NL ▾
API-sleutel aanvragen

LLM Inference APIGids

Goedkoopste LLM Inference API: Hoe de echte kosten beoordelen

De prijs per token is slechts een deel van het verhaal. Hier leg ik uit hoe je inferentie-API’s vergelijkt op basis van de cijfers die je factuur bepalen, met onze tarieven als rekenvoorbeeld.

Bijgewerkt:

Een weegschaal die tokenblokjes afweegt tegen munten om API-kosten te vergelijken
Isometrische illustratie van datapakketten die van een terminal naar een cloud-gateway stromen, die een inferentie-API-aanroep voorstellen

Belangrijkste punten

  1. Stel elke OpenAI SDK in op https://api.llminferenceapi.com/v1, gebruik de model ID uncensored en verstuur je sleutel als een Bearer-token.
  2. Er zijn twee endpoints beschikbaar: POST /v1/chat/completions en GET /v1/models.
  3. Streaming, tool calling en JSON-modus werken via de standaard requestvelden.
  4. Een volledige sleutel staat 8 gelijktijdige verzoeken en 300 per minuut toe; een 429-response vertelt je welke limiet je hebt bereikt.

De prijs per miljoen tokens is pas het begin

De goedkoopste LLM-inferentie-API is degene met de laagste kosten voor jouw werklast, wat niet altijd het laagste getal op de prijslijst is. Twee providers kunnen dezelfde hoofdprijs vermelden en resulteren in heel verschillende rekeningen zodra je outputtokens, lange prompts, mislukte calls en minimale opwaarderingen meetelt.

Doe een vierdelige check voordat je kiest: de inputprijs, de outputprijs, hoe het model omgaat met lange context, en wat je vooraf betaalt. Dit artikel licht elk onderdeel toe, toont onze prijzen als rekenvoorbeeld en laat de cijfers van andere aanbieders aan jou over. Controleer hun huidige prijzen en vul de cijfers in dezelfde formules in.

Invoer versus output-tokens

Bijna elke LLM-API rekent input en output apart, en output kost meestal meer. Onze tarieven zijn $0,15 per 1M input-tokens en $0,50 per 1M output-tokens. Dat maakt output iets meer dan drie keer zo duur als input, dus de verhouding van je API-gebruik bepaalt het resultaat.

Zo verandert de gemengde prijs met de verhouding input tot output-tokens:

Invoer : uitvoerverhoudingKosten voor 1M totale tokensGemiddeld per 1M
1 : 10,5M x $0,15 + 0,5M x $0,50 = $0,325$0,325
3 : 10,75M x $0,15 + 0,25M x $0,50 = $0,2375$0,2375
10 : 1ongeveer 0,909M x $0,15 + 0,091M x $0,50 = $0,1818ongeveer $0,18
1 : 30,25M x $0,15 + 0,75M x $0,50 = $0,4125$0,4125

Een samenvatter leest veel en schrijft weinig, dus die zit dicht bij de 10 : 1-rij. Een verhaalgenerator schrijft veel vanuit een korte prompt en zit dicht bij 1 : 3. Wanneer je twee aanbieders vergelijkt, bereken dan beide rijen voor jouw eigen verhouding. Een aanbieder die goedkoper is op invoer kan duurder uitpakken bij een generatie-zware werklast.

Contextlengte beïnvloedt de factuur

Chattoepassingen sturen de hele conversatie opnieuw bij elke beurt. Als een chat uitgroeit tot 20 beurten, bevat beurt 20 alle 19 eerdere uitwisselingen als input. De kosten van een gesprek groeien daardoor sneller dan de lengte.

Een uitgewerkt voorbeeld. Elke beurt voegt 300 tokens aan gebruikerstekst en 300 tokens aan antwoord toe, en de system prompt is 500 tokens. De input bij beurt n is 500 + (n - 1) x 600 + 300 tokens. Opgeteld over 20 beurten is dat 20 x 800 + 600 x 190 = 130.000 input-tokens, plus 20 x 300 = 6.000 output-tokens. De input kost 130.000 x $0,15 / 1M = $0,0195 en de output kost 6.000 x $0,50 / 1M = $0,003, dus het hele gesprek van 20 beurten kost $0,0225.

Het exacte cijfer is minder belangrijk dan de vorm: input domineert in lange chats. Een provider met een goedkope inputprijs helpt je hier meer dan een met een goedkope outputprijs. Oude beurten knippen of samenvatten snijdt de grootste kosten. Ons contextvenster is 100.000 tokens, prompt plus completion, dus zeer lange documenten passen, maar ze kosten inputtokens elke keer dat je ze verstuurt.

Verborgen kosten om te controleren

  • Minimale opwaardering. Ons minimum is $20, met elk geheel bedrag tot $500. Een provider met een lage prijs per token maar een hoog minimum kan duurder uitpakken voor een klein project.
  • Vervaldatum. Krediet dat vervalt is krediet dat je misschien verspeelt. Ons krediet vervalt nooit.
  • Abonnementen. Een maandelijkse vergoeding verandert een pay-per-token-dienst in een vaste kostenpost. Wij zijn pay-as-you-go.
  • Kosten bij fouten. Mislukte of geweigerde verzoeken worden hier niet in rekening gebracht. Controleer dat bij elke provider die je vergelijkt.
  • Rate limits. Een lage prijs met een laag verzoekplafond dwingt je een tweede account af te sluiten of je pipeline te vertragen. Een volledige sleutel hier staat 8 gelijktijdige verzoeken en 300 per minuut toe.
  • Betalingskosten en bonussen. We voegen +5% tegoed toe vanaf $50, +10% vanaf $100 en +15% vanaf $200, dus een top-up van $200 geeft $230.

Onze tarieven met rekenvoorbeelden

Alle onderstaande cijfers gebruiken $0,15 per 1M input en $0,50 per 1M output.

WorkloadTokensKosten
Eén chatbeurt: 2.000 in, 500 out2.500$0,0003 + $0,00025 = $0,00055
1.000 zulke beurten2,5M$0,55
Samenvatting van 10.000 artikelen: 3.000 in, 200 out elk32M$4,50 + $1,00 = $5,50
Genereer 5.000 verhalen: 300 in, 1.500 out elk9M$0,225 + $3,75 = $3,975

Controleer de samenvatter-rij: 10.000 x 3.000 = 30M inputtokens, en 30 x $0,15 = $4,50. 10.000 x 200 = 2M outputtokens, en 2 x $0,50 = $1,00. Het totaal is $5,50. Voor de story-rij: 5.000 x 300 = 1,5M input, wat $0,225 is, en 5.000 x 1.500 = 7,5M output, wat $3,75 is. Het totaal is $3,975.

De prijspagina vermeldt de tarieven en bonussen, en je kunt betalen met crypto (USDT op TRC20, USDC op Base).

Meet je werkelijke kosten met een script

Vertrouw niet lang op schattingen. Voer 50 representatieve prompts uit en laat de API de tokens rapporteren. De onderstaande code print een kostenraming vanuit het veld 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))

Vermenigvuldig het gemiddelde met je verwachte maandelijkse verzoeken. Doe hetzelfde met elke aanbieder die je overweegt, en houd kwaliteit in de gaten door een steekproef van antwoorden te lezen. Een goedkoper model dat twee pogingen per taak nodig heeft, is niet goedkoper.

Een vijfstappenvergelijking die je in een uur afrondt

  1. Schrijf je verwachte input- en output-tokens per verzoek op, gebaseerd op een steekproef van echte prompts.
  2. Vermenigvuldig met de input- en outputprijs van elke aanbieder, per verzoek en per maand.
  3. Tel vaste kosten op: minimum opwaardering, abonnement, en elk tegoed dat verloopt voordat je het gebruikt.
  4. Voer dezelfde 20 prompts uit op elk model en beoordeel de antwoorden, zodat je de kosten per goed antwoord vergelijkt, niet de kosten per token.
  5. Controleer de limieten tegen je piekverkeer. Als je meer dan 8 verzoeken tegelijk nodig hebt, vraag dan of je een wachtrij kunt gebruiken in plaats daarvan.

Het resultaat is een tabel met één rij per provider en een maandbedrag voor je werklast. Die tabel is het echte antwoord op de vraag in de titel, en blijft geldig totdat een provider zijn prijzen wijzigt, dus controleer hem elke paar maanden opnieuw. De vergelijking van frameworks helpt als je ook modellen op je eigen hardware draait, en de veelgemaakte fouten bij chat-API's pagina somt fouten op die je rekeningen ongemerkt laten stijgen, zoals het opnieuw verzenden van dezelfde geschiedenis twee keer.

Wat de goedkope optie niet kan

Welke provider je ook kiest, je kunt de kosten op vier manieren verlagen. Beperk max_tokens waar een kort antwoord volstaat, omdat output de duurdere kant is. Knip de system prompt en verwijder beurten die het model niet meer nodig heeft. Stuur eenvoudige taken, zoals classificatie, naar korte prompts met strikte outputformaten. En log tokens per functie, zodat je merkt wanneer een prompttemplate stil groeit na een wijziging. Deze gewoontes besparen meer dan overschakelen naar een andere provider voor een paar cent.

Deze dienst is alleen tekst. Er zijn geen embeddings, afbeeldings- of audiogeneratie en geen fine-tuning, dus als je die nodig hebt, betaal je een andere provider daarvoor. Het draait op één open-weight model van een onafhankelijke provider, afgestemd op antwoorden zonder inhoudelijke weigeringen voor wettelijk volwassen gebruik, en het is niet de officiële API van een modelleverancier. Seksuele inhoud met minderjarigen is nooit toegestaan.

Of het voor jou het goedkoopst is, hangt af van of dat ene model goed genoeg is voor je taak. Test het eerst gratis: nieuwe gebruikers claimen met één klik $0,50 aan proeftegoed op de API-sleutelpagina, zonder kaart. Lees dan de documentatie. Als je nieuw bent in de basis, behandelt wat LLM-inferentie is de hierboven gebruikte termen.

Vragen en antwoorden

Wat kost één chatbericht?

Een beurt met 2.000 input- en 500 output-tokens kost $0,00055, dus 1.000 beurten kosten $0,55.

Zijn er maandelijkse kosten?

Nee. Het is pay as you go van prepaid tegoed, en tegoed verloopt nooit.

Worden mislukte verzoeken in rekening gebracht?

Nee. Mislukte of geweigerde verzoeken worden niet aangerekend.

Is de laagste prijs altijd de beste deal?

Nee. Deel output, contextlengte, minimale top-up en antwoordkwaliteit beïnvloeren allemaal de werkelijke kosten.

Je sleutel is nog maar één formulier verwijderd

Maak een account aan, kopieer de sleutel, pas de base URL aan. Dat is de hele setup.

API-sleutel aanvragen