Contoh Tagihan

Halaman ini membahas perhitungan tagihan nyata untuk beberapa model umum, satu untuk setiap gaya penetapan harga. Mekanisme di balik setiap gaya dijelaskan di Cara Model Ditagih.

Token LLM — zai-org/glm-5.2

Model LLM ditagih per juta token, dengan tarif terpisah untuk token input (prompt), input yang di-cache, dan output (completion) (lihat model LLM):

$Cost = \frac{Fresh\ Input}{1M} \times \$1.40 + \frac{Cached\ Input}{1M} \times \$0.26 + \frac{Output}{1M} \times \$4.40$

Anda ditagih setelah permintaan selesai, berdasarkan jumlah token yang dilaporkan di field usage pada respons — permintaan streaming dan non-streaming ditagih dengan cara yang sama, dan permintaan yang gagal tidak ditagih.

Contoh — permintaan chat dengan 12,000 token prompt (10,000 di antaranya dilayani dari cache prompt) dan 1,500 token output:

1. Input baru: 2,000 × $1.40 ÷ 1M =$0.0028
2. Input yang di-cache: 10,000 × $0.26 ÷ 1M =$0.0026
3. Output: 1,500 × $4.40 ÷ 1M =$0.0066
4. Total: $0.0120

Tanpa prompt caching, permintaan yang sama akan menagih seluruh 12,000 token input dengan tarif input penuh — $0.0168 +$0.0066 = $0.0234, hampir dua kali lipat. Menjaga system prompt tetap stabil di seluruh permintaan memungkinkan tarif cache diterapkan pada bagian yang berulang.

Video berbasis token — bytedance/seedance-2.0/reference-to-video

Seedance 2.0 reference-to-video ditagih berdasarkan token video output saat tugas selesai (lihat model video berbasis token). Dua tarif token berlaku, tergantung pada input Anda:

Pengali resolusi: 480p / 720p / 1080p × 1.0, 4k × 0.57, 720p-sr / 1080p-sr × 1.8, 1440p-sr × 3.2. Token yang ditagih diukur dari output yang dihasilkan (dan, untuk permintaan dengan video referensi, mencakup kontribusi video input), jadi gunakan /calculate untuk harga pasti pada tingkat 4K dan SR.

Jumlah token bertambah sesuai resolusi, frame rate, dan durasi:

$Video\ Tokens \approx \frac{Width \times Height \times FPS \times Duration(seconds)}{1024}$

Pada 1080p (1920 × 1080, 24 fps) ini menghasilkan 48,600 token per detik video.

Contoh A — hanya gambar referensi, 10 detik pada 1080p:

1. Token output: 48,600 × 10 detik = 486,000 token
2. Harga resmi: 486,000 ÷ 1,000,000 × $11.20 × 1.0 = **$5.44**

Contoh B — dengan video referensi 8 detik, output 10 detik pada 1080p:

1. Token yang ditagih menghitung video input ditambah output: (10 detik + 8 detik) × 48,600 = 874,800 token
2. Tarif lebih rendah untuk permintaan dengan video berlaku: 874,800 ÷ 1,000,000 × $6.88 × 1.0 = **$6.02**

Penahanan sementara dalam jumlah kecil ditempatkan saat pengiriman dan dilepaskan setelah tugas ditagih; tugas yang gagal tidak ditagih.

Video per detik — alibaba/wan-2.7/image-to-video

Wan 2.7 image-to-video menggunakan harga per detik klasik: tarif dasar $0.10 per detik, diskalakan berdasarkan resolusi output, dengan minimum 5 detik:

$Cost = \$0.10 \times max(5,\ Duration) \times Resolution\ Multiplier$

Contoh — 8 detik pada 1080p:

$0.10 × 8 × 1.5 = **$1.20**, dicadangkan dari saldo Anda saat pengiriman dan ditagih saat video dikirimkan.

Contoh — 3 detik pada 720p:

Durasi di bawah minimum, jadi 5 detik yang ditagih: $0.10 × 5 × 1.0 = **$0.50**.

Per gambar dengan opsi — google/nano-banana-pro/edit

Nano Banana Pro (varian edit) dihargai per gambar output, dengan tingkat resolusi dan biaya tambahan opsional untuk pencarian web:

$Cost = Images \times Tier\ Price\ (+\ \$0.014\ if\ web\ search)$

Contoh — 2 gambar pada 4K dengan pencarian web diaktifkan:

1. Gambar: 2 × $0.24 =$0.48
2. Pencarian web: + $0.014 (ditambahkan sekali per permintaan)
3. Total harga resmi: $0.494

Jumlahnya dicadangkan saat pengiriman dan otomatis dilepaskan jika tugas gagal.

Gambar berbasis token — openai/gpt-image-2/edit

GPT Image 2 ditagih seperti LLM — berbasis token — tetapi jumlah tokennya dihitung dari parameter permintaan Anda saat pengiriman:

Jumlah token output untuk gambar 1024×1024: 196 (low), 1,756 (medium), 7,024 (high). Ukuran yang lebih besar menghasilkan token yang secara proporsional lebih banyak; gambar input selalu menggunakan basis token medium terlepas dari quality.

Contoh — edit satu gambar 1024×1024, quality: medium, size: 1024x1024, n: 1:

1. Teks input: 1,000 token × $5/1M =$0.0050
2. Gambar input: 1,756 token × $8/1M =$0.0140
3. Gambar output: 1,756 token × $30/1M =$0.0527
4. Total: ≈ $0.072 per gambar

Meminta n gambar mengalikan seluruh jumlah dengan n.

Audio berbasis karakter (TTS) — xai/tts-v1 dan bytedance/seed-audio-1.0

Kedua model text-to-speech dihargai berdasarkan panjang teks input, dengan tarif $0.015 per 1,000 karakter:

$Cost = \frac{Characters(text)}{1{,}000} \times \$0.015$

Karakter dihitung sebagai karakter Unicode, jadi satu karakter CJK dihitung sebagai satu karakter, sama seperti huruf Latin.

Contoh — naskah 1,200 karakter:

1,200 ÷ 1,000 × $0.015 = **$0.018**, ditagih saat pengiriman.

Contoh — prompt pendek 300 karakter:

300 ÷ 1,000 × $0.015 = **$0.0045**.

Periksa model apa pun sendiri

Setiap contoh di atas dapat direproduksi dengan API estimasi biaya — kirim body permintaan persis Anda ke /api/v1/model/calculate dan endpoint ini mengembalikan harga resmi, harga efektif Anda, dan diskon yang diterapkan tanpa membuat tugas.