La LLM Inference API más barata: Cómo evaluar el costo real
El precio por token es solo parte de la historia. Aquí te mostramos cómo comparar APIs de inferencia con los números que determinan tu factura, usando nuestras tarifas como ejemplo práctico.
Actualizado:


Puntos clave
- Apunta cualquier SDK de OpenAI a https://api.llminferenceapi.com/v1, usa el ID de modelo uncensored y envía tu clave como token Bearer.
- Hay dos endpoints disponibles: POST /v1/chat/completions y GET /v1/models.
- El streaming, las llamadas a funciones y el modo JSON funcionan a través de los campos de petición estándar.
- Una clave completa permite 8 peticiones concurrentes y 300 por minuto; una respuesta 429 te indica qué límite has alcanzado.
El precio por millón de tokens es solo el inicio
La API de inferencia LLM más barata es la que tiene el menor costo para tu carga de trabajo, lo cual no siempre es el número más bajo en una página de precios. Dos proveedores pueden listar el mismo precio principal y generar facturas muy diferentes una vez que cuentas los tokens de salida, prompts largos, llamadas fallidas y recargas mínimas.
Usa una verificación en cuatro partes antes de elegir: el precio de entrada, el precio de salida, lo que hace el modelo con el contexto largo y lo que pagas por adelantado. Este artículo explica cada punto, muestra nuestros precios como ejemplo práctico y deja los números de otros proveedores para que tú los verifiques. Revisa su precio actual y usa las mismas fórmulas.
Tokens de entrada frente a tokens de salida
Casi todas las APIs de LLM facturan entrada y salida por separado, y la salida suele costar más. Nuestras tarifas son $0,15 por 1M de tokens de entrada y $0,50 por 1M de tokens de salida. Eso hace que la salida sea un poco más de tres veces el precio de la entrada, así que la mezcla de tu tráfico cambia el resultado.
Así se mueve el precio combinado con la proporción de tokens de entrada frente a salida:
| Proporción entrada : salida | Costo por 1M de tokens totales | Promedio por 1M |
|---|---|---|
| 1 : 1 | 0.5M x $0,15 + 0.5M x $0,50 = $0,325 | $0.325 |
| 3 : 1 | 0.75M x $0,15 + 0.25M x $0,50 = $0,2375 | $0.2375 |
| 10 : 1 | aprox. 0.909M x $0,15 + 0.091M x $0,50 = $0,1818 | aprox. $0,18 |
| 1 : 3 | 0.25M x $0,15 + 0.75M x $0,50 = $0,4125 | $0,4125 |
Un resumidor lee mucho y escribe poco, por lo que se sitúa cerca de la fila 10 : 1. Un generador de historias escribe mucho a partir de un prompt corto y se sitúa cerca de 1 : 3. Cuando compares dos proveedores, calcula ambas filas para tu propia proporción. Un proveedor que sea más barato en entrada puede perder en una carga de trabajo intensiva en generación.
La longitud del contexto cambia la factura
Las aplicaciones de chat reenvían toda la conversación en cada turno. Si un chat crece a 20 turnos, el turno 20 lleva todas las 19 interacciones anteriores como entrada. El costo de una conversación crece más rápido que su longitud.
Un ejemplo práctico. Cada turno añade 300 tokens de texto de usuario y 300 tokens de respuesta, y el prompt del sistema tiene 500 tokens. La entrada en el turno n es 500 + (n - 1) x 600 + 300 tokens. Sumado en 20 turnos eso es 20 x 800 + 600 x 190 = 130.000 tokens de entrada, más 20 x 300 = 6.000 tokens de salida. La entrada cuesta 130.000 x $0,15 / 1M = $0,0195 y la salida cuesta 6.000 x $0,50 / 1M = $0,003, por lo que toda la conversación de 20 turnos cuesta $0,0225.
La cifra exacta importa menos que la forma: la entrada domina en chats largos. Un proveedor con un precio de entrada barato te ayuda más aquí que uno con un precio de salida barato. Recortar turnos antiguos o resumirlos reduce el mayor costo. Nuestra ventana de contexto es de 100,000 tokens, prompt más completado, por lo que documentos muy largos caben, pero cuestan tokens de entrada cada vez que los envías.
Costos ocultos a verificar
- Recarga mínima. La nuestra es de $20, con cualquier cantidad entera hasta $500. Un proveedor con un precio bajo por token pero una recarga mínima grande puede costar más para un proyecto pequeño.
- Vencimiento. El crédito que vence es crédito que puedes desperdiciar. El nuestro nunca vence.
- Suscripciones. Una cuota mensual convierte un servicio por token en un costo fijo. El nuestro es pago por uso.
- Cargos por fallos. Las peticiones fallidas o rechazadas no se cobran aquí. Verifica esto en cualquier proveedor que compares.
- Límites de peticiones. Un precio barato con un límite bajo de peticiones te obliga a comprar una segunda cuenta o ralentizar tu pipeline. Una clave completa aquí permite 8 peticiones simultáneas y 300 por minuto.
- Comisiones y bonificaciones de pago. Añadimos +5% de crédito desde $50, +10% desde $100 y +15% desde $200, por lo que una recarga de $200 da $230.
Nuestras tarifas con ejemplos prácticos
Todas las cifras a continuación usan $0,15 por 1M de entrada y $0,50 por 1M de salida.
| Carga de trabajo | Tokens | Costo |
|---|---|---|
| Un turno de chat: 2.000 entrada, 500 salida | 2.500 | $0.0003 + $0.00025 = $0.00055 |
| 1.000 turnos de este tipo | 2.5M | $0,55 |
| Resumir 10.000 artículos: 3.000 entrada, 200 salida cada uno | 32M | $4,50 + $1,00 = $5,50 |
| Generar 5.000 historias: 300 entrada, 1.500 salida cada uno | 9M | $0,225 + $3,75 = $3,975 |
Verifica la fila del resumidor: 10.000 x 3.000 = 30M tokens de entrada, y 30 x $0,15 = $4,50. 10.000 x 200 = 2M tokens de salida, y 2 x $0,50 = $1,00. El total es $5,50. Para la fila de historias: 5.000 x 300 = 1.5M entrada, que es $0,225, y 5.000 x 1.500 = 7.5M salida, que es $3,75. El total es $3,975.
La página de precios lista las tarifas y bonificaciones, y puedes pagar con cripto (USDT en TRC20, USDC en Base).
Mide tu costo real con un script
No confíes en las estimaciones por mucho tiempo. Ejecuta 50 prompts representativos y deja que la API informe los tokens. El código a continuación imprime una estimación de costo desde el campo usage.
from openai import OpenAI
client = OpenAI(base_url="https://api.llminferenceapi.com/v1", api_key="YOUR_KEY")
IN, OUT = 0.15, 0.50 # dollars per 1M tokens
def cost(u):
return (u.prompt_tokens * IN + u.completion_tokens * OUT) / 1_000_000
total = 0.0
for p in open("prompts.txt"):
r = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": p.strip()}],
)
total += cost(r.usage)
print("average per request: $%.5f" % (total / 50))Multiplica el promedio por tus peticiones mensuales esperadas. Haz lo mismo con cada proveedor que estés considerando, y mantén la calidad en el bucle leyendo una muestra de respuestas. Un modelo más barato que necesita dos intentos por tarea no es más barato.
Una comparación en cinco pasos que puedes terminar en una hora
- Escribe tus tokens de entrada y salida esperados por petición, a partir de una muestra de prompts reales.
- Multiplica por el precio de entrada y salida de cada proveedor, por petición y por mes.
- Suma costos fijos: recarga mínima, suscripción y cualquier crédito que caduque antes de que lo uses.
- Ejecuta los mismos 20 prompts en cada modelo y puntúa las respuestas, para que compares costo por buena respuesta, no costo por token.
- Verifica los límites contra tu tráfico pico. Si necesitas más de 8 peticiones a la vez, pregunta si puedes ejecutar una cola en su lugar.
El resultado es una tabla con una fila por proveedor y una cifra mensual para tu carga de trabajo. Esa tabla es la respuesta real a la pregunta del título, y se mantiene válida hasta que un proveedor cambie sus precios, así que revísala cada pocos meses. La comparación de frameworks ayuda si también ejecutas modelos en tu propio hardware, y la página de errores comunes de API de chat lista errores que aumentan silenciosamente las facturas, como reenviar la misma historia dos veces.
Lo que la opción barata no puede hacer
Cualquiera que sea el proveedor que elijas, puedes reducir costos de cuatro maneras. Limita max_tokens donde una respuesta corta sea suficiente, ya que la salida es el lado más costoso. Recorta el prompt del sistema y elimina turnos que el modelo ya no necesite. Enruta tareas simples, como la clasificación, a prompts cortos con formatos de salida estrictos. Y registra tokens por función, para que notes cuando una plantilla de prompt se duplica silenciosamente en tamaño tras una edición. Estos hábitos ahorran más que cambiar de proveedor por unos centavos.
Este servicio es solo de texto. No tiene embeddings, generación de imágenes o audio ni fine-tuning, así que si necesitas eso, pagarás a otro proveedor por ello. El servicio ejecuta un modelo de pesos abiertos de un proveedor independiente, ajustado para responder sin rechazos de contenido para uso adulto legal, y no es la API oficial de ningún proveedor de modelos. El contenido sexual que involucre a menores de edad nunca está permitido.
Si es la opción más barata para ti depende de si ese único modelo es suficientemente bueno para tu tarea. Pruébalo gratis primero: los usuarios nuevos pueden reclamar $0,50 de crédito de prueba con un clic en la página de clave de API, sin necesidad de tarjeta. Luego lee la documentación. Si eres nuevo en los conceptos básicos, qué es la inferencia de LLM cubre los términos usados arriba.
Más guías
Preguntas y respuestas
¿Cuánto cuesta un mensaje de chat?
Una vuelta con 2.000 tokens de entrada y 500 de salida cuesta $0,00055, así que 1.000 vueltas cuestan $0,55.
¿Hay una cuota mensual?
No. Es pago por uso desde crédito prepago, y el crédito nunca vence.
¿Se facturan las peticiones fallidas?
No. Las peticiones fallidas o rechazadas no se cobran.
¿Es el precio más bajo siempre la mejor oferta?
No. La proporción de salida, la longitud del contexto, la recarga mínima y la calidad de la respuesta cambian el costo real.
Tu clave está a un formulario de distancia
Crea una cuenta, copia la clave, cambia la URL base. Esa es toda la configuración.
Obtener clave de API