PT ▾
Obter chave de API

LLM Inference APIGuia

Custo mensal da API LLM: quatro cenários realistas

Quatro faturas mensais calculadas linha a linha a $0,15 por 1M de tokens de entrada e $0,50 por 1M de tokens de saída, mais um script para precificar seu próprio tráfego.

Atualizado:

Quatro barras de vidro ascendentes preenchidas com cubos brilhantes, um por cenário de custo mensal
Ilustração isométrica de pacotes de dados fluindo de um terminal para um gateway na nuvem, representando uma chamada de API de inferência

Pontos principais

  1. Aponte qualquer SDK OpenAI para https://api.llminferenceapi.com/v1, use o ID do modelo uncensored e envie sua chave como token Bearer.
  2. Dois endpoints estão disponíveis: POST /v1/chat/completions e GET /v1/models.
  3. Streaming, chamada de funções e modo JSON funcionam através dos campos padrão da requisição.
  4. Uma chave completa permite 8 requisições simultâneas e 300 por minuto; uma resposta 429 indica qual limite você atingiu.

Os quatro cenários em resumo

Se você está tentando calcular o custo mensal da API LLM, uma média única não ajuda, porque as contas dependem de quantas requisições você envia e do tamanho delas. Abaixo estão quatro configurações realistas com preço de $0,15 por 1M de tokens de entrada e $0,50 por 1M de tokens de saída. Cada uma mostra suas premissas para que você possa substituir pelas suas próprias.

CenárioSolicitações por mêsTokens por requisição (entrada / saída)Custo mensal
Bot de chat hobby6001,500 / 300$0.225
Comunidade Discord9,0003,000 / 400$5.85
App com 1.000 usuários40,0002,500 / 500$25.00
Pipeline em lote200,0001,200 / 250$61.00

O restante do artigo mostra os cálculos e o que influencia cada valor.

Cenário 1: um bot hobby

Você executa um bot pessoal que responde cerca de 20 mensagens por dia, totalizando 600 por mês. Cada mensagem inclui um prompt de sistema curto e algum histórico, cerca de 1.500 tokens de entrada, e a resposta tem em média 300 tokens.

  • Entrada: 600 x 1.500 = 0,9M tokens, que custam 0,9 x $0,15 = $0,135.
  • Saída: 600 x 300 = 0,18M tokens, que custam 0,18 x $0,50 = $0,09.
  • Total: $0.225 por mês.

Este é o caso em que o recarregamento mínimo de $20 supera tudo. A essa taxa, isso cobre mais de sete anos de uso. O crédito nunca expira, então um projeto hobby pode ficar em um único recarregamento sem um relógio correndo.

Cenário 2: um bot de comunidade Discord

Um bot em um servidor ativo lida com 300 requisições por dia, ou 9.000 por mês. Ele lê o contexto recente do canal, então cada chamada tem cerca de 3.000 tokens de entrada, e responde com cerca de 400.

  • Entrada: 9.000 x 3.000 = 27M tokens, então 27 x $0,15 = $4,05.
  • Saída: 9.000 x 400 = 3,6M tokens, então 3,6 x $0,50 = $1,80.
  • Total: $5,85 por mês.

Observe o lado da entrada. Dobrar o contexto que você cola em cada chamada dobra a parte maior da conta, enquanto o comprimento da resposta importa pouco. Muitos bots economizam dinheiro enviando as últimas seis mensagens em vez das últimas vinte. Verifique também os limites de requisições: uma chave completa permite 8 requisições simultâneas e 300 por minuto, o que está muito acima dessa carga, mas um servidor ocupado ainda pode ter picos quando um thread decola. Coloque as requisições em fila no bot e você fica dentro dos limites.

Cenário 3: um app com 1.000 usuários

Digamos que cada um dos 1.000 usuários mensais envie 40 requisições, totalizando 40.000 requisições. Uma requisição carrega 2.500 tokens de entrada (prompt de sistema mais histórico) e retorna 500 tokens.

  • Entrada: 40.000 x 2.500 = 100M tokens, então 100 x $0,15 = $15,00.
  • Saída: 40.000 x 500 = 20M tokens, então 20 x $0,50 = $10,00.
  • Total: $25,00 por mês, ou 2,5 centavos por usuário.

Aqui a saída é 40% da conta, embora seja apenas um sexto dos tokens, pois custa mais de três vezes mais por token. Respostas curtas compensam. Se você pedisse respostas de 250 tokens em vez de 500, a linha de saída cairia para $5,00 e o total para $20,00. Um recarregamento de $20 cobriria este app por um mês, e um recarregamento de $100, que vem com bônus de +10% e dá $110 de crédito, cobriria cerca de cinco meses.

Cenário 4: um pipeline em lote

Jobs em lote escalam por contagem de documentos. Suponha que você rotule ou reescreva 200.000 itens em um mês, cada um com 1.200 tokens de entrada e um resultado de 250 tokens.

  • Entrada: 200.000 x 1.200 = 240M tokens, então 240 x $0,15 = $36,00.
  • Saída: 200.000 x 250 = 50M tokens, então 50 x $0,50 = $25,00.
  • Total: $61,00 por mês.

Para trabalho em lote, o limite relevante é a taxa de transferência, não o preço. Com 8 requisições simultâneas, o tempo do trabalho é o número de requisições dividido por 8, vezes a duração média de uma requisição. Execute os cálculos para a sua própria latência antes de planejar o agendamento e mantenha seu conjunto de workers em 8 ou menos para não acionar o erro de concurrency. Requisições falhas não são cobradas, então retentá-las não adiciona custo.

Estime seu próprio mês

A fórmula é curta: custo mensal = requisições x (tokens de entrada x $0,15 + tokens de saída x $0,50) / 1.000.000. Este script faz isso e também lê contagens reais de tokens se você executar uma amostra primeiro.

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)))

A execução de amostra custa uma fração de centavo. Novos usuários podem reivindicar $0,50 de crédito de teste na página da chave de API para executá-lo sem pagar nada, e a página de preços mostra as tarifas e bônus de recarga.

O que mais altera a fatura

Em todos os quatro cenários, as mesmas alavancas movem o total:

  1. Tamanho do contexto. Histórico e documentos colados impulsionam o custo de entrada. Reduza-os.
  2. Tamanho da saída. A saída custa $0,50 por 1M, então peça o tamanho necessário e defina max_tokens onde for útil.
  3. Retentativas e loops. Um bug que repete chamadas pode multiplicar o custo de um mês em uma hora. Limite as retentativas.
  4. Crescimento de tráfego. O custo escala linearmente com as requisições. Dobre os usuários, dobre a fatura.

Planejando o orçamento

Escolha o cenário mais próximo do seu projeto e multiplique por um fator de segurança de dois para o primeiro mês, já que o tráfego real raramente é tão uniforme quanto uma planilha. Depois, configure um alerta de saldo baixo. Cada resposta carrega um cabeçalho X-Balance-USD, então seu app pode te enviar um e-mail quando o crédito cair abaixo de um número que você escolher, e você recarrega antes que algo pare. Se seu tráfego crescer dez vezes, a fatura cresce dez vezes: o bot do Discord a 10x custaria $58,50, e o app com 10.000 usuários $250,00. Nada salta em etapas, então não há tiers de preço para ultrapassar.

Financiando

Você paga a partir de crédito pré-pago sem assinatura, então um mês tranquilo custa quase nada. Recarregamentos variam de $20 a $500, por cripto (USDT na TRC20, USDC na Base), com +5% a partir de $50, +10% a partir de $100 e +15% a partir de $200.

Limites destas estimativas

Duas coisas que os cenários não incluem. Primeiro, eles assumem uso constante, enquanto produtos reais têm picos, como um dia de lançamento ou um thread viral, e um dia de pico pode usar uma semana de orçamento. Segundo, eles assumem que os prompts permanecem do mesmo tamanho. Mudanças de produto frequentemente aumentam o prompt do sistema, e um acréscimo de 500 tokens em uma chamada feita 40.000 vezes por mês adiciona 20M de tokens de entrada, ou $3,00. Reavalie após cada alteração no prompt.

Estes são cálculos, não promessas sobre seu uso. Prompts reais variam, e suas contagens de tokens dependem do idioma e do conteúdo que você envia. Esta é uma API apenas de texto, então custos para embeddings, imagens ou áudio estão fora destas cifras. O serviço executa um modelo de pesos abertos de um provedor independente, ajustado para responder sem recusas de conteúdo para uso adulto legal.

Para definições dos termos usados aqui, consulte o que é inferência LLM. Erros que aumentam faturas silenciosamente estão listados em erros comuns em APIs de chat AI. A documentação cobre o formato de requisição.

Perguntas e respostas

Quanto custa um bot pequeno por mês?

Um bot com 600 mensagens por mês, 1.500 tokens de entrada e 300 tokens de saída custa $0,225.

Existe uma taxa mensal além dos custos de token?

Não. Você paga por token a partir do crédito pré-pago, e o crédito nunca expira.

Qual é o valor mínimo de recarga?

$20, em qualquer valor inteiro até $500. Bônus de 5%, 10% e 15% aplicam-se a partir de $50, $100 e $200.

Requisições falhas têm custo?

Não. Requisições falhas ou recusadas não são cobradas.

Sua chave está a um formulário de distância

Crie uma conta, copie a chave e altere a URL base. Essa é toda a configuração.

Obter chave de API