Bảng giá API OpenAI Gateway: Ví dụ chi phí thực tế
Tỷ lệ là $0.15 cho 1 triệu token đầu vào và $0.50 cho 1 triệu token đầu ra, thanh toán từ tín dụng trả trước. Các ví dụ dưới đây biến hai con số đó thành chi phí thực tế cho một lượt chat, một tác vụ batch và lưu lượng một tháng.
Cập nhật
Điểm chính
- Đầu vào tốn $0.15 cho 1 triệu token và đầu ra tốn $0.50 cho 1 triệu token, không có gói đăng ký.
- Một lượt chat điển hình với 2.000 token đầu vào và 500 token đầu ra tốn $0.00055, vậy $20 chi trả khoảng 36.000 lượt như vậy.
- Các lần nạp tiền dao động từ $20 đến $500, với +5% từ $50, +10% từ $100 và +15% từ $200.
- Không có gói miễn phí không giới hạn; người dùng mới nhận tín dụng dùng thử $0.50 một lần thay thế.
Bảng giá trong một bảng
Nếu bạn tìm kiếm bảng giá API OpenAI Gateway, đây là câu trả lời cho dịch vụ này ngay từ đầu. Dịch vụ tính phí theo token, chia thành hai dòng, từ số dư bạn nạp trước. Không có phí hàng tháng, không có giá theo tài khoản và không có cam kết tối thiểu ngoài lần nạp tiền đầu tiên.
| Mục | Tỷ lệ |
|---|---|
| Token đầu vào (prompt của bạn) | $0,15 cho 1 triệu |
| Token đầu ra (phản hồi) | $0,50 cho 1 triệu |
| Yêu cầu thất bại hoặc bị từ chối | Không bị tính phí |
| Thời hạn | Không bao giờ |
| Đăng ký | Không |
Một điều cần rõ: đây là một endpoint được lưu trữ cho một mô hình văn bản trọng số mở đơn lẻ, truy cập qua ID mô hình uncensored. Đây không phải là API chính thức của OpenAI hay bất kỳ nhà cung cấp nào khác, vì vậy các tỷ lệ trên là mức phí dịch vụ này tính và không nói gì về mức phí của các nhà cung cấp khác. Để biết số liệu của nhà cung cấp khác, hãy kiểm tra trang giá hiện tại của họ.
Cách tính hóa đơn
Mỗi yêu cầu được đo lường thành hai phần. Prompt bạn gửi, bao gồm thông báo hệ thống và toàn bộ lịch sử hội thoại, được tính là đầu vào. Văn bản mô hình viết lại được tính là đầu ra. Phản hồi bao gồm đối tượng usage với cả hai con số, để bạn không bao giờ phải đoán.
Công thức rất ngắn gọn:
chi phí = (token đầu vào ÷ 1.000.000 × 0,15) + (token đầu ra ÷ 1.000.000 × 0,50)
Đầu ra đắt hơn đầu vào hơn ba lần, trên mỗi token. Điều này định hình cách bạn tiết kiệm tiền. Cắt giảm prompt dài giúp ích, nhưng giới hạn phản hồi dài dòng thường giúp ích nhiều hơn trên mỗi token bị loại bỏ.
Cửa sổ ngữ cảnh là 100.000 token, bao gồm cả prompt và phần phản hồi, và max_tokens là tùy chọn. Nếu bạn bỏ trống nó, một phản hồi đơn lẻ về nguyên tắc có thể sử dụng phần còn lại của cửa sổ. Đối với một mô hình thích nói chuyện với prompt mở, một max_tokens hợp lý là bảo hiểm rẻ nhất bạn có thể mua.
Ví dụ tính toán
Mỗi ví dụ dưới đây hiển thị phép tính, để bạn có thể thay thế bằng số của riêng mình.
Một lượt chat
Một cuộc trao đổi kiểu hỗ trợ với prompt 2.000 token và phản hồi 500 token:
- Đầu vào: 2.000 ÷ 1.000.000 × $0,15 = $0,0003
- Đầu ra: 500 ÷ 1.000.000 × $0,50 = $0,00025
- Tổng cộng: $0,00055 cho mỗi lượt
Chia $20 cho $0,00055 bạn được khoảng 36.363 lượt như vậy. Tín dụng dùng thử $0,50 chi trả khoảng 909 lượt.
Một công việc hàng loạt
Bạn muốn tóm tắt 5.000 tài liệu. Mỗi tài liệu dài 3.000 token và bản tóm tắt là 400 token.
- Đầu vào: 5.000 × 3.000 = 15.000.000 token, vậy 15 × $0,15 = $2,25
- Đầu ra: 5.000 × 400 = 2.000.000 token, vậy 2 × $0,50 = $1,00
- Tổng cộng: $3,25
Một ứng dụng nhỏ trong một tháng
Giả sử sản phẩm của bạn xử lý 1.000 yêu cầu mỗi ngày trong 30 ngày. Mỗi yêu cầu có 1.500 token đầu vào và 300 token đầu ra.
- Yêu cầu: 1.000 × 30 = 30.000
- Đầu vào: 30.000 × 1.500 = 45.000.000 token, vậy 45 × $0,15 = $6,75
- Đầu ra: 30.000 × 300 = 9.000.000 token, vậy 9 × $0,50 = $4,50
- Tổng cộng: $11,25 cho tháng
Một prompt lấp đầy cửa sổ
Trường hợp xấu nhất cho một lệnh gọi là prompt gần giới hạn 100.000 token. Với 100.000 token đầu vào và phản hồi 1.000 token: 0,1 × $0,15 = $0,015 cho đầu vào, cộng 0,001 × $0,50 = $0,0005 cho đầu ra, tổng là $0,0155. Ngay cả khi lấp đầy cửa sổ cũng chỉ tốn khoảng một rưỡi cent.
Tại sao hội thoại dài tốn nhiều hơn vẻ bề ngoài
API chat không có trạng thái. Để duy trì hội thoại, ứng dụng của bạn gửi toàn bộ lịch sử kèm theo mỗi tin nhắn mới. Vì vậy, đầu vào cho lượt 30 bao gồm lại các lượt 1 đến 29, và hóa đơn tăng nhanh hơn số lượng tin nhắn gợi ý.
Hãy tưởng tượng một phiên nhập vai hoặc phiên đồng hành mà lịch sử đã phát triển lên tới 20.000 token, và người dùng gửi thêm 100 tin nhắn khác với kích thước tương tự. Mỗi câu trả lời là 300 token.
- Đầu vào: 100 × 20.000 = 2.000.000 token, vậy 2 × $0,15 = $0,30
- Đầu ra: 100 × 300 = 30.000 token, vậy 0,03 × $0,50 = $0,015
- Tổng cộng: $0.315
Lưu ý rằng đầu vào chiếm ưu thế ở đây, mặc dù đầu ra đắt hơn trên mỗi token. Ba thói quen giữ điều đó trong tầm kiểm soát: tóm tắt các lượt cũ thành một ghi chú bộ nhớ ngắn, loại bỏ các tin nhắn không còn quan trọng và giữ prompt hệ thống gọn gàng, vì nó được gửi lại mỗi lần.
Nạp tiền, ưu đãi và phương thức thanh toán
Bạn thêm tín dụng với bất kỳ số nguyên nào từ $20 đến $500. Các lần nạp lớn hơn nhận được ưu đãi trên số tiền bạn thêm:
| Nạp tiền | Tiền thưởng | Tín dụng bạn nhận được |
|---|---|---|
| $20 | Không | $20.00 |
| $50 | +5% | $52.50 |
| $100 | +10% | $110.00 |
| $200 | +15% | $230.00 |
| $500 | +15% | $575.00 |
Bạn có thể thanh toán bằng tiền mã hóa (USDT trên TRC20, hoặc USDC trên Base). Tín dụng không bao giờ hết hạn, vì vậy việc nạp tiền lớn hơn để nhận bonus sẽ không khiến bạn bị tính thời gian. trang giá cả hiển thị các gói hiện tại.
Có gói miễn phí không?
Không phải loại không giới hạn, và tốt hơn nên nói rõ. Những gì tồn tại là một lần dùng thử: sau khi bạn đăng nhập bằng Google hoặc bằng email và mật khẩu, bạn có thể nhận $0,50 tín dụng bằng một cú nhấp chuột trên trang khóa API. Nó không cần thẻ, kéo dài 7 ngày và giới hạn một lần cho mỗi người.
Với các mức giá ở trên, $0,50 là đủ để chạy một bài kiểm tra thực tế. Sử dụng lượt hội thoại từ trước đó, nó bao gồm khoảng 909 yêu cầu, điều này là đủ để kiểm tra truyền phát (streaming), gọi hàm, chế độ JSON và cách mô hình xử lý các prompt thực tế của bạn. Khóa dùng thử có giới hạn thấp hơn khóa đầy đủ: 2 yêu cầu đồng thời và 60 yêu cầu mỗi phút, so với 8 và 300.
Để tiếp tục sau khi dùng thử, hãy nạp tiền từ $20. Không gì tự động gia hạn, vì không có đăng ký nào để hết hạn.
Các cách giảm hóa đơn
Vì giá cả tỷ lệ tuyến tính với token, mọi khoản tiết kiệm đều dễ dàng được tính toán. Những thay đổi sau đây thường mang lại hiệu quả, xấp xỉ theo thứ tự mức độ nỗ lực.
- Cắt ngắn prompt hệ thống. Một prompt hệ thống 1.200 token được gửi kèm với 10.000 yêu cầu là 12.000.000 token đầu vào, tương đương $1,80 chỉ riêng cho phần đó. Giảm một nửa nó sẽ tiết kiệm $0,90 cho lần chạy đó.
- Giới hạn độ dài câu trả lời. Nếu câu trả lời nên chỉ là một đoạn văn, hãy nói rõ trong prompt và đặt
max_tokens. Đầu ra là phần đắt hơn của tỷ lệ giá. - Cắt ngắn lịch sử. Gửi N tin nhắn cuối cùng cùng một bản tóm tắt ngắn gọn thay vì toàn bộ nhật ký.
- Yêu cầu cấu trúc. Một câu trả lời JSON với ba trường ngắn hơn một giải thích văn bản cùng dữ liệu đó.
- Không thử lại một cách mù quáng. Một yêu cầu thất bại không bị tính phí, nhưng một yêu cầu thành công mà bạn lặp lại vô cớ thì có.
Nó cũng giúp ước tính trước khi xây dựng. Nhân số lượng yêu cầu hàng ngày dự kiến với số token trung bình đầu vào và đầu ra, chuyển đổi mỗi số sang hàng triệu và áp dụng hai tỷ lệ. Nếu kết quả là vài đô la một tháng, như trong ví dụ ứng dụng nhỏ ở trên, hãy dành thời gian cho chất lượng thay vì ép token. Nếu nó là hàng trăm đô la, các bước cắt giảm ở trên xứng đáng với một sprint.
Theo dõi và kiểm soát chi tiêu
Vì bạn trả trước, kết quả tồi tệ nhất của một lỗi là số dư trống, không phải hóa đơn bất ngờ. Tuy nhiên, việc theo dõi đồng hồ đo vẫn hữu ích. Mỗi phản hồi đều có tiêu đề X-Balance-USD chứa tín dụng còn lại của bạn. Đoạn mã Python này đọc tiêu đề đó và cũng tính toán chi phí của cuộc gọi từ số liệu sử dụng.
from 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"))Một vài công cụ đáng thêm vào bất kỳ tích hợp sản xuất nào:
- Đặt
max_tokenstrên mọi cuộc gọi mà câu trả lời dài sẽ là một lỗi. - Ghi lại số lượng sử dụng bên cạnh tiêu đề
X-Request-Id, để có thể truy vết chi phí tăng vọt sang một yêu cầu cụ thể. - Cảnh báo khi
X-Balance-USDgiảm dưới ngưỡng bạn chọn. - Giữ trong giới hạn: 8 yêu cầu đồng thời và 300 yêu cầu mỗi phút trên một khóa API đầy đủ. Phản hồi 429 với mã
rate_limitedhoặcconcurrencykhông được tính phí, nhưng một cơn bão thử lại sẽ lãng phí thời gian của bạn.
Để biết định dạng yêu cầu và mọi tham số, hãy xem tài liệu. Nếu bạn đang so sánh điều này với việc chạy lớp proxy của riêng mình, bài viết về chi phí và độ phức tạp của cổng LLM sẽ đề cập đến khía cạnh khác của quyết định đó.
Hướng dẫn khác
Hỏi đáp
Một triệu token có giá bao nhiêu?
Một triệu token đầu vào có giá $0.15 và một triệu token đầu ra có giá $0.50. Đầu vào và đầu ra được đo lường riêng biệt từ đối tượng sử dụng trên mỗi phản hồi.
Có gói đăng ký hàng tháng không?
Không. Bạn trả tiền theo nhu cầu từ tín dụng trả trước, và tín dụng này không bao giờ hết hạn.
Khoản nạp tiền nhỏ nhất là bao nhiêu?
Từ $20, với bất kỳ số nguyên nào lên đến $500. Các ưu đãi +5% từ $50, +10% từ $100 và +15% từ $200 được cộng vào tín dụng.
Tôi có phải trả tiền cho các yêu cầu thất bại không?
Không. Các yêu cầu thất bại hoặc bị từ chối không bị tính phí.
Bạn có thể dùng miễn phí không?
Chỉ thông qua dùng thử một lần: $0.50 tín dụng, nhận bằng một cú nhấp chuột sau khi đăng nhập, có hiệu lực trong 7 ngày, không cần thẻ. Không có gói miễn phí không giới hạn.
Khóa của bạn chỉ cách một biểu mẫu
Tạo tài khoản, sao chép khóa, thay đổi URL cơ sở. Đó là toàn bộ cấu hình.
