FR ▾
Obtenir une clé API

LLM Inference APIGuide

Coût mensuel de l'API LLM : quatre scénarios réalistes

Quatre factures mensuelles détaillées ligne par ligne à $0,15 par 1 M de tokens d'entrée et $0,50 par 1 M de tokens de sortie, plus un script pour calculer le coût de votre propre trafic.

Mis à jour :

Quatre barres de verre montantes remplies de cubes lumineux, un par scénario de coût mensuel
Illustration isométrique de paquets de données circulant d'un terminal vers une passerelle cloud, représentant un appel d'API d'inférence

Points clés

  1. Pointez n'importe quel SDK OpenAI vers https://api.llminferenceapi.com/v1, utilisez l'ID de modèle uncensored et envoyez votre clé en tant que jeton Bearer.
  2. Deux endpoints sont disponibles : POST /v1/chat/completions et GET /v1/models.
  3. Le streaming, l'appel de fonctions et le mode JSON fonctionnent via les champs de requête standard.
  4. Une clé complète permet 8 requêtes simultanées et 300 par minute ; une réponse 429 indique quelle limite vous avez atteinte.

Les quatre scénarios en un coup d'œil

Si vous cherchez à déterminer le coût de l'API LLM par mois, une moyenne unique ne suffit pas, car les factures dépendent du nombre de requêtes envoyées et de leur longueur. Voici quatre configurations réalistes facturées à $0,15 par 1 M de tokens d'entrée et $0,50 par 1 M de tokens de sortie. Chacune indique ses hypothèses afin que vous puissiez les remplacer par les vôtres.

ScénarioRequêtes par moisTokens par requête (entrée / sortie)Coût mensuel
Bot de chat amateur6001 500 / 300$0,225
Communauté Discord9 0003 000 / 400$5,85
Application avec 1 000 utilisateurs40 0002 500 / 500$25,00
Pipeline par lots200 0001 200 / 250$61,00

La suite de l'article présente les calculs et les facteurs qui influencent chaque montant.

Scénario 1 : un bot de loisir

Vous faites tourner un bot personnel qui répond à environ 20 messages par jour, soit 600 par mois. Chaque message inclut un prompt système court et un historique, soit environ 1 500 tokens d'entrée, et la réponse fait en moyenne 300 tokens.

  • Input : 600 x 1 500 = 0,9M de tokens, ce qui coûte 0,9 x $0,15 = $0,135.
  • Output : 600 x 300 = 0,18M de tokens, ce qui coûte 0,18 x $0,50 = $0,09.
  • Total : $0,225 par mois.

C'est le cas où le rechargement minimum de $20 dure plus longtemps que tout le reste. À ce rythme, cela couvrirait plus de sept ans d'utilisation. Le crédit n'expire jamais, donc un projet de loisir peut rester sur un seul rechargement sans voir le temps passer.

Scénario 2 : un bot communautaire Discord

Un bot dans un serveur actif gère 300 requêtes par jour, soit 9 000 par mois. Il lit le contexte des canaux récents, donc chaque appel contient environ 3 000 tokens d'entrée, et il répond avec environ 400 tokens.

  • Entrée : 9 000 x 3 000 = 27M de tokens, soit 27 x $0,15 = $4,05.
  • Sortie : 9 000 x 400 = 3,6M de tokens, soit 3,6 x $0,50 = $1,80.
  • Total : $5,85 par mois.

Surveillez le côté entrée. Doubler le contexte que vous insérez dans chaque appel double la partie la plus importante de la facture, tandis que la longueur de la réponse a peu d'importance. De nombreux bots économisent de l'argent en envoyant les six derniers messages au lieu des vingt derniers. Vérifiez également les limites de débit : une clé complète permet 8 requêtes simultanées et 300 par minute, ce qui est largement supérieur à cette charge, mais un serveur occupé peut encore connaître des pics lorsqu'un thread prend de l'ampleur. Mettez les requêtes en file d'attente dans le bot et vous restez dans les limites.

Scénario 3 : une application avec 1 000 utilisateurs

Supposons que chacun des 1 000 utilisateurs mensuels envoie 40 requêtes, ce qui fait 40 000 requêtes. Une requête contient 2 500 tokens d'entrée (prompt système plus historique) et retourne 500 tokens.

  • Entrée : 40 000 x 2 500 = 100M de tokens, soit 100 x $0,15 = $15,00.
  • Sortie : 40 000 x 500 = 20M de tokens, soit 20 x $0,50 = $10,00.
  • Total : $25,00 par mois, soit 2,5 cents par utilisateur.

Ici, la sortie représente 40 % de la facture bien qu'elle ne représente qu'un sixième des tokens, car elle coûte plus de trois fois plus cher par token. Les réponses courtes sont rentables. Si vous aviez demandé des réponses de 250 tokens au lieu de 500, la ligne de sortie serait tombée à $5,00 et le total à $20,00. Un rechargement de 20 $ couvrirait alors cette application pour un mois, et un rechargement de 100 $, qui s'accompagne d'un bonus de +10 % et offre donc 110 $ de crédit, couvrirait environ cinq mois.

Scénario 4 : un pipeline par lots

Les traitements par lots s'échelonnent selon le nombre de documents. Supposons que vous étiquetiez ou réécriviez 200 000 éléments par mois, chacun avec 1 200 tokens d'entrée et un résultat de 250 tokens.

  • Entrée : 200 000 x 1 200 = 240M de tokens, soit 240 x $0,15 = $36,00.
  • Sortie : 200 000 x 250 = 50M de tokens, soit 50 x $0,50 = $25,00.
  • Total : $61,00 par mois.

Pour les travaux par lots, la limite pertinente est le débit, pas le prix. Avec 8 requêtes simultanées, le temps de traitement est le nombre de requêtes divisé par 8, multiplié par la durée moyenne d'une requête. Faites le calcul pour votre propre latence avant de planifier l'exécution, et gardez votre pool de travailleurs à 8 ou moins pour ne pas déclencher l'erreur concurrency. Les requêtes échouées ne sont pas facturées, donc les réessais n'ajoutent aucun coût.

Estimez votre propre mois

La formule est courte : coût mensuel = requêtes x (tokens d'entrée x $0,15 + tokens de sortie x $0,50) / 1 000 000. Ce script le calcule et lit également les vrais nombres de tokens si vous exécutez un échantillon au préalable.

from openai import OpenAI

client = OpenAI(base_url="https://api.llminferenceapi.com/v1", api_key="YOUR_KEY")

def monthly(requests, tokens_in, tokens_out):
    return requests * (tokens_in * 0.15 + tokens_out * 0.50) / 1_000_000

print(monthly(40_000, 2_500, 500))   # 25.0

# sample 20 real prompts, then use the measured averages
ins, outs = [], []
for p in open("prompts.txt").read().splitlines()[:20]:
    r = client.chat.completions.create(
        model="uncensored", messages=[{"role": "user", "content": p}])
    ins.append(r.usage.prompt_tokens)
    outs.append(r.usage.completion_tokens)
print(monthly(10_000, sum(ins) / len(ins), sum(outs) / len(outs)))

L'exécution de l'exemple coûte une fraction de centime. Les nouveaux utilisateurs peuvent réclamer $0,50 de crédit d'essai sur la page clé API pour le lancer sans rien payer, et la page de tarification affiche les tarifs et les bonus de rechargement.

Ce qui influence le plus la facture

Sur les quatre scénarios, les mêmes leviers font varier le total :

  1. La taille du contexte. L'historique et les documents collés augmentent le coût d'entrée. Réduisez-les.
  2. La longueur de sortie. La sortie coûte 0,50 $ par 1M, donc demandez la longueur nécessaire et définissez max_tokens si cela aide.
  3. Les réessais et boucles. Un bug qui répète les appels peut multiplier le coût d'un mois en une heure. Limitez les réessais.
  4. La croissance du trafic. Le coût évolue linéairement avec les requêtes. Doublez les utilisateurs, doublez la facture.

Planification du budget

Choisissez le scénario le plus proche de votre projet et multipliez par un facteur de sécurité de deux pour le premier mois, car le trafic réel est rarement aussi régulier qu’un tableau. Ensuite, configurez une alerte de solde faible. Chaque réponse inclut l’en-tête X-Balance-USD, ce qui permet à votre application de vous envoyer un e-mail lorsque le crédit tombe en dessous d’un montant que vous choisissez, et de recharger avant que quoi que ce soit ne s’arrête. Si votre trafic augmente dix fois, la facture augmente dix fois : le bot Discord à 10x coûterait 58,50 $, et l’application avec 10 000 utilisateurs 250,00 $. Rien ne saute par paliers, il n’y a donc pas de tranches tarifaires à dépasser.

Financement

Vous payez depuis un crédit prépayé sans abonnement, donc un mois calme coûte presque rien. Les rechargements vont de 20 $ à 500 $, par crypto (USDT sur TRC20, USDC sur Base), avec +5 % à partir de 50 $, +10 % à partir de 100 $ et +15 % à partir de 200 $.

Limites de ces estimations

Deux éléments que les scénarios omettent. Premièrement, ils supposent une utilisation régulière, alors que les produits réels ont des pics, comme un jour de lancement ou un fil viral, et un seul jour de pic peut utiliser un budget d'une semaine. Deuxièmement, ils supposent que les prompts restent de la même taille. Les changements de produit font souvent grossir le prompt système, et une addition de 500 tokens à un appel effectué 40 000 fois par mois ajoute 20M de tokens d'entrée, soit 3,00 $. Mesurez à nouveau après chaque changement de prompt.

Il s'agit de calculs, pas de promesses concernant votre utilisation. Les prompts réels varient, et votre nombre de tokens dépendent de la langue et du contenu que vous envoyez. Il s'agit d'une API texte uniquement, donc les coûts pour les embeddings, les images ou l'audio sont en dehors de ces chiffres. Le service utilise un modèle à poids ouverts fourni par un prestataire indépendant, ajusté pour répondre sans refus de contenu pour une utilisation adulte légale.

Pour les définitions des termes utilisés ici, consultez ce qu’est l’inférence LLM. Les erreurs qui font augmenter discrètement les factures sont listées sous erreurs courantes de l’API de chat IA. La documentation couvre le format de la requête.

Questions et réponses

Combien coûte un petit bot par mois ?

Un bot avec 600 messages par mois, 1 500 tokens en entrée et 300 tokens en sortie, coûte 0,225 $.

Y a-t-il des frais mensuels en plus des coûts par token ?

Non. Vous payez par token depuis le crédit prépayé, et le crédit n’expire pas.

Quel est le rechargement minimum ?

20 $, dans n'importe quel montant entier jusqu'à 500 $. Des bonus de 5 %, 10 % et 15 % s'appliquent à partir de 50 $, 100 $ et 200 $.

Les requêtes échouées sont-elles facturées ?

Non. Les requêtes échouées ou refusées ne sont pas facturées.

Votre clé n'est qu'à un formulaire d'ici

Créez un compte, copiez la clé, modifiez l'URL de base. C'est toute la configuration nécessaire.

Obtenir une clé API