Añadir una función de IA a un producto SaaS cambia su estructura de costos. El alojamiento y el almacenamiento cuestan más o menos lo mismo por cada usuario; las llamadas a un LLM cuestan más cuanto más se usan. Si fija el precio de la función sin saber cuánto le cuesta un usuario activo, unos pocos clientes entusiastas pueden convertir un plan rentable en una pérdida. Este artículo muestra cómo calcular el costo de LLM por usuario, por qué el promedio es la cifra equivocada y cómo usarlo para definir sus planes.
¿Cómo se calcula el costo de LLM por usuario?
Para una función y un modelo:
cost per user per month =
requests per active user per month
× [ new input tokens × input price
+ cached tokens × cached price
+ output tokens × output price ] / 1,000,000
En los modelos de razonamiento, la salida incluye los tokens de razonamiento, y con una clave de pago por uso las imágenes cuentan como tokens de entrada. Si necesita repasar esos tres precios, lea cómo funcionan los precios de la API de LLM.
Sume las funciones que usa un usuario para obtener el costo total de IA por usuario.
Paso 1: ¿Qué cuenta como usuario activo y cuál es la unidad?
Elija una definición que ya reporte, como un usuario que usó la función de IA al menos una vez en el mes. Luego elija la unidad que su función produce de forma natural: un turno de chat, un documento generado, un archivo analizado, una llamada resumida. El costo por unidad es más estable que el costo por usuario y más fácil de razonar.
Paso 2: ¿Cómo se miden los tokens por unidad?
No lo estime a partir del número de palabras. Registre el bloque usage de cada respuesta con una etiqueta de función y un ID de usuario o de cuenta con hash: tokens del prompt, tokens en caché y tokens de completion, una fila por intento. El artículo sobre el registro de uso incluye un wrapper listo y el SQL para agrupar el costo por usuario y por función. Antes de tener tráfico, el contador de tokens le da una primera estimación a partir de prompts de ejemplo.
En las respuestas en streaming, pida el uso en el último fragmento con stream_options={"include_usage": True}; consulte la guía de streaming. Cuente cada intento, incluidos los reintentos, porque se factura cada intento que llega al modelo.
Paso 3: ¿Cuánto cuesta un usuario típico? Un ejemplo calculado
Suponga que su producto tiene un asistente dentro de la aplicación. Para un usuario activo típico en un mes, usted mide:
| Medida | Valor |
|---|---|
| Días activos | 20 |
| Solicitudes al asistente por día activo | 15 |
| Tokens de entrada por solicitud | 3,000 (la mitad en caché) |
| Tokens de respuesta visible por solicitud | 400 |
| Tokens de razonamiento por solicitud (modelos de razonamiento) | unos 600 |
Eso son 300 solicitudes al mes: unos 900,000 tokens de entrada, 450,000 de ellos en caché, y 120,000 tokens de salida visible, más unos 180,000 tokens de razonamiento en un modelo de razonamiento.
Aplique los precios por 1M de BroadNet. Los tokens están en millones, así que cada término es millones de tokens × precio por 1M:
| Modelo | Entrada / en caché / salida por 1M | El mes de este usuario |
|---|---|---|
| Gemma 4 VL 26B | $0.10 / sin tarifa en caché / $0.22 | 0.9 × $0.10 (toda la entrada a precio completo) + 0.12 × $0.22 (sin tokens de razonamiento) = $0.12 |
| DeepSeek V4.1 Flash | $0.175 / $0.0055 / $0.52 | 0.45 × $0.175 + 0.45 × $0.0055 + 0.3 × $0.52 = $0.24 |
| Qwen3.8 27B | $0.175 / $0.0435 / $2.17 | 0.45 × $0.175 + 0.45 × $0.0435 + 0.3 × $2.17 = $0.75 |
| GLM 5.3 | $0.78 / $0.173 / $3.46 | 0.45 × $0.78 + 0.45 × $0.173 + 0.3 × $3.46 = $1.47 |
Los 0.3M de salida en los modelos de razonamiento son 0.12M de respuesta visible más 0.18M de razonamiento. Hechas las cuentas, la línea de GLM 5.3 supera en más de diez veces la de Gemma 4 VL 26B para el mismo usuario (la comparación de Gemma 4 VL 26B y GLM 5.3 muestra ambos lado a lado). La salida es el término más grande en todos los modelos de razonamiento, y los tokens de razonamiento son más de la mitad de esa salida. Introduzca sus propias mediciones en la calculadora de costos de API de LLM para obtener su cifra.
Paso 4: ¿Por qué engaña el usuario promedio?
El uso de las funciones de IA está sesgado. La mayoría de los usuarios prueba la función unas cuantas veces; un grupo pequeño la usa todo el día. El promedio oculta ese grupo, y es ese grupo el que genera la factura.
A partir de su registro de uso, calcule por usuario y por mes:
- Costo mediano. Lo que cuesta un usuario normal.
- Percentil 90. Lo que cuesta un usuario intensivo pero normal. Fije el precio del plan para que este usuario siga siendo rentable.
- Percentil 99 y máximo. Los extremos. Estos usuarios necesitan un límite de uso razonable, un plan superior o una revisión por automatización y abuso.
Si su usuario del percentil 99 cuesta muchas veces la mediana, eso no es un problema en sí; es un dato para fijar precios.
Paso 5: ¿Cómo se definen los planes y los límites?
Conocido el costo por usuario, el precio pasa a ser una decisión de margen:
- Decida su margen bruto objetivo para el plan.
- Calcule hacia atrás el costo máximo de IA por usuario que ese margen permite.
- Compárelo con su percentil 90. Si el percentil 90 cabe, el plan funciona. Si no, reduzca el costo (paso 6), suba el precio o lleve el uso intensivo a un plan superior.
- Traduzca los tokens a una unidad que los usuarios entiendan. Los usuarios no piensan en tokens. Limite solicitudes por día, documentos por mes o minutos de audio, con un tamaño tal que el uso máximo permitido quede dentro de su techo de costo.
- Revise cada mes. Los cambios de prompt, las funciones nuevas y los cambios de modelo mueven el costo por usuario.
Paso 6: ¿Cómo se reduce el costo por usuario sin cambiar el producto?
- Caché. Ponga primero el prompt de sistema estable y la lista de herramientas. En DeepSeek V4.1 Flash, la entrada en caché cuesta $0.0055 por 1M en lugar de $0.175. Cómo subir su tasa de caché.
- Baje el razonamiento. Poner
reasoning_effortenlowpara solicitudes rutinarias recorta los tokens más caros. Cuánto cuesta el razonamiento. - Enrute según la dificultad. Envíe las solicitudes simples a Gemma 4 VL 26B y reserve los modelos de razonamiento para las difíciles.
- Recorte el historial. Las conversaciones largas reenvían todo en cada turno; resuma o trunque los turnos antiguos cuando la calidad lo permita.
- Limite la salida. Defina
max_tokenspor función, dejando margen para el razonamiento en los modelos de razonamiento.
Encontrará más controles en control del gasto en API de LLM.
¿Puede un plan de tarifa plana atender a usuarios de SaaS?
Los planes ilimitados de BroadNet para DeepSeek V4.1 Flash ($60 al mes por sesión) pueden integrarse en su propia aplicación o servicio con su propia clave, pero cada sesión ejecuta una solicitud a la vez y la clave no se puede compartir ni revender. Eso hace que un plan encaje bien con trabajo de back-end de baja concurrencia: un generador de informes nocturno, un resumidor alimentado por una cola, un agente interno. Para tráfico interactivo de usuarios con muchas solicitudes simultáneas, la respuesta habitual son las claves de pago por uso (4 solicitudes en curso cada una, 30 por minuto) o varias sesiones. Consulte la página de planes para ver las condiciones vigentes.
¿Qué costos rodean al modelo?
El costo de tokens por usuario es solo una parte de la partida de IA. Sume la recuperación y el almacenamiento vectorial, la transcripción (con precio por minuto de audio, por ejemplo $0.0042 por minuto para árabe en BroadNet), los reintentos y las ejecuciones de evaluación. Si sus usuarios escriben en árabe u otros idiomas distintos del inglés, espere más tokens por mensaje que en inglés; mida los tokens por palabra con su propio contenido.
¿Cómo gestionar los planes gratuitos y las pruebas?
Un plan gratuito multiplica el costo por usuario con usuarios que no pagan nada. Trátelo como gasto de marketing: dé a los usuarios gratuitos el modelo más barato que aún muestre bien la función, fije límites diarios más estrictos que en los planes de pago y siga el costo de IA de los usuarios gratuitos como una partida propia. Si los usuarios gratuitos se convierten, esa partida es costo de adquisición; si no, los límites la mantienen pequeña.
Resumen
Mida los tokens por unidad a partir del campo usage, multiplíquelos por los precios publicados, fíjese en el percentil 90 y no en la media, y defina a partir de ahí los precios y límites de sus planes. Después abarate cada unidad con caché, enrutamiento y menos esfuerzo de razonamiento. Si todavía no ha medido nada, empiece por el método del costo mensual.
