上面还压着提示词管理、评测、AI Gateway、一个叫 Halo 的应用内 agent,以及一套自动把 trace 聚成「话题」的 Topics。我把它拆成 8 块讲,每块都说后端会碰到什么。
这里插一句免得混淆。我之前写过 Weights & Biases 和纯手调提示词的对比,那是实验追踪;Comet ML 那篇讲 Opik 评测接进 CI,是评测流水线。Langfuse 跟它们挨着,但干的是更底下一层:先把每次调用的输入输出、耗时、token、成本记下来,评测和实验追踪都是拿这层数据往上搭的。站内 LiteLLM 那篇解决的是「模型从哪来」,Langfuse 解决的是「调完之后发生了什么」,两个不是一回事。
8 个核心功能
1. Trace / Observation / Session 三层模型
Observation 是一个 trace 里的单步:一次 LLM 调用、一次工具调用、一次检索。Observation 之间可以嵌套。Langfuse 把 span 也叫 observation,observation 有自己的类型,generation 和 event 是最常碰到的两种。
Trace 是一次请求或一次操作,比如用户问了一句到给出回答的整个过程。Session 是可选的第三层,把同一次用户交互里的多个 trace 归到一起 —— 聊天界面里的一条 thread 就是典型场景。做多轮对话的才需要 session,单轮问答接上去只是多写一个字段。
一个坑:trace 级的 user_id、session_id、tags、metadata 会被 SDK 自动复制到每一条 observation 上。方便是方便,你写过滤条件的时候得知道这层冗余存在,否则一条 20 步的 trace 按 user_id 一筛,出来 20 行。
2. OpenTelemetry 原生
Langfuse 底下是 OpenTelemetry。这意味着你不必用它的 SDK —— 任何 OTel exporter 都能往里塞。同一条 trace 可以同时发给 Langfuse 和 Datadog,基础设施监控和 LLM 观测不用换栈。
我更关心另一个细节:trace 不是同步发的。SDK 在本地攒批,后台慢慢冲。你要是写个跑完就退出的脚本、批处理任务、或者定时任务,进程退出时队列里还没冲出去的数据就全丢了。官方文档里写了要显式调 flush()。我们组那个每天凌晨跑的评测脚本,最早一版就吃了这个亏 —— 早上没人跑的时候,那天早上的 trace 数量是 0。
3. AI Gateway
2026 年 11 月 4 号进入 public beta 的新东西。你可以不改业务代码,把 base_url 指向 Langfuse 的网关,所有模型调用先过它一遍,观测和成本自动记下来。支持的 provider 已经包括 OpenAI、Anthropic、Azure、Google AI Studio、Vertex AI、Amazon Bedrock,还有 OpenRouter、xAI、Vercel AI Gateway。
对你这种多模型混着用的团队,网关价值在两处:一是 key 可以按模型模式做限制,不是所有 key 都能调所有模型;二是同一份调用在网关这层统一记账。我们把国产 AI 工具接进来那套也是这个思路,换观测层不用重写业务代码,豆包那篇接入实录里踩过的限流和结构化输出的坑,换个观测后端之后一个都不用重踩。
坑在部署侧。v4.76.0 起,网关服务 langfuse-ai-gateway 直接进了默认的 docker-compose,跑在 3031 端口,明文 HTTP。官方文档说得很清楚:宿主机防火墙(比如 ufw)不拦 Docker 发布的端口。你要在云厂商安全组里把 3031 封掉,或者在 docker-compose.yml 里绑 127.0.0.1,前面再放一个做 TLS 终止的反代。
这条我一开始没当回事,觉得内网就够了。后来才想明白,Docker 那种「发布端口」走的是 iptables 的 NAT 链,ufw 规则压根不在那条链上 —— 你在服务器上 ufw status 看着一切正常,端口照样在公网上开着。
4. 提示词管理
提示词写在代码里,是线上出问题时最难回滚的东西之一。Langfuse 的提示词管理做的是版本化:提示词在平台上有版本号,线上代码按标签拉,拉到的和版本号对得上。配套还有 playground、服务端和客户端两层缓存、以及发布标签保护。
这一块跟我们把 提示词工程引进 5 人小组 时踩的坑是同一类 —— 那次卡住我们的不是模型,是流程;提示词版本管理就是流程里最容易自动化的那一段。
5. 评测:数据集、实验、LLM 当裁判
评测分两半。离线是 dataset + experiment:固定一批样本,跑不同版本,比分数。在线是线上打 score,或者挂一个人工标注队列让人来打分。
LLM-as-a-judge 现在用得多了,但有个新变化:v4.82.0 的改动记录里有一条,修的是 provider 返回 429 之后不再原地重试,而是把这条 LLM 连接直接 pause 掉。这条改动看着小,实际影响是 —— 你的评测跑一半被限流了,不会自己恢复,得手动把连接放回来。
6. 成本追踪,和一个被砍掉的功能
token 和成本追踪是 Langfuse 的老本行。但 11 月 6 号有一条 changelog 值得单独拎出来:2026-11-06-retiring-tokenization,官方在这个版本里移除了自动 tokenization。
官方给的理由是,他们认为不应该有人依赖这个行为。v4.77.0 的改动记录里还有一条对应的:worker 不再从 response 内容去推断 observation 的用量。
后果是实打实的:如果你以前是把模型返回内容直接丢进 Langfuse、不带 usage,现在成本面板和 token 统计就是空的,而且不报错。v4.77.0 里加了「引导用户去补交 token usage」的界面,就是因为这个坑不少。所以接入的时候 usage 得自己上报 —— 我现在的做法是直接把模型返回里的 usage 字段映射上去,不让平台猜。猜出来的数你不敢用来算账。
7. 指标、告警、花费预警
自带 dashboard、指标查询和告警。告警条数跟档位走:Hobby 2 条、Core 20 条、Pro 50 条、Enterprise 100 条。另外有一个 spend alert,可以设金额阈值,超过就发邮件提醒 —— 这个对预算控得紧的团队有用,不然月底账单出来才知道超了。
数据导出也有:PostHog、Mixpanel 的实时同步,还有定时批量导出到对象存储。这块要注意 —— 你的 trace 里如果有用户原始输入,导出去就是一份可检索的敏感数据。这属于合规的事,不是技术的事。
8. 自建部署
自建是 Langfuse 最有底气的一块。开源版 MIT 许可证,Docker Compose、Kubernetes、Terraform 都能上,没有使用量限制、没有用户数限制。
但「免费」说的是软件,不是机器。官方给的 Compose 部署建议是:至少 4 核 16 GiB 内存(AWS 上对应 t3.xlarge),存储给到 100 GiB。跑起来是 ClickHouse + Postgres + Redis + 对象存储这一套。所以你算账的时候要把这几台的机器钱算进去,不能拿 $0 跟 SaaS 比。
三处旧写法会失效
这是我想说的重点,也是我写错过的三处。
第一处,SDK 版本和服务器版本绑死了。Python SDK v5 是 11 月 7 号发的,JS/TS SDK v6 是 10 月 14 号。两者都要求服务端至少 v4.59.0,Python v5 还要 Python 3.11 以上。我有个老项目是 Python 3.9 跑的,v4 上装 v5 直接起不来,SDK 本身也要求 3.11。这个约束写在 SDK 升级指南里,不在主文档,你不去点那个链接根本看不到。
第二处,Cloud 上的 v3 已经关掉了。v4.77.0 加了「legacy v3 使用」的顶部横幅,v4.82.0 直接把 v3 的老界面放到 cutoff 开关后面,release 里的措辞是 brownout 和 extended-deadline 两种文案。v3 分支还在打补丁 —— v3.227.1 是 11 月 10 号发的 —— 但 Cloud 端从 11 月 16 号起就是 v4 专属了。还在用 v3 接口的项目,现在要么升要么迁。
第三处,审计日志搬家了。v4.80.0(11 月 13 号)把审计日志从 Postgres 挪到了 ClickHouse,配套做了 Postgres 回填。如果你的合规流程是去查 Postgres 的 audit_logs 表,现在那儿可能已经不是最新数据了,得按官方给的回填流程处理。顺便说,v4.82.0 还修了一个 GitHub Enterprise SSO 配置的 SSRF 问题 —— 如果你们接了自建 GitHub 做 SSO,这个版本得升。
自建的坑,我踩到的和文档写的
官方 Docker Compose 那页列了几个限制,我照着做完了一遍,补充一些文档里没写那么重的部分。
没有默认管理员账号。装完之后 langfuse-web 容器日志里出现 Ready,浏览器打开 3000 端口,没有 admin、没有默认密码。你得回登录页点 Sign up 自己建第一个用户,然后建组织、建项目、拿 API key。想跳过界面就得上 headless 初始化那套命令。我踩的就是这一脚。第一次装完,我盯着登录页以为服务坏了,实际是我在等一个根本不存在的账号。
端口记一下:UI 在 3000,MinIO 在 9090(映射到容器的 9000),worker 在 3030,MinIO 控制台在 9091,AI Gateway 在 3031。只有 web 和 MinIO 需要对外暴露,其他的都绑在 127.0.0.1。
日志不轮转。默认的 docker-compose 继承 Docker 守护进程的日志配置,json-file 驱动默认不轮转,日志涨到把磁盘写满。官方让配 max-size 和 max-file,改完要重启 Docker 并且重建容器,光重启容器不生效。
多模态默认不工作。Compose 里默认用 MinIO 存媒体,但 MinIO 在 Docker 网络外,浏览器直传拿不到,要另外配。图片、音频这类 trace 你会发现传不上去。
Compose 没有高可用。官方自己写了:Compose 不支持水平扩展,没有高可用、没有备份能力,负载超过单机就得换 Kubernetes,或者加负载均衡器往上调机器。观测平台挂在生产链路上,这个前提你得先接受,别等出事那天才发现。
钱怎么算
计费单位叫 unit,口径是:
units = trace 数 + observation 数 + score 数
一次请求如果产生 1 个 trace、3 个 observation、1 个 score,就是 5 个 unit。Langfuse 自己产生的也算 —— LLM-as-a-judge 打的分、标注队列里的分、跑实验产生的 score,全都计费。
阶梯价:前 10 万 included,超出之后 10 万到 100 万是 $8,100 万到 1000 万 $7,1000 万到 5000 万 $6.5,5000 万以上 $6。
官方自己给了三个算例,这三个算例我跑了一遍,三条都对得上:
| 场景 | 月费 | 账单构成 |
|---|---|---|
| Pro,500 万 unit | $551 | $199 底费 + 90 万×$8/10万($72)+ 400 万×$7/10万($280) |
| Pro + Teams,2500 万 unit | $2,176 | $199+$300 底费 + $72 + 900 万×$7/10万($630)+ 1500 万×$6.5/10万($975) |
| Enterprise,1 亿 unit | $8,801 | $2,499 底费 + $72 + $630 + 4000 万×$6.5/10万($2,600)+ 5000 万×$6/10万($3,000) |
底费这一层:Hobby $0、Core $29、Pro $199、Enterprise $2,499,Teams 附加包 $300,换的是企业 SSO、SSO 强制开启、细粒度 RBAC 和专属 Slack 支持。
这几个底费我对比了官方页面源码和三个第三方汇总站,写的是 Core $29、Pro $199、Enterprise $2,499、Teams 附加包 $300,四家一个数,没分歧。我试了官方的定价计算器,它给的示例输出是 20 万 unit 折成 $8、折合每 10 万 $4 —— 跟我自己按阶梯算出来的是同一个数。这两条我也记在这儿,省得你再翻一遍。
档位之间差的不是「能不能用」,是留存和限额。Hobby 送 5 万 unit、只留 30 天数据、2 个用户、每分钟 1000 次摄入、通用 API 每分钟 30 次、2 条告警;Core 送 10 万、留 90 天、用户不限、每分钟 4000 次、API 每分钟 100 次、20 条告警;Pro 留 3 年、每分钟 2 万次、API 每分钟 1000 次、50 条告警,另有 SOC2 Type II 和 ISO 27001 报告、可选 HIPAA 区域。
这里有个容易看混的地方:数据访问期和数据留存策略是两件事。访问期是「你最多能回看多久」,Hobby 30 天、Core 90 天、Pro 和 Enterprise 3 年;留存策略是 Pro 和 Enterprise 上的可选功能,到期真的删数据。升级档位能把老数据重新调出来(官方说旧数据还在存着),但不会自动帮你删。
要省钱,第一刀是砍 unit 数,不是降档。官方有专门的 cutting-costs 指南,思路是采样、别把内部调试调用也记进去、把不需要的 observation 类型关掉。降档省的是底费,砍 unit 省的是全部 —— 按上面那三个算例的量级,超出部分比底费大得多。
自建版 MIT 免费、没有用量计费,但有几项能力要付费 license:审计日志、数据留存策略、项目级 RBAC、SCIM、服务端脱敏。这几项对过合规的团队是硬需求,评估的时候别只盯着「自建免费」这四个字。
我的结论,和它不适用的地方
如果你要的是「看到每次 LLM 调用的输入输出、耗时、token、成本」,Langfuse 的开源版是我目前见过最完整的一套,底层是 OpenTelemetry,不锁 SDK、不锁框架,也不锁你用哪家模型。
不太适合的情况有这么几种。
你要开箱即用的界面,而 Cloud 的免费档只留 30 天数据,三个月前的故障你根本查不回来。团队小、量不大,Hobby 就够,但要有心理准备。
你的数据不能出网。那就自建,自建版没有用量限制、没有用户数限制,机器钱自己算,前面那个 4 核 16 GiB 的起点别忽略。
你要的是高可用。Compose 没有,K8s 才走通,那套运维成本是另一笔账,得算进总成本里。
还有一条我得承认是我的盲区 —— 我只看后端那一面。界面好不好用、多模态顺不顺、标注的人用着方不方便,这些我没花时间试。我写这篇的所有结论都是从文档、release notes 和价格页上核出来的,凡是标了数字的都能自己复核到,没标的那些是我的判断。
复核出处
要自己验,三个地方当天就能查:
langfuse.com/pricing 看四档价格、阶梯价和额度;langfuse.com/docs/administration/billable-units 看 unit 的定义和用量口径;github.com/langfuse/langfuse/releases 看版本和改动,最新的是 v4.82.0,2026 年 11 月 17 号发的。这三处都是原始出处,我说的数字都不作数,页面会变。
—— 查不到那条日志