Como funciona o preço por token na API, explicado de forma simples
O modelo de preços da API OpenAI é pago por token: você é cobrado pelos tokens que envia e pelos tokens que o modelo retorna, em duas taxas diferentes. Esta página explica cada parte em linguagem simples e mostra como nossa API compatível com OpenAI aplica a mesma ideia.
Atualizado

- Você paga por token, com uma taxa para entrada e uma taxa maior para saída.
- O histórico de conversa é reenviado a cada rodada, então chats longos custam mais por mensagem do que os curtos.
- Limites de requisições restringem a velocidade com que você pode enviar requisições. Eles não mudam o preço por token.
- Nossa API cobra $0.15 e $0.50 por 1M de tokens a partir do crédito pré-pago e é um produto separado de qualquer fornecedor.
O modelo em um parágrafo
APIs de modelos de linguagem hospedados geralmente são vendidas por uso, não por vaga. Seu programa envia texto, o serviço conta quantos tokens entraram e quantos saíram, e a fatura é essa contagem multiplicada pelos preços por milhão de tokens. Entrada e saída têm preços separados. Modelos diferentes têm preços diferentes. Algumas regras extras se aplicam: limites de taxa, janelas de contexto e a forma de pagamento (pré-pago ou faturado). Esse é o modelo de preços completo, e o restante desta página desmonta cada peça.
Primeiro, uma explicação. Quando as pessoas digitam essa frase em uma caixa de pesquisa, elas geralmente se referem à própria tabela de preços da OpenAI. Não somos a OpenAI e não citamos os preços delas aqui, pois esses valores mudam e você deve consultá-los na fonte original. O que podemos explicar com precisão é a estrutura, que é compartilhada pela maioria dos provedores, e como ela funciona na API que operamos: uma API hospedada, compatível com OpenAI, apenas texto, com um único modelo de pesos abertos, uncensored, operada por um provedor independente.
Tokens são a unidade
Um token é um trecho de texto que o modelo lê ou escreve. Pode ser uma palavra curta inteira, parte de uma palavra longa, um número ou um sinal de pontuação. Para prosa em inglês comum, uma regra prática aproximada é que um token tem cerca de quatro caracteres, ou três quartos de uma palavra. Outros idiomas, código e formatação incomum geralmente exigem mais tokens para o mesmo comprimento visível, então trate qualquer regra prática como uma estimativa e leia as contagens reais na API.
Toda resposta da nossa API inclui um objeto de uso com prompt_tokens e completion_tokens. Para respostas em streaming, o uso é enviado no final. Esses dois números são a base do seu pagamento. Nada mais, como o número de requisições ou o tempo de uma chamada, entra no preço.
Como a unidade é tokens, não caracteres ou chamadas, o mesmo recurso pode ser barato ou caro dependendo de como você o constrói. Um prompt de classificação de uma linha pode custar uma fração de centavo para mil chamadas. Um prompt que cola um documento de 60 páginas em cada requisição custa muito mais, mesmo que seja chamado o mesmo número de vezes.
Entrada e saída têm preços diferentes
Tokens de entrada são tudo que você envia: a mensagem do sistema, o histórico de conversa, a última mensagem do usuário, definições de ferramentas e resultados de ferramentas. Tokens de saída são o que o modelo gera, incluindo qualquer chamada de função que ele escreva. Gerar texto exige mais computação do que ler, então os provedores cobram mais pela saída. Na nossa API as taxas são:
| Por 1M de tokens | Por token | |
|---|---|---|
| Entrada | $0.15 | $0.00000015 |
| Saída | $0.50 | $0.0000005 |
A saída é 0,50 / 0,15, ou cerca de 3,3 vezes mais cara por token. Essa razão direciona decisões de design. Se seu app envia um prompt de 3.000 tokens e recebe de volta um rótulo de 100 tokens, a entrada é $0,00045 e a saída é $0,00005, então o prompt representa 90% do custo, e encurtá-lo importa mais do que qualquer outra coisa. Se seu app pede histórias de 2.000 tokens a partir de um prompt de 200 tokens, a entrada é $0,00003 e a saída é $0,001, então a saída representa 97% do custo, e a alavanca é o comprimento da história.
Verifique esses números você mesmo: 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.
Por que o histórico faz chats custarem mais com o tempo
A API é sem estado. O modelo não lembra sua última requisição, então um aplicativo de chat reenvia as mensagens anteriores com cada nova. A entrada para a etapa 10, portanto, contém as etapas de 1 a 9 novamente, e você paga por esses tokens toda vez.
Pegue um chat onde cada rodada adiciona 400 tokens no total. A rodada 1 envia cerca de 400 tokens de contexto, a rodada 10 cerca de 4.000 e a rodada 50 cerca de 20.000. A janela de contexto do modelo na nossa API é de 100.000 tokens, prompt e conclusão juntos, então uma sessão muito longa eventualmente precisará ser cortada, independentemente do custo. Correções típicas são:
- Mantenha o prompt do sistema e as últimas N rodadas, e descarte o meio.
- Resuma rodadas antigas em uma nota curta e envie a nota em vez disso.
- Armazene fatos de longo prazo fora do chat e insira apenas os relevantes.
Um número concreto: um prompt de sistema de 1.000 tokens enviado com cada uma de 1.000 requisições são 1.000.000 tokens de entrada, o que é $0,15. Bom por si só. Mas uma ficha de personagem de 10.000 tokens enviada com cada uma de 100.000 requisições são 1.000.000.000 tokens de entrada, ou $150. Sobrecarga fixa multiplica pelo volume, e essa multiplicação é o que deve ser observado.
Crédito pré-pago, não assinatura
Provedores diferem em como o dinheiro se move. Alguns emitem a fatura para você após o fim do mês, alguns deduzem de um saldo pré-pago, e alguns misturam os dois com planos mensais. Na nossa API é simples: você adiciona crédito, o uso o reduz, e nada se renova sozinho. Crédito nunca expira. Requisições falhas ou recusadas não são cobradas.
Recargas podem ser qualquer valor inteiro de $20 a $500, com bônus de +5% a partir de $50, +10% a partir de $100 e +15% a partir de $200. Assim, $100 resulta em $110 de crédito, e $200 resulta em $230. Você pode pagar com cripto (USDT na TRC20, USDC na Base). O resultado prático é que seu pior cenário é limitado pelo que você carregou: um bug em loop não pode gastar mais do que o saldo. O saldo após cada chamada está no cabeçalho de resposta X-Balance-USD.
Novos usuários podem experimentar o serviço primeiro. Após entrar, um clique na página da chave de API garante $0.50 de crédito de teste, válido por 7 dias, um por pessoa, sem necessidade de cartão.
Limites de requisições são um controle separado
Duas APIs com o mesmo preço por milhão de tokens ainda podem parecer muito diferentes, porque os limites de requisições determinam quanto você pode enviar por minuto. Provedores geralmente definem limites por nível de conta. Na nossa API, uma chave completa permite 8 requisições simultâneas e 300 requisições por minuto, e uma chave de teste permite 2 simultâneas e 60 por minuto. O corpo máximo é de 8 MB.
Quando você excede um limite, recebe HTTP 429. O código de erro é rate_limited quando você ultrapassou as requisições por minuto e concurrency quando havia muitas requisições em andamento. Em sobrecarga temporária, a API também retorna 429 com o cabeçalho Retry-After: 5. Um detalhe que pega muita gente: uma requisição em streaming ocupa sua vaga de concorrência até o fim do streaming, então clientes lentos que leem tokens um por um podem preencher as 8 vagas mais rápido do que a contagem de requisições sugere.
Limites mudam a vazão, não o preço. Se você precisa enviar um lote grande, a aritmética é simples: a 300 requisições por minuto, 10.000 requisições levam cerca de 34 minutos, assumindo que cada uma termine rápido o suficiente para permanecer dentro de 8 ao mesmo tempo.
Aplicando o modelo a esta API
A parte compatível com OpenAI é o que torna o modelo de preços portátil. Qualquer SDK da OpenAI funciona assim que você altera a URL base e a chave, então o código de rastreamento de custos que você escreveu para um provedor geralmente pode ser reutilizado. Este script lê o uso e precifica uma chamada nas nossas taxas:
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}")
O que esta API é, nos termos acima: um único modelo, apenas texto, uma janela de contexto de 100.000 tokens, chamada de funções, modo JSON e streaming, e prompts que não são usados para treinamento. O modelo é ajustado para responder sem recusas de conteúdo para uso adulto legal, e há um limite rígido para conteúdo sexual envolvendo menores de idade. Não é um roteador entre fornecedores nem o endpoint oficial de nenhum fornecedor. Os detalhes para configuração estão no guia de início rápido, e a lista completa de preços está na página de preços. Para uma comparação detalhada com outros serviços, consulte a página de custos da API do ChatGPT.
Mais guias
Perguntas e respostas
O que o modelo de preços da API OpenAI significa em termos simples?
Você paga por tokens: uma taxa para os tokens que você envia e uma taxa maior para os tokens que o modelo retorna. As taxas dependem do modelo, e a fatura é a contagem de tokens vezes os preços por milhão.
A entrada ou a saída é mais cara?
A saída. Na nossa API é $0,50 por 1M de tokens contra $0,15 por 1M para entrada, cerca de 3,3 vezes mais.
Por que um chat longo custa mais por mensagem?
A API não lembra das rodadas anteriores, então cada requisição reenvia o histórico como tokens de entrada. Quanto maior o histórico, mais entrada você paga em cada rodada.
Os limites de requisições alteram o que você paga?
Não. Eles limitam as requisições por minuto e as requisições simultâneas. O preço por token permanece o mesmo.
Sua API é igual à da OpenAI?
Não. Ela segue o formato de requisição da OpenAI para que SDKs existentes funcionem, mas executa um modelo de pesos abertos diferente operado por um provedor independente.
Sua chave está a um formulário de distância
Crie uma conta, copie a chave e altere a URL base. Essa é toda a configuração.