Tarification clé API GLM : estimez votre facture mensuelle

Origine du chiffre

Une API de modèle vend des tokens, pas des clés. Pour la tarification clé API GLM, les chiffres dont vous avez besoin sont le taux d'entrée, le taux de sortie et toute remise pour les requêtes mises en cache ou par lots, tous listés par 1M de tokens sur la page de tarification officielle du fournisseur. Les tarifs et les noms de modèles changent, donc nous ne les citons pas ici. Copiez les chiffres actuels dans le tableau ci-dessous et le reste de cet article fonctionne pour n'importe quel fournisseur.

Un token est un morceau de texte, représentant environ trois quarts d'un mot anglais. D'autres langues et le code peuvent utiliser plus de tokens par mot. Le tokenizer de votre fournisseur ou le champ usage dans les réponses donne le décompte exact, ce qui est plus fiable que toute règle empirique.

Vous verrez également des termes tels que la longueur de contexte, la limite de débit et le niveau sur les pages de tarification. Seuls les deux premiers taux modifient votre facture. La longueur de contexte plafonne la quantité que vous pouvez envoyer par requête, et les limites de débit plafonnent la vitesse à laquelle vous pouvez l'envoyer. Sur cette API, la fenêtre est de 100 000 tokens et une clé complète permet 8 requêtes simultanées et 300 par minute.

Comptez les tokens par requête

Notez quatre nombres pour chaque type de requête que votre application effectue :

1. Entrée fixe : prompt système et définitions d'outils.
2. Entrée variable : message utilisateur, documents récupérés, historique des chats.
3. Sortie : la longueur typique de la réponse.
4. Volume : requêtes par jour.

L'historique des chats est la surprise habituelle. Chaque tour renvoie tout ce qui le précède, donc une conversation de 10 tours ne coûte pas 10 messages d'entrée, elle coûte la somme de 1 + 2 + ... + 10 messages, soit 55 unités de message. Réduisez ou résumez l'historique si les conversations sont longues.

Pour mesurer plutôt que deviner, journalisez le bloc d'utilisation. Sur cette API, il est retourné avec chaque réponse, et en streaming il arrive à la fin du flux :

Copyfrom 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)

Pour une prévision anticipée, échantillonnez des données réelles. Prenez 50 vrais messages utilisateurs ou documents, exécutez-les, et utilisez la moyenne et le 90e percentile des nombres de tokens. La moyenne vous donne la facture attendue, le percentile montre à quel point un mois lourd se présente.

Exemple détaillé 1 : un chatbot

500 utilisateurs par jour envoient 6 messages chacun, soit 3 000 requêtes. Chaque requête moyenne 2 000 tokens d'entrée (historique plus prompt système) et 300 tokens de sortie.

• Entrée quotidienne : 3 000 x 2 000 = 6M tokens, soit 6 x $0,15 = $0,90.
• Sortie quotidienne : 3 000 x 300 = 0,9M tokens, soit 0,9 x $0,50 = $0,45.
• Total quotidien : $1,35. Sur 30 jours : $40,50.

Exemples détaillés 2 et 3 : lots et récupération

Résumez 50 000 documents, chacun long de 1 500 tokens, en des résumés de 150 tokens.

• Entrée : 50 000 x 1 500 = 75M tokens, soit 75 x $0,15 = $11,25.
• Sortie : 50 000 x 150 = 7,5M tokens, soit 7,5 x $0,50 = $3,75.
• Total : $15,00.

Le travail par lots a un levier supplémentaire : il peut s'exécuter en parallèle, mais une clé complète est limitée à 8 requêtes simultanées et 300 requêtes par minute, donc 50 000 requêtes nécessitent au moins 167 minutes au plafond par minute (50 000 / 300). Planifiez le temps réel ainsi que le coût.

Exemple détaillé 3 : réponses augmentées par récupération

Un assistant de support gère 20 000 questions par mois. Chacune envoie 8 000 tokens d'entrée (instructions plus passages récupérés) et reçoit une réponse de 400 tokens.

• Entrée : 20 000 x 8 000 = 160M tokens, soit 160 x $0,15 = $24,00.
• Sortie : 20 000 x 400 = 8M de tokens, soit 8 x $0,50 = $4,00.
• Total : 28,00 $ par mois.

La fenêtre de contexte ici est de 100 000 tokens, prompt plus complétion, donc 8 000 tokens de contexte laissent beaucoup de place. L'entrée représente 86 pour cent de cette facture, ce qui est typique pour la récupération : réduire le texte récupéré est plus important que raccourcir les réponses.

Comment la taille de la requête change le prix

Le prix par 1 000 requêtes est une unité pratique car il s'ajuste par simple multiplication. Voici quatre formes de requête à 0,15 $ et 0,50 $ par 1M de tokens :

Le modèle de tarification est clair. Les requêtes de chat courtes sont bon marché et lourdes en sortie. Les requêtes à grand contexte sont lourdes en entrée, et la ligne d'entrée domine. Savoir quel type vous exécutez vous dit quel levier actionner : des réponses plus courtes pour la première, un contexte réduit pour la seconde.

Erreurs qui faussent les estimations

• Compter les mots au lieu de tokens. Un texte anglais de 1 000 mots fait environ 1 300 tokens, et plus pour le code ou le texte non anglais.
• Oublier l'historique de conversation. L'entrée de chat augmente à chaque tour, comme montré ci-dessus.
• Utiliser des moyennes pour un trafic irrégulier. Un jour de lancement peut être dix fois un jour normal. Budgétisez le pic que vous pouvez supporter.
• Ignorer les réessais. Ajoutez une marge. Sur cette API, les requêtes échouées ou refusées ne sont pas facturées, mais vérifiez ceci pour tout fournisseur que vous comparez.
• Ignorer le plafond de sortie. Les sorties coûtent plus cher par token. Si vous n'avez besoin que d'une étiquette ou d'un court résumé, demandez-le et définissez max_tokens là où une limite stricte aide. C'est optionnel ici.

Comparer avec les tarifs de GLM

Remplissez ce tableau avec les chiffres actuels du fournisseur et vos propres volumes :

Puis comparez sur plus que le prix. Le comportement de refus, la longueur de la fenêtre de contexte et la capacité du modèle à respecter votre format de sortie modifient tous le nombre de tentatives que vous payez. Cette API propose un seul modèle à poids ouverts, uncensored, optimisé pour répondre sans refus de contenu pour un usage adulte légal. C'est un service indépendant et non l'API officielle de Zhipu, Z.ai ou tout autre fournisseur. Pour voir une intégration similaire, le guide d'intégration de clé API Kimi suit le même schéma.

Gestion du budget et recharges

Ajoutez 20 à 30 pour cent à votre estimation pour les tentatives, les prompts plus longs et la croissance. Le chatbot à 40,50 $ devient un budget d'environ 49 $ à 53 $. Rechargez en montants entiers de 20 $ à 500 $ ; un rechargement de 50 $ ajoute +5 % et donne 52,50 $ de crédit, 100 $ ajoute +10 % pour 110,00 $, et 200 $ ajoute +15 % pour 230,00 $. Le paiement est en crypto uniquement, USDT sur TRC20 ou USDC sur Base, et le crédit n'expire jamais.

Les nouveaux utilisateurs peuvent essayer l'endpoint avec 0,50 $ de crédit d'essai gratuit, valable 7 jours. À 2 300 tokens par requête dans l'exemple de chatbot, cela représente environ 1 100 requêtes de test. Ouvrez la page des tarifs pour la grille tarifaire complète, puis obtenez une clé et lisez la documentation pour les limites et les en-têtes.

Enfin, définissez une alerte. Chaque réponse inclut X-Balance-USD, donc quelques lignes de code peuvent vous avertir lorsque le crédit tombe en dessous du montant correspondant à un nombre de jours de dépenses. Le guide d'intégration de clé API Kimi montre le même type de configuration client dans un contexte similaire.

Plus de guides

• Clé API GLM 5.2 vs un seul modèle textuel hébergé stable
• Clé API Kimi : guide d'intégration sans censure