Custo do prompt da API LLM: planeje seus tokens
Os preços são $0,15 por 1M de tokens de entrada e $0,50 por 1M de tokens de saída. Veja como transformar isso em um orçamento para seus próprios prompts.
Atualizado

Pontos principais
- Uma chamada de prompt com 600 tokens de entrada e 400 de saída custa $0,00029; 1.000 chamadas custam $0,29.
- Os tokens de saída custam 3 e um terço vezes mais que os tokens de entrada.
- O histórico de chat é reenviado a cada turno, então chats longos custam muito mais por turno que os curtos.
- O crédito pré-pago a partir de $20 nunca expira; há um crédito de teste de $0,50, mas não há plano gratuito.
A resposta curta, com números
Nesta API, o custo do prompt da API LLM é simples de entender: $0,15 por 1 milhão de tokens de entrada e $0,50 por 1 milhão de tokens de saída. Uma chamada típica de expansão de prompt, com 600 tokens de entrada e 400 de saída, custa $0,00029, o que significa que 1.000 chamadas assim custam $0,29. Não há assinatura nem mínimo mensal. Você paga com crédito pré-pago, e o crédito nunca expira.
O restante deste artigo mostra como chegar desses dois preços a um orçamento confiável: como contar tokens, quanto conversas longas realmente custam, o que um recarregamento compra e onde um prompt pode ser reduzido. Cada valor abaixo é calculado com base nas duas tarifas, e a aritmética é mostrada para que você possa refazê-la com seus próprios números.
| Função | Tokens de entrada | Tokens de saída | Custo por chamada |
|---|---|---|---|
| Expansão de prompt | 600 | 400 | $0.00029 |
| Prompt de sistema longo, resposta curta | 2,100 | 300 | $0.000465 |
| Documento grande na janela de 100k | 80,000 | 2,000 | $0.013 |
Como tokens viram dólares
Uma fatura de LLM tem duas linhas. Os tokens de entrada são tudo que você envia: a mensagem do sistema, as rodadas anteriores da conversa, quaisquer documentos colados e a nova pergunta. Os tokens de saída são o que o modelo escreve de volta. A saída custa mais por token aqui, $0,50 contra $0,15 por milhão, então cada token de saída custa 3 e um terço vezes o preço de um token de entrada. Uma resposta longa é mais cara do que uma pergunta longa do mesmo tamanho.
Para uma única chamada, a fórmula é:
cost = input_tokens x 0.15 / 1,000,000 + output_tokens x 0.50 / 1,000,000
Como regra aproximada para texto em inglês, um token tem cerca de quatro caracteres ou três quartos de uma palavra. Um prompt de 300 palavras tem cerca de 400 tokens. Isso é apenas uma estimativa. Código, números e texto em outros idiomas geralmente exigem mais tokens por palavra, então meça uma amostra real antes de orçar um trabalho grande.
A maneira mais fácil de medir é pedir à API. Cada resposta contém um objeto usage com contagens de tokens de prompt e conclusão, e uma resposta em streaming envia o uso no final do streaming. Execute vinte requisições representativas, faça a média dos dois números e multiplique.
Exemplo prático: expansão de prompts
Considere um trabalho que gera um prompt final de texto-para-vídeo a partir de uma ideia curta. A mensagem do sistema mais a ideia totalizam 600 tokens de entrada, e a resposta tem 400 tokens.
- Entrada: 600 x $0,15 / 1.000.000 = $0,00009
- Saída: 400 x $0,50 / 1,000,000 = $0,0002
- Total por chamada: $0,00029
Escale isso:
- 1,000 chamadas: $0,29
- 10,000 chamadas: $2,90
- 100,000 chamadas: $29,00
Dizendo de outra forma, o crédito de teste de $0,50 cobre cerca de 1.724 dessas chamadas (0,50 / 0,00029 = 1.724,1), e um recarregamento de $20 cobre cerca de 69.000 delas. Para pequenas equipes e projetos hobby, o custo dos prompts raramente é a parte do orçamento que dói. A ferramenta que consome os prompts geralmente custa muito mais.
O crédito de teste é de $0,50, válido por 7 dias, ativado com um clique na página da chave de API após o login, um por pessoa. Não precisa de cartão. Não há um plano gratuito recorrente além disso, então planeje-se para o crédito pré-pago quando o crédito de teste acabar.
Por que chats longos custam mais do que você espera
O uso estilo chat é onde as estimativas falham. A API é sem estado, então para cada nova rodada você reenvia toda a conversa. A entrada cresce a cada rodada, mesmo que cada mensagem seja curta.
Suponha que um chat tenha uma mensagem de sistema de 500 tokens. Em cada turno, o usuário escreve 100 tokens e o modelo responde com 300. O turno 1 envia 600 tokens. O turno 2 envia 600 mais os 400 do turno 1, totalizando 1.000. Cada turno posterior adiciona mais 400.
- Entrada em 10 turnos: 10 x 600 + 400 x (0 + 1 + ... + 9) = 6.000 + 400 x 45 = 24.000 tokens
- Saída em 10 turnos: 10 x 300 = 3.000 tokens
- Custo de entrada: 24,000 x $0,15 / 1,000,000 = $0,0036
- Custo de saída: 3,000 x $0,50 / 1,000,000 = $0,0015
- Total para a conversa de dez turnos: $0,0051
Isso é cerca de meio centavo por uma conversa inteira. O valor importa menos que o formato: o turno 10 custa muito mais que o turno 1, e a entrada total cresce com o quadrado do número de turnos. Estique o mesmo chat para 100 turnos e a entrada se torna 100 x 600 + 400 x 4.950 = 2.040.000 tokens, o que dá $0,306. Os 30.000 tokens de saída adicionam $0,015, totalizando $0,321. Dez vezes os turnos, cerca de 63 vezes o custo.
Se seu uso for chat de longa duração ou roleplay, decida quando cortar ou resumir turnos antigos. Substituir os primeiros 80 turnos por um resumo de 500 tokens pode reduzir todas as requisições posteriores, e também mantém a conversa dentro da janela de 100.000 tokens.
Uma grande requisição na janela de 100k
O outro extremo é uma única requisição enorme: um manuscrito longo, um arquivo de log, um conjunto de transcrições. A janela é de 100.000 tokens para prompt mais conclusão juntos, então a maior entrada deixa pouco espaço para saída. Um trabalho com 80.000 tokens de entrada e 2.000 de saída custa:
- Entrada: 80,000 x $0,15 / 1,000,000 = $0,012
- Saída: 2.000 x $0,50 / 1.000.000 = $0,001
- Total: $0,013
Mesmo uma requisição que preenche a maior parte da janela custa cerca de um centavo. Custo não é o motivo para evitar entradas longas. Velocidade e qualidade são: um prompt muito longo demora mais para ser processado, e fatos no meio de uma entrada enorme são mais fáceis para qualquer modelo perder. Se a resposta depende de alguns parágrafos, envie esses parágrafos.
O limite do corpo é de 8 MB por requisição, que é muito acima do que cabe na janela de tokens, então a contagem de tokens será o limite que você atingirá primeiro.
O que uma recarga compra
O crédito é comprado em valores inteiros de dólares de $20 a $500. Recarregamentos maiores adicionam um bônus: 5% a partir de $50, 10% a partir de $100 e 15% a partir de $200.
| Você paga | Bônus | Crédito adicionado | Chamadas de expansão de prompt (a $0,00029) |
|---|---|---|---|
| $20 | nenhum | $20.00 | cerca de 69.000 |
| $50 | 5% = $2.50 | $52.50 | cerca de 181.000 |
| $100 | 10% = $10 | $110.00 | cerca de 379.000 |
| $200 | 15% = $30 | $230.00 | cerca de 793.000 |
Você pode pagar com criptomoedas (USDT na TRC20, USDC na Base). Cartão não é mais aceito. Como o crédito nunca expira, não há penalidade por comprar um valor maior e utilizá-lo gradualmente, e o bônus torna essa escolha atraente se você sabe que continuará usando a API. Se estiver inseguro, comece com $20. As tarifas atuais e o formulário de recarga estão na página de preços.
Requisições falhas ou recusadas não são cobradas. Se uma requisição gerar erro ou o modelo recusar, você não paga por ela, o que importa quando você tenta novamente em loop.
Cinco formas de reduzir a conta
Como a entrada é a parte que você controla mais, comece por ela.
- Reduza a mensagem do sistema. Considere um trabalho com uma mensagem de sistema de 2.000 tokens, uma ideia de 100 tokens e uma resposta de 300 tokens. A entrada é de 2.100 tokens, então a chamada custa 2.100 x $0,15 / 1.000.000 + 300 x $0,50 / 1.000.000 = $0,000315 + $0,00015 = $0,000465. Em 10.000 chamadas isso dá $4,65. Reduza a mensagem do sistema para 500 tokens e a chamada será 600 x $0,15 / 1.000.000 + $0,00015 = $0,00009 + $0,00015 = $0,00024, ou $2,40 para 10.000 chamadas. Você economiza $2,25.
- Limite a saída. Defina
max_tokenspara o tamanho necessário. É opcional, mas um teto protege você de uma resposta descontrolada. - Solicite a forma curta. "Responda apenas com o prompt" remove preâmbulos que você paga e depois exclui.
- Agrupe perguntas pequenas. Dez perguntas curtas em uma única requisição compartilham uma única mensagem do sistema, em vez de repeti-la dez vezes.
- Resuma as voltas da conversa antiga. Como mostrado acima, isso achata a curva de crescimento.
Nada disso requer ferramentas especiais. A verificação é um script que registra usage de cada resposta.
from openai import OpenAI
client = OpenAI(
base_url="https://api.veo3apis.com/v1",
api_key="YOUR_API_KEY",
)
IN_PRICE = 0.15 / 1_000_000
OUT_PRICE = 0.50 / 1_000_000
resp = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "Write a 70 word prompt for a rainy street scene."}],
max_tokens=200,
)
u = resp.usage
cost = u.prompt_tokens * IN_PRICE + u.completion_tokens * OUT_PRICE
print(u.prompt_tokens, u.completion_tokens, "tokens, about $%.6f" % cost)
Você também pode acompanhar o saldo diretamente: cada resposta inclui o cabeçalho X-Balance-USD. Registre-o ao lado do ID de solicitação de X-Request-Id e você pode conciliar o gasto com suas próprias contagens. Para começar, ative o teste na página da chave de API e leia a documentação para a lista completa de parâmetros.
Mais guias
Perguntas e respostas
Existe uma camada gratuita?
Não. Usuários novos podem solicitar um crédito de teste único de $0,50, válido por 7 dias e sem necessidade de cartão. Depois disso, você paga com crédito pré-pago.
Requisições recusadas ou com falha custam dinheiro?
Não. Requisições falhas ou recusadas não são cobradas.
O crédito expira?
Não. O crédito nunca expira e não há assinatura.
Como vejo o custo de uma requisição?
Leia o objeto de uso na resposta para as contagens de tokens e o cabeçalho X-Balance-USD para o seu saldo restante.
Sua chave está a um formulário de distância
Crie uma conta, copie a chave e altere a URL base. Essa é toda a configuração.