Pontos principais
- Um roteador vende acesso a muitos modelos; um modelo hospedado único vende um modelo por um único preço. A economia depende de qual o seu aplicativo realmente precisa.
- Este endpoint cobra $0,15 por 1M de tokens de entrada e $0,50 por 1M de tokens de saída, sem assinatura.
- Um chatbot com 100.000 requisições por mês, com 2.000 tokens de entrada e 300 de saída, custa $45 aqui.
- Verifique a precificação atual de cada provedor você mesmo; este artigo não cita as taxas de ninguém.
Roteador ou modelo único: o que você está realmente comprando
Um roteador oferece uma única chave de API e um catálogo de modelos de muitos fornecedores. Você escolhe um modelo por requisição, compara a qualidade e alterna quando um melhor aparece. Essa flexibilidade tem valor, especialmente enquanto você ainda está decidindo o que seu produto precisa.
Um modelo hospedado único funciona de forma diferente. Você obtém um modelo, um ID e um preço. Se o seu aplicativo precisa do mesmo comportamento em todas as chamadas, como um bot de roleplay, um classificador ou um resumo, a flexibilidade deixa de ser importante e o preço se torna a variável principal. Esse é o caso em que alternativas ao OpenRouter mais baratas que um catálogo fazem sentido.
Este site vende o segundo tipo: uma API de texto compatível com OpenAI com um único modelo de pesos abertos ajustado para responder sem recusas de conteúdo para uso adulto legal, operada por um provedor independente. Não é um roteador entre fornecedores e nem a API oficial de nenhum fornecedor. Veja a visão geral do provedor para saber o que isso significa na prática.
Passo um: meça seus tokens
Os preços são por milhão de tokens, então você precisa de três números do seu próprio tráfego: requisições por mês, tokens médios de entrada por requisição e tokens médios de saída por requisição. Cada resposta de API inclui um bloco de uso com as contagens, então um dia de registro fornece médias reais.
A fórmula é:
monthly cost = requests x (input_tokens x input_price + output_tokens x output_price) / 1,000,000
com preços em dólares por milhão de tokens. Tenha cuidado com a entrada. Aplicativos de chat reenviam o histórico, e agentes reenviam resultados de ferramentas, então a entrada média geralmente é várias vezes maior que o tamanho de uma única mensagem do usuário. Se você não mediu isso, está adivinhando.
Quatro workloads a $0,15 e $0,50
Aqui está o custo de quatro cargas de trabalho típicas neste endpoint. Substitua as entradas pelas suas.
| Carga de trabalho | Volume | Tokens por requisição | Custo mensal |
|---|---|---|---|
| Chatbot | 100.000 requisições | 2.000 de entrada, 300 de saída | $30 + $15 = $45 |
| Classificador | 1.000.000 requisições | 300 de entrada, 20 de saída | $45 + $10 = $55 |
| Resumos de documentos | 10.000 documentos | 8.000 de entrada, 400 de saída | $12 + $2 = $14 |
| Gerador de histórias | 20.000 requisições | 500 de entrada, 2.000 de saída | $1.50 + $20 = $21.50 |
Verifique uma linha. Entrada do chatbot: 100.000 x 2.000 = 200.000.000 tokens = 200 x $0,15 = $30. Saída: 100.000 x 300 = 30.000.000 tokens = 30 x $0,50 = $15. Total $45.
Observe o padrão. O gerador de histórias é dominado pela saída, o classificador e o chatbot pela entrada. Compare cada provedor no lado que domina sua fatura, não apenas no número de destaque.
Compare sem confiar em um preço de destaque
Para comparar justamente com um roteador ou qualquer outro serviço, procure o preço atual dele para o modelo exato que você usaria e faça estas perguntas:
- Quais são os preços de entrada e saída para esse modelo? Não use médias em todo o catálogo.
- Existem taxas extras em recargas ou no uso? Verifique a página de precificação atual deles.
- O modelo de que você precisa está disponível e ele não recusa o conteúdo que você precisa escrever?
- Requisições falhas ou recusadas são cobradas? Aqui não são.
- O crédito expira? Aqui nunca expira.
Então execute a mesma fórmula com os números deles. O auxiliar abaixo faz isso e também mostra como manter um único caminho de código para que você possa trocar backends com uma variável de ambiente.
import os
from openai import OpenAI
# One client, two possible backends. Switch with environment variables.
client = OpenAI(
base_url=os.getenv("LLM_BASE_URL", "https://api.bestuncensoredllm.com/v1"),
api_key=os.environ["LLM_API_KEY"],
)
MODEL = os.getenv("LLM_MODEL", "uncensored")
def monthly_cost(requests, in_tokens, out_tokens, in_price, out_price):
"""Prices are dollars per 1M tokens."""
return requests * (in_tokens * in_price + out_tokens * out_price) / 1_000_000
# this endpoint: $0.15 in, $0.50 out
print(monthly_cost(100_000, 2_000, 300, 0.15, 0.50)) # 45.0
# fill in another provider's current prices to compare
# print(monthly_cost(100_000, 2_000, 300, THEIR_IN, THEIR_OUT))Como ambos os lados usam o formato OpenAI, testar este endpoint significa alterar a URL base e a chave. A documentação lista as rotas: POST /v1/chat/completions, POST /v1/responses e GET /v1/models.
Quando um roteador ainda é a melhor escolha
Mais barato nem sempre é melhor. Um roteador se adapta melhor a você se você:
- precisar experimentar muitos modelos de diferentes fornecedores, ou rotear por tarefa;
- precisar de endpoints de imagem, áudio ou embedding, que este serviço não oferece;
- precisar do modelo de um fornecedor específico por nome para um contrato ou motivo de conformidade;
- você quer fallback automático entre provedores quando um deles tem uma interrupção.
Um modelo hospedado único se adapta melhor se um modelo cobrir seu aplicativo, você quiser precificação previsível por token sem um catálogo para navegar, e recusas de conteúdo forem um problema no seu produto. Muitas equipes usam ambos: um endpoint único para o caminho de texto sem censura de alto volume, e um roteador para experimentos.
Mover uma carga de trabalho em uma tarde
Uma migração prática tem quatro etapas. Primeiro, registre o uso no seu provedor atual por um dia para saber suas médias reais de tokens. Segundo, replique uma amostra de 200 prompts reais neste endpoint e salve as saídas ao lado das antigas. Terceiro, leia ambos os conjuntos cegamente e marque qual você enviaria. Quarto, roteie uma pequena parte do tráfego ao vivo, digamos 10 por cento, através de uma bandeira de recurso e observe recusas, latência perceptível e custo por requisição. Mantenha o provedor antigo configurado como fallback até confiar no novo caminho. Como ambos usam o formato OpenAI, nada disso precisa de uma reescrita.
Limites e detalhes práticos
O preço é uma parte do custo total. Limites de requisições moldam como você projeta o aplicativo. Uma chave completa aqui permite 8 requisições simultâneas e 300 por minuto. A chave de teste permite 2 e 60. Ao ultrapassar um limite, você recebe HTTP 429, com rate_limited para requisições por minuto ou concurrency para muitos ao mesmo tempo, e Retry-After: 5 em sobrecarga temporária. A janela de contexto é de 100.000 tokens, e max_tokens é opcional.
Recargas variam de $20 a $500, com +5% a partir de $50, +10% a partir de $100 e +15% a partir de $200, por cripto. Por exemplo, uma recarga de $200 dá 15% a mais de crédito, ou seja, $230 para gastar. O crédito é pré-pago e nunca expira. Veja precificação.
Execute um teste barato
Não mude por fé. Pegue um dia de prompts reais, envie-os para o endpoint, leia as saídas e calcule o custo pelos campos de uso. Novos usuários podem obter $0,50 de crédito de teste com um clique na página da chave de API; ele dura 7 dias e não precisa de cartão. Com 2.000 tokens de entrada e 300 de saída por requisição, $0,50 compra cerca de 1.100 requisições de chat. Isso é suficiente para avaliar qualidade e preço: 2.000 x $0,15 / 1M = $0,0003 mais 300 x $0,50 / 1M = $0,00015 dá $0,00045 por requisição, e $0,50 / $0,00045 é cerca de 1.111.
Se você quiser opções gratuitas antes de pagar qualquer coisa, leia opções de LLM sem censura gratuitas para ver seus limites.
