Exemplos de cobrança

Esta página percorre cálculos reais de cobrança para alguns modelos típicos, um para cada estilo de precificação. A mecânica por trás de cada estilo é explicada em Como os modelos são cobrados.

Tokens de LLM — zai-org/glm-5.2

Os modelos LLM são cobrados por milhão de tokens, com tarifas separadas para tokens de entrada (prompt), de entrada em cache e de saída (completação) (consulte modelos LLM):

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

Você é cobrado após a conclusão da solicitação, com base nas contagens de tokens informadas no campo usage da resposta — solicitações streaming e não streaming são cobradas de forma idêntica, e solicitações com falha não são cobradas.

Exemplo — uma solicitação de chat com 12,000 tokens de prompt (10,000 deles servidos do cache de prompt) e 1,500 tokens de saída:

1. Entrada nova: 2,000 × $1.40 ÷ 1M = $0.0028
2. Entrada em cache: 10,000 × $0.26 ÷ 1M = $0.0026
3. Saída: 1,500 × $4.40 ÷ 1M = $0.0066
4. Total: $0.0120

Sem o cache de prompt, a mesma solicitação cobraria todos os 12,000 tokens de entrada na tarifa integral de entrada — $0.0168 + $0.0066 = $0.0234, quase o dobro. Manter um prompt de sistema estável entre as solicitações permite que a tarifa de cache se aplique à parte repetida.

Vídeo cobrado por tokens — bytedance/seedance-2.0/reference-to-video

O Seedance 2.0 reference-to-video é cobrado por tokens de vídeo de saída quando a tarefa é concluída (consulte modelos de vídeo cobrados por tokens). Duas tarifas de token se aplicam, dependendo das suas entradas:

Multiplicadores de resolução: 480p / 720p / 1080p × 1.0, 4k × 0.57, 720p-sr / 1080p-sr × 1.8, 1440p-sr × 3.2. Os tokens cobrados são medidos a partir da saída gerada (e, para solicitações com vídeos de referência, incluem a contribuição do vídeo de entrada), então use o /calculate para obter uma cotação exata nos níveis 4K e SR.

Os tokens escalam com a resolução, a taxa de quadros e a duração:

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

Em 1080p (1920 × 1080, 24 fps) isso corresponde a 48,600 tokens por segundo de vídeo.

Exemplo A — apenas imagens de referência, 10s em 1080p:

1. Tokens de saída: 48,600 × 10s = 486,000 tokens
2. Preço de tabela: 486,000 ÷ 1,000,000 × $11.20 × 1.0 = $5.44

Exemplo B — com um vídeo de referência de 8s, saída de 10s em 1080p:

1. Os tokens cobrados contam o vídeo de entrada mais a saída: (10s + 8s) × 48,600 = 874,800 tokens
2. Aplica-se a tarifa mais baixa com vídeo: 874,800 ÷ 1,000,000 × $6.88 × 1.0 = $6.02

Uma pequena retenção temporária é aplicada no envio e liberada assim que a tarefa é cobrada; tarefas com falha não são cobradas.

Vídeo por segundo — alibaba/wan-2.7/image-to-video

O Wan 2.7 image-to-video usa a precificação clássica por segundo: uma tarifa base de $0.10 por segundo, ajustada pela resolução de saída, com um mínimo de 5 segundos:

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

Exemplo — 8s em 1080p:

$0.10 × 8 × 1.5 = $1.20, reservado do seu saldo no envio e capturado quando o vídeo é entregue.

Exemplo — 3s em 720p:

A duração está abaixo do mínimo, então 5 segundos são cobrados: $0.10 × 5 × 1.0 = $0.50.

Por imagem com opções — google/nano-banana-pro/edit

O Nano Banana Pro (variante edit) é precificado por imagem de saída, com um nível de resolução e uma sobretaxa opcional de busca na web:

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

Exemplo — 2 imagens em 4K com busca na web habilitada:

1. Imagens: 2 × $0.24 = $0.48
2. Busca na web: + $0.014 (adicionada uma vez por solicitação)
3. Total de tabela: $0.494

O valor é reservado no envio e liberado automaticamente se a tarefa falhar.

Imagem cobrada por tokens — openai/gpt-image-2/edit

O GPT Image 2 é cobrado como um LLM — por tokens — mas as contagens de tokens são calculadas a partir dos parâmetros da sua solicitação no envio:

Contagens de tokens de saída para uma imagem 1024×1024: 196 (low), 1,756 (medium), 7,024 (high). Tamanhos maiores produzem proporcionalmente mais tokens; imagens de entrada sempre usam a base de tokens medium independentemente de quality.

Exemplo — editar uma imagem 1024×1024, quality: medium, size: 1024x1024, n: 1:

1. Texto de entrada: 1,000 tokens × $5/1M = $0.0050
2. Imagem de entrada: 1,756 tokens × $8/1M = $0.0140
3. Imagem de saída: 1,756 tokens × $30/1M = $0.0527
4. Total: ≈ $0.072 por imagem

Solicitar n imagens multiplica o valor total por n.

Áudio cobrado por caracteres (TTS) — xai/tts-v1 e bytedance/seed-audio-1.0

Ambos os modelos de texto para fala são precificados pelo comprimento do texto de entrada, a $0.015 por 1,000 caracteres:

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

Os caracteres são contados como caracteres Unicode, então um caractere CJK conta como um caractere, o mesmo que uma letra latina.

Exemplo — um roteiro de 1,200 caracteres:

1,200 ÷ 1,000 × $0.015 = $0.018, cobrado no envio.

Exemplo — um prompt curto de 300 caracteres:

300 ÷ 1,000 × $0.015 = $0.0045.

Verifique qualquer modelo você mesmo

Cada exemplo acima pode ser reproduzido com a API de estimativa de custos — envie o corpo exato da sua solicitação para /api/v1/model/calculate e ele retorna o preço de tabela, seu preço efetivo e o desconto aplicado sem criar nenhuma tarefa.