Comment fonctionne le prix par token de l'API, expliqué simplement
Le modèle de tarification de l'API OpenAI est au token : vous êtes facturé pour les tokens que vous envoyez et ceux que le modèle renvoie, à deux tarifs différents. Cette page explique chaque partie en langage clair et montre comment notre API compatible OpenAI applique la même idée.
Mis à jour le

- Vous payez par token, avec un tarif pour l'entrée et un tarif plus élevé pour la sortie.
- L'historique de conversation est renvoyé à chaque tour, donc les longs chats coûtent plus cher par message que les courts.
- Les limites de débit restreignent la vitesse à laquelle vous pouvez envoyer des requêtes. Elles ne modifient pas le prix par token.
- Notre API facture $0,15 et $0,50 par 1M de tokens à partir du crédit prépayé et est un produit distinct de celui de tout fournisseur.
Le modèle en un paragraphe
Les API de modèles de langage hébergés sont généralement vendues à l'usage, non par siège. Votre programme envoie du texte, le service compte combien de tokens entrent et sortent, et la facture est ces comptes multipliés par les prix par million de tokens. L'entrée et la sortie ont des prix séparés. Différents modèles ont des prix différents. Quelques règles supplémentaires s'appliquent : limites de débit, fenêtres de contexte et mode de paiement (prépayé ou facturé). C'est tout le modèle de tarification, et le reste de cette page décompose chaque élément.
Une clarification d'abord. Lorsque les gens tapent cette phrase dans une barre de recherche, ils veulent souvent dire la liste de prix propre à OpenAI. Nous ne sommes pas OpenAI et nous ne citons pas leurs prix ici, car ils changent et vous devriez les lire à la source. Ce que nous pouvons expliquer avec précision, c'est la structure, partagée par la plupart des fournisseurs, et son fonctionnement sur l'API que nous exploitons : une API textuelle hébergée, compatible OpenAI, avec un seul modèle à poids ouverts, uncensored, exploitée par un fournisseur indépendant.
Les tokens sont l'unité
Un token est un morceau de texte que le modèle lit ou écrit. Il peut être un mot court entier, une partie d'un mot long, un nombre ou un signe de ponctuation. Pour la prose anglaise ordinaire, une règle approximative est qu'un token représente environ quatre caractères, ou trois quarts d'un mot. D'autres langues, le code et les formats inhabituels prennent généralement plus de tokens pour la même longueur visible, donc considérez toute règle approximative comme une estimation et lisez les comptes réels depuis l'API.
Chaque réponse de notre API inclut un objet d'utilisation avec prompt_tokens et completion_tokens. Pour les réponses en streaming, l'utilisation arrive à la fin. Ces deux nombres sont ce sur quoi vous êtes facturé. Rien d'autre, comme le nombre de requêtes ou le temps d'un appel, n'entre dans le prix.
Parce que l'unité est le token, pas le caractère ou l'appel, la même fonctionnalité peut être bon marché ou chère selon la façon dont vous la construisez. Une invite de classification sur une ligne peut coûter une fraction de centime pour mille appels. Une invite qui colle un document de 60 pages dans chaque requête coûte beaucoup plus cher, même si elle est appelée le même nombre de fois.
Entrée et sortie ont des prix différents
Les tokens d'entrée sont tout ce que vous envoyez : le message système, l'historique de conversation, le dernier message de l'utilisateur, les définitions d'outils et les résultats d'outils. Les tokens de sortie sont ce que le modèle génère, y compris tout appel d'outil qu'il écrit. Générer du texte prend plus de calcul que le lire, donc les fournisseurs facturent la sortie plus cher. Sur notre API, les tarifs sont :
| Par 1 M de tokens | Par token | |
|---|---|---|
| Entrée | $0.15 | $0.00000015 |
| Sortie | $0.50 | $0.0000005 |
La sortie est 0,50 / 0,15, soit environ 3,3 fois plus cher par token. Ce ratio guide les décisions de conception. Si votre application envoie une invite de 3 000 tokens et reçoit une étiquette de 100 tokens, l'entrée coûte 0,00045 $ et la sortie 0,00005 $, donc l'invite représente 90 % du coût, et la réduire importe plus que tout autre chose. Si votre application demande des histoires de 2 000 tokens à partir d'une invite de 200 tokens, l'entrée coûte 0,00003 $ et la sortie 0,001 $, donc la sortie représente 97 % du coût, et le levier est la longueur de l'histoire.
Vérifiez ces chiffres vous-même : 3 000 x 0,15 / 1 000 000 = 0,00045. 100 x 0,50 / 1 000 000 = 0,00005. 200 x 0,15 / 1 000 000 = 0,00003. 2 000 x 0,50 / 1 000 000 = 0,001.
Pourquoi l'historique rend les chats plus chers avec le temps
L'API est sans état. Le modèle ne se souvient pas de votre dernière requête, donc une application de chat renvoie les messages précédents avec chaque nouveau message. L'entrée du tour 10 contient donc les tours 1 à 9 à nouveau, et vous payez pour ces tokens à chaque fois.
Prenons un chat où chaque tour ajoute 400 tokens au total. Le tour 1 envoie environ 400 tokens de contexte, le tour 10 environ 4 000 et le tour 50 environ 20 000. La fenêtre de contexte du modèle sur notre API est de 100 000 tokens, prompt et complétion confondus, donc une session très longue devra éventuellement être réduite, que le coût importe ou non. Les correctifs typiques sont :
- Gardez le prompt système et les N derniers tours, et supprimez le milieu.
- Résumez les anciens tours en une note courte et envoyez la note à la place.
- Stockez les faits à long terme en dehors du chat et insérez uniquement ceux qui sont pertinents.
Un nombre concret : un prompt système de 1 000 tokens envoyé avec chacune des 1 000 requêtes fait 1 000 000 de tokens d'entrée, ce qui est 0,15 $. Bien en soi. Mais une fiche de personnage de 10 000 tokens envoyée avec chacune des 100 000 requêtes fait 1 000 000 000 de tokens d'entrée, soit 150 $. Le surcoût fixe se multiplie par le volume, et cette multiplication est ce qu'il faut surveiller.
Crédit prépayé, pas d'abonnement
Les fournisseurs diffèrent dans la façon dont l'argent circule. Certains vous facturent à la fin du mois, d'autres déduisent d'un solde prépayé, et certains mélangent les deux avec des plans mensuels. Sur notre API, c'est simple : vous ajoutez du crédit, l'utilisation le réduit, et rien ne se renouvelle automatiquement. Le crédit n'expire jamais. Les requêtes échouées ou refusées ne sont pas facturées.
Les recharges sont des montants entiers de 20 $ à 500 $, avec un bonus de +5 % dès 50 $, +10 % dès 100 $ et +15 % dès 200 $. Ainsi, 100 $ donnent 110 $ de crédit, et 200 $ donnent 230 $. Vous pouvez payer en crypto (USDT sur TRC20, USDC sur Base). Le résultat pratique est que votre pire cas est limité par ce que vous avez chargé : un bug en boucle ne peut pas dépenser plus que le solde. Le solde après chaque appel est dans l'en-tête de réponse X-Balance-USD.
Les nouveaux utilisateurs peuvent essayer le service d'abord. Après l'inscription, un clic sur la page clé API attribue 0,50 $ de crédit d'essai, valable 7 jours, un par personne, sans carte nécessaire.
Les limites de débit sont un bouton séparé
Deux API avec le même prix par million de tokens peuvent encore sembler très différentes, car les limites de débit décident combien vous pouvez envoyer par minute. Les fournisseurs définissent généralement des limites par niveau de compte. Sur notre API, une clé complète permet 8 requêtes simultanées et 300 requêtes par minute, et une clé d'essai permet 2 simultanées et 60 par minute. Le corps maximum est de 8 MB.
Lorsque vous dépassez une limite, vous obtenez un HTTP 429. Le code d'erreur est rate_limited lorsque vous avez dépassé le nombre de requêtes par minute et concurrency lorsque trop de requêtes étaient en cours. En cas de surcharge temporaire, l'API renvoie également un 429 avec un en-tête Retry-After: 5. Un détail qui surprend : une requête diffusée conserve son slot de concurrence jusqu'à la fin du flux, de sorte que les clients lents qui lisent les tokens un par un peuvent remplir les 8 slots plus rapidement que ne le suggère le nombre de requêtes.
Les limites changent le débit, pas le prix. Si vous devez envoyer un gros lot, l'arithmétique est simple : à 300 requêtes par minute, 10 000 requêtes prennent environ 34 minutes, en supposant que chaque requête se termine assez rapidement pour rester dans 8 à la fois.
Application du modèle à cette API
La partie compatible OpenAI est ce qui rend le modèle de tarification portable. Tout SDK OpenAI fonctionne une fois que vous changez l'URL de base et la clé, donc le code de suivi des coûts que vous avez écrit pour un fournisseur peut généralement être réutilisé. Ce script lit l'utilisation et facture un appel à nos tarifs :
from openai import OpenAI
client = OpenAI(
base_url="https://api.openaiapipricing.com/v1",
api_key="YOUR_API_KEY",
)
resp = client.chat.completions.create(
model="uncensored",
messages=[
{"role": "system", "content": "You are a concise assistant."},
{"role": "user", "content": "Explain what a token is in two sentences."},
],
)
u = resp.usage
input_cost = u.prompt_tokens * 0.15 / 1_000_000
output_cost = u.completion_tokens * 0.50 / 1_000_000
print(f"in={u.prompt_tokens} out={u.completion_tokens} total={input_cost + output_cost:.7f}")
Ce qu'est cette API, selon les termes ci-dessus : un seul modèle, texte uniquement, une fenêtre de contexte de 100 000 tokens, appel de fonctions, mode JSON et streaming, et des prompts qui ne sont pas utilisés pour l'entraînement. Le modèle est ajusté pour répondre sans refus de contenu pour une utilisation adulte légale, et il existe une limite stricte sur le contenu sexuel impliquant des mineurs. Ce n'est pas un routeur entre fournisseurs et ne correspond à aucun endpoint officiel de fournisseur. Les détails pour la configuration sont dans le guide de démarrage, et la liste complète des prix se trouve sur la page de tarification. Pour une comparaison détaillée avec d'autres services, consultez la page des coûts de l'API ChatGPT.
Plus de guides
Questions et réponses
Que signifie le modèle de tarification de l'API OpenAI en termes simples ?
Vous payez pour les tokens : un tarif pour les tokens que vous envoyez et un tarif plus élevé pour les tokens que le modèle renvoie. Les tarifs dépendent du modèle, et la facture est le nombre de tokens multiplié par les prix par million.
L'entrée ou la sortie est-elle plus chère ?
Sortie. Sur notre API, elle est facturée $0,50 par 1M de tokens contre $0,15 par 1M pour l'entrée, soit environ 3,3 fois plus cher.
Pourquoi un long chat coûte-t-il plus cher par message ?
L'API ne retient pas les tours précédents, donc chaque requête renvoie l'historique en tant que tokens d'entrée. Plus l'historique est long, plus vous payez pour les tokens d'entrée à chaque tour.
Les limites de débit modifient-elles ce que je paie ?
Non. Elles plafonnent les requêtes par minute et les requêtes simultanées. Le prix par token reste le même.
Votre API est-elle identique à celle d'OpenAI ?
Non. Elle suit le format de requête d'OpenAI afin que les SDK existants fonctionnent, mais elle exécute un modèle à poids ouverts différent, exploité par un fournisseur indépendant.
Votre clé est à un formulaire de vous
Créez un compte, copiez la clé, modifiez l'URL de base. C'est toute la configuration.