De dónde proviene el número
Una API de modelo vende tokens, no claves. Para los precios de la clave de API de GLM, las cifras que necesitas son la tarifa de entrada, la tarifa de salida y cualquier descuento por peticiones en caché o por lotes, todo listado por 1M de tokens en la página de precios oficial del proveedor. Las tarifas y los nombres de los modelos cambian, así que no los citamos aquí. Copia los números actuales en la tabla de abajo y el resto de este artículo funciona para cualquier proveedor.
Un token es un fragmento de texto, aproximadamente tres cuartas partes de una palabra en inglés. Otros idiomas y el código pueden usar más tokens por palabra. El tokenizador del proveedor o el campo usage en las respuestas da el recuento exacto, que supera cualquier regla práctica.
También verás términos como longitud de contexto, límite de peticiones y nivel en las páginas de precios. Solo las dos primeras tarifas cambian tu factura. La longitud de contexto limita cuánto puedes enviar por petición, y los límites de tasa limitan qué tan rápido puedes enviarla. En esta API la ventana es de 100.000 tokens y una clave completa permite 8 peticiones concurrentes y 300 por minuto.
Cuenta tokens por petición
Escribe cuatro números para cada tipo de petición que haga tu aplicación:
- Entrada fija: prompt del sistema y definiciones de herramientas.
- Entrada variable: mensaje del usuario, documentos recuperados, historial de chat.
- Salida: la longitud típica de la respuesta.
- Volumen: peticiones por día.
El historial de chat es la sorpresa habitual. Cada turno reenvía todo lo anterior, por lo que una conversación de 10 turnos no cuesta 10 mensajes de entrada, cuesta la suma de 1 + 2 + ... + 10 mensajes, que son 55 unidades de mensaje. Recorta o resume el historial si las conversaciones se alargan.
Para medir en lugar de adivinar, registra el bloque de uso. En esta API se devuelve con cada respuesta, y con streaming llega al final del flujo:
from openai import OpenAI
client = OpenAI(base_url="https://api.apikeyglm.com/v1", api_key="YOUR_KEY")
stream = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "Write a 100-word product blurb for a lamp."}],
stream=True,
stream_options={"include_usage": True},
)
for event in stream:
if event.usage:
print("in:", event.usage.prompt_tokens, "out:", event.usage.completion_tokens)Para una previsión temprana, toma datos reales. Toma 50 mensajes o documentos reales de usuarios, ejecútalos y usa el promedio y el percentil 90 de los recuentos de tokens. El promedio te da la factura esperada, el percentil muestra qué aspecto tendría un mes pesado.
Ejemplo práctico 1: un chatbot
500 usuarios al día envían 6 mensajes cada uno, es decir, 3.000 peticiones. Cada petición promedia 2.000 tokens de entrada (historial más prompt del sistema) y 300 tokens de salida.
- Entrada diaria: 3.000 x 2.000 = 6M de tokens, es decir, 6 x $0,15 = $0,90.
- Salida diaria: 3.000 x 300 = 0.9M de tokens, es decir, 0.9 x $0,50 = $0,45.
- Total diario: $1,35. En 30 días: $40,50.
Ejemplos prácticos 2 y 3: procesamiento por lotes y recuperación
Resume 50.000 documentos, cada uno de 1.500 tokens de longitud, en resúmenes de 150 tokens.
- Entrada: 50.000 x 1.500 = 75M de tokens, es decir, 75 x $0,15 = $11,25.
- Salida: 50.000 x 150 = 7.5M de tokens, es decir, 7.5 x $0,50 = $3,75.
- Total: $15,00.
El trabajo por lotes tiene una palanca más: puede ejecutarse en paralelo, pero una clave completa está limitada a 8 peticiones concurrentes y 300 peticiones por minuto, por lo que 50.000 peticiones necesitan al menos 167 minutos en el límite por minuto (50.000 / 300). Planifica el tiempo real así como el coste.
Ejemplo práctico 3: respuestas aumentadas por recuperación
Un asistente de soporte maneja 20.000 preguntas al mes. Cada una envía 8.000 tokens de entrada (instrucciones más pasajes recuperados) y recibe una respuesta de 400 tokens.
- Entrada: 20.000 x 8.000 = 160M de tokens, es decir, 160 x $0,15 = $24,00.
- Salida: 20.000 x 400 = 8M de tokens, es decir, 8 x $0,50 = $4,00.
- Total: $28,00 al mes.
La ventana de contexto aquí es de 100.000 tokens, prompt más finalización, por lo que 8.000 tokens de contexto dejan mucho margen. La entrada es el 86 por ciento de esta factura, lo cual es típico para la recuperación: recortar el texto recuperado importa más que acortar las respuestas.
Cómo el tamaño de la petición cambia el precio
El precio por 1.000 peticiones es una unidad práctica porque escala por multiplicación simple. Aquí hay cuatro formas de petición a $0,15 y $0,50 por 1M de tokens:
| Forma de la petición | Costo de entrada por 1.000 | Costo de salida por 1.000 | Total por 1.000 |
|---|---|---|---|
| 500 entrada, 200 salida | $0,075 | $0,100 | $0,175 |
| 2.000 de entrada, 300 de salida | $0,300 | $0,150 | $0,450 |
| 8.000 de entrada, 400 de salida | $1,200 | $0,200 | $1,400 |
| 30.000 de entrada, 1.000 de salida | $4,500 | $0,500 | $5,000 |
El patrón es claro. Las peticiones de chat cortas son baratas y pesadas en salida. Las peticiones de contexto grande son pesadas en entrada, y la línea de entrada domina. Saber qué tipo ejecutas te dice qué palanca tirar: respuestas más cortas para la primera, contexto recortado para la segunda.
Errores que hacen incorrectas las estimaciones
- Contar palabras en lugar de tokens. Un texto en inglés de 1.000 palabras tiene aproximadamente 1.300 tokens, y más para código o texto en otro idioma.
- Olvidar el historial. La entrada de chat crece en cada turno, como se muestra arriba.
- Usar promedios para tráfico irregular. Un día de lanzamiento puede ser diez veces un día normal. Presupuesta el pico que puedes soportar.
- Ignorar los reintentos. Añade un margen. En esta API las peticiones falladas o rechazadas no se cobran, pero compruébalo para cualquier proveedor que compares.
- Omitir el límite de salida. La salida cuesta más por token. Si solo necesitas una etiqueta o un resumen corto, pídelo y establece
max_tokensdonde un límite estricto ayuda. Es opcional aquí.
Comparar con las tarifas de GLM
Completa esta tabla con los números actuales del proveedor y tus propios volúmenes:
| Línea | Esta API | GLM (consultar precios actuales) |
|---|---|---|
| Tarifa de entrada por 1M | $0,15 | consultar |
| Tarifa de salida por 1M | $0,50 | consultar |
| Descuento por entrada en caché | no forma parte de la lista de tarifas | consultar |
| Solicitudes fallidas cobradas | no | consultar |
| Recarga | cripto prepagada, sin caducidad | consultar |
Luego compara más que solo el precio. El comportamiento de rechazo, la longitud del contexto y si el modelo sigue tu formato de salida afectan la cantidad de reintentos que pagas. Esta API sirve un modelo de pesos abiertos, uncensored, ajustado para responder sin rechazos de contenido para uso adulto lícito. Es un servicio independiente y no la API oficial de Zhipu, Z.ai ni ningún otro proveedor. Para ver una integración similar, la guía de integración de Kimi apikey del sitio sigue el mismo patrón.
Presupuesto y recargas
Añade un 20 a 30 por ciento a tu estimación para reintentos, prompts más largos y crecimiento. El chatbot a $40,50 se convierte en un presupuesto de unos $49 a $53. Recarga en cantidades enteras desde $20 hasta $500; una recarga de $50 añade +5% y da $52,50 de crédito, $100 añade +10% para $110,00, y $200 añade +15% para $230,00. El pago es solo en cripto, USDT en TRC20 o USDC en Base, y el crédito no caduca.
Los usuarios nuevos pueden probar el endpoint con $0,50 de crédito de prueba, válido por 7 días. Con 2.300 tokens por petición en el ejemplo del chatbot, eso son aproximadamente 1.100 peticiones de prueba. Abre la página de precios para ver la lista completa de tarifas, luego obtén una clave y lee la documentación para ver los límites y encabezados.
Finalmente, configura una alerta. Cada respuesta incluye X-Balance-USD, por lo que unas pocas líneas de código pueden avisarte cuando el crédito caiga por debajo de un número de días de gasto. La guía de integración de clave API de Kimi muestra el mismo tipo de configuración de cliente en un contexto relacionado.
