Prezzi API Gateway OpenAI: esempi di costo reale

Il prezzo in una tabella

Se hai cercato openai gateway api pricing, ecco la risposta per questo servizio subito. Fattura per token, in due voci, da un saldo che ricarichi in anticipo. Non ci sono costi mensili, nessun costo per utente e nessun impegno minimo oltre alla prima ricarica.

Voce	Tasso
Token di input (il tuo prompt)	$0,15 per 1M
Token di output (la risposta)	$0,50 per 1M
Richieste fallite o rifiutate	Non addebitate
Scadenza del credito	Mai
Abbonamento	Nessuna

Una cosa da chiarire: questo è un endpoint ospitato per un singolo modello di testo open-weight, raggiungibile con l'ID del modello uncensored. Non è l'API ufficiale di OpenAI o di qualsiasi altro fornitore, quindi i prezzi sopra sono ciò che questo servizio addebita e non dicono nulla su quanto addebitano altri provider. Per i prezzi di altri, controlla la loro pagina dei prezzi corrente.

Come si calcola la fattura

Ogni richiesta è fatturata in due parti. Il prompt che invii, incluso il messaggio di sistema e l'intera cronologia della conversazione, conta come input. Il testo che il modello scrive conta come output. La risposta include un oggetto usage con entrambi i numeri, così non devi mai indovinare.

La formula è breve:

costo = (token input ÷ 1.000.000 × 0,15) + (token output ÷ 1.000.000 × 0,50)

L'output costa poco più di tre volte l'input, per token. Questo influenza come risparmiare. Tagliare un prompt lungo aiuta, ma limitare le risposte prolisse spesso aiuta di più per token rimosso.

La finestra di contesto è di 100.000 token, prompt e completamento insieme, e max_tokens è opzionale. Se lo lasci fuori, una singola risposta può in teoria usare il resto della finestra. Per un modello chiacchierone con un prompt aperto, un max_tokens ragionevole è l'assicurazione più economica che puoi comprare.

Esempi di calcolo

Ogni esempio qui sotto mostra il calcolo, così puoi inserire i tuoi numeri.

Un turno di chat

Uno scambio di tipo supporto con un prompt da 2.000 token e una risposta da 500 token:

• Input: 2.000 ÷ 1.000.000 × $0,15 = $0,0003
• Output: 500 ÷ 1.000.000 × $0,50 = $0,00025
• Totale: $0.00055 per turno

Dividi $20 per $0,00055 e ottieni circa 36.363 di questi turni. Il credito di prova di $0,50 copre circa 909 di questi.

Lavoro batch

Vuoi riassumere 5.000 documenti. Ognuno è lungo 3.000 token e il riassunto è di 400 token.

• Input: 5.000 × 3.000 = 15.000.000 token, quindi 15 × $0,15 = $2,25
• Output: 5.000 × 400 = 2.000.000 token, quindi 2 × $0,50 = $1,00
• Totale: $3,25

Una piccola app per un mese

Diciamo che il tuo prodotto gestisce 1.000 richieste al giorno per 30 giorni. Ogni richiesta ha 1.500 token in input e 300 in output.

• Richieste: 1.000 × 30 = 30.000
• Input: 30.000 × 1.500 = 45.000.000 token, quindi 45 × $0,15 = $6,75
• Output: 30.000 × 300 = 9.000.000 token, quindi 9 × $0,50 = $4,50
• Totale: $11,25 per il mese

Un prompt che riempie la finestra

Il caso peggiore per una chiamata è un prompt vicino al limite di 100.000 token. Con 100.000 token in input e una risposta di 1.000 token: 0,1 × $0,15 = $0,015 per l'input, più 0,001 × $0,50 = $0,0005 per l'output, che è $0,0155. Anche una finestra piena costa circa un centesimo e mezzo.

Perché le conversazioni lunghe costano più del previsto

Le API di chat sono stateless. Per mantenere viva una conversazione, la tua app invia l'intera cronologia con ogni nuovo messaggio. Quindi l'input per il turno 30 include di nuovo i turni da 1 a 29, e il conto cresce più velocemente di quanto suggerisca il numero di messaggi.

Prendi una sessione di roleplay o compagno dove la cronologia è cresciuta a 20.000 token, e l'utente invia altri 100 messaggi di quella dimensione. Ogni risposta è di 300 token.

• Input: 100 × 20.000 = 2.000.000 token, quindi 2 × $0,15 = $0,30
• Output: 100 × 300 = 30.000 token, quindi 0,03 × $0,50 = $0,015
• Totale: $0,315

Nota che l'input domina qui, anche se l'output è più costoso per token. Tre abitudini tengono questo sotto controllo: riassumi i turni vecchi in una breve nota di memoria, rimuovi i messaggi che non hanno più importanza e mantieni stretto il prompt di sistema, poiché viene inviato di nuovo ogni volta.

Ricariche, bonus e metodi di pagamento

Aggiungi credito in qualsiasi importo intero da $20 a $500. Ricariche più grandi guadagnano un bonus sull'importo che aggiungi:

Ricarica	Bonus	Credito che ricevi
$20	Nessuna	$20.00
$50	+5%	$52.50
$100	+10%	$110.00
$200	+15%	$230.00
$500	+15%	$575.00

Puoi pagare con cripto (USDT su TRC20, o USDC su Base). Il credito non scade mai, quindi una ricarica più grande per il bonus non ti impone un limite di tempo. La pagina dei prezzi mostra i livelli correnti.

Esiste un piano gratuito?

Non è illimitato, ed è meglio dirlo chiaramente. Ciò che esiste è una prova singola: dopo esserti registrato con Google, o con email e password, puoi richiedere $0,50 di credito con un clic sulla pagina della chiave API. Non serve la carta, dura 7 giorni ed è limitato a uno per persona.

Ai tassi sopra, $0,50 sono sufficienti per eseguire un test onesto. Usando il turno di chat di prima, copre circa 909 richieste, che sono molte per verificare lo streaming, la chiamata di funzioni, la modalità JSON e come il modello gestisce i tuoi prompt reali. Le chiavi di prova hanno limiti inferiori rispetto alle chiavi complete: 2 richieste parallele e 60 al minuto, rispetto a 8 e 300.

Per continuare dopo la prova, ricarica da $20. Nulla si rinnova automaticamente, perché non c'è abbonamento da far scadere.

Modi per abbassare il conto

Poiché il prezzo è lineare nei token, ogni risparmio è facile da calcolare. Queste sono le modifiche che tendono a ripagarsi, approssimativamente in ordine di sforzo.

1. Riduci il prompt di sistema. Un prompt di sistema da 1.200 token inviato in 10.000 richieste genera 12.000.000 di token di input, che equivalgono a $1,80 da solo. Ridurlo della metà fa risparmiare $0,90 in quella esecuzione.
2. Limita la lunghezza della risposta. Se la risposta dovrebbe essere un paragrafo, dillo nel prompt e imposta max_tokens. L'output è la parte più costosa del prezzo.
3. Applica una finestra scorrevole alla cronologia. Invia gli ultimi N messaggi più un breve riassunto invece del log completo.
4. Richiedi una struttura. Una risposta JSON con tre campi è più breve di una spiegazione testuale degli stessi dati.
5. Non ripetere ciecamente. Una richiesta fallita non viene addebitata, ma una richiesta riuscita che ripeti senza motivo sì.

È anche utile stimare prima di costruire. Moltiplica le tue richieste giornaliere previste per i token medi in entrata e in uscita, converti ciascun valore in milioni e applica le due tariffe. Se il risultato è di pochi dollari al mese, come nell'esempio dell'app piccola sopra, dedica il tuo tempo alla qualità invece che a ridurre l'uso dei token. Se sono centinaia di dollari, i passaggi di ottimizzazione sopra descritti meritano uno sprint.

Monitoraggio e controllo della spesa

Poiché paghi in anticipo, il peggio che può succedere a causa di un bug è un saldo vuoto, non una fattura inaspettata. Anche in questo caso, è utile monitorare il contatore. Ogni risposta include l'intestazione X-Balance-USD con il tuo credito residuo. Questo snippet Python lo legge e calcola anche il costo della chiamata dai valori di utilizzo.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.openaigatewayapi.com/v1", api_key="paste-your-key-here")

raw = client.chat.completions.with_raw_response.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Give me three names for a build-status bot."}],
    max_tokens=150,
)
resp = raw.parse()

cost = resp.usage.prompt_tokens / 1_000_000 * 0.15 + resp.usage.completion_tokens / 1_000_000 * 0.50
print("this call: $%.6f" % cost)
print("balance left:", raw.headers.get("X-Balance-USD"))

Alcuni controlli da aggiungere a qualsiasi integrazione di produzione:

• Imposta max_tokens su ogni chiamata dove una risposta lunga sarebbe un bug.
• Registra i numeri di utilizzo accanto all’intestazione X-Request-Id, così un picco di costo può essere ricondotto a una richiesta.
• Imposta un avviso quando X-Balance-USD scende sotto una soglia che scegli tu.
• Rimani entro i limiti: 8 richieste parallele e 300 al minuto su una chiave completa. Una risposta 429 con codice rate_limited o concurrency non viene fatturata, ma una raffica di ritentivi spreca il tuo tempo.

Per il formato della richiesta e ogni parametro, consulta la documentazione. Se stai confrontando l'API con l'esecuzione del tuo strato proxy, la trattazione sui costi e la complessità di un gateway LLM copre l’altro lato di questa decisione.

Altre guide

• API OpenAI per gli sviluppatori: usa un endpoint compatibile
• API Gateway OpenAI spiegata in termini semplici
• Gateway LLM: analisi dei costi rispetto alla complessità