---
title: "Paano tantiyahin ang gastos sa LLM API bago mag-launch"
description: "Sunud-sunod na cost model para sa bagong AI feature: user × action × call × token, kasama ang cache, reasoning, retry, rate limit at halimbawang buwanang table."
url: https://broadrouter.com/fil/blog/estimate-llm-api-cost-before-launch/
lang: fil
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Isinalin mula sa Ingles sa tulong ng AI. [Basahin ang orihinal sa Ingles](https://broadrouter.com/blog/estimate-llm-api-cost-before-launch/) (na-update noong 2026-11-15).

# Paano tantiyahin ang gastos sa LLM API bago mag-launch ng feature

Ng BroadNet Inference team · 6 minutong basa · Nailathala 2026-11-14 · Na-update 2026-11-15

Tantiyahin ang gastos sa LLM API sa pamamagitan ng pagmomodelo ng isang user action, hindi ng isang API call: bilangin ang call kada action, sukatin ang input, cached at output token kada call sa totoong sample, saka i-multiply sa user at action kada buwan. Idagdag ang reasoning at retry, at presyuhan ang mababa, inaasahan at mataas na scenario. $42.67 kada buwan ang halimbawa namin sa DeepSeek V4.1 Flash.

## Mga pangunahing punto

-   I-modelo ang unit ng trabaho na sinisimulan ng user mo, saka bilangin ang bawat LLM call sa likod nito, kasama ang retry at mga hakbang ng agent.
-   Sukatin ang token sa 20 hanggang 50 totoong sample at basahin ang usage block. Huwag hulaan mula sa bilang ng salita.
-   Hatiin ang input sa bago at cached na token at isama ang reasoning sa output, dahil magkakaiba ang presyo ng bawat isa.
-   Halimbawa namin: 60,000 action kada buwan sa 5,000 input at 500 output token, kalahati ng input ay cached, ay $42.67.
-   Suriin ang volume laban sa rate limit at concurrency, hindi lang sa budget.

**Sa page na ito**

1.  Ano ang formula ng gastos sa LLM API?
2.  Paano buuin ang cost model, hakbang-hakbang?
3.  Ano ang hitsura ng halimbawang tantiya? Isang support reply drafter
4.  Gaano kalawak dapat ang mababa at mataas na scenario?
5.  Ano ang pinakanagpapagalaw sa tantiya?
6.  Kasya ba ang volume sa rate limit?
7.  Dapat bang tumakbo ang feature na ito sa flat plan?
8.  Paano gawing budget ang tantiya?
9.  Saan bagay ang BroadNet Inference

Para tantiyahin ang gastos sa LLM API bago mag-launch, presyuhan ang isang user action sa halip na isang API call. Bilangin ang mga call sa likod nito, sukatin ang bagong input, cached input at output token sa 20 hanggang 50 totoong sample, i-multiply sa buwanang action, saka idagdag ang reasoning at retry. $42.67 kada buwan ang halimbawa naming support reply sa DeepSeek V4.1 Flash.

Forecast ito bago mag-launch para sa isang feature; kapag may nagbabayad ka nang user, saklaw ng [gastos sa LLM kada user para sa SaaS](https://broadrouter.com/fil/blog/llm-cost-per-user-saas/) ang margin at pricing tier.

## Ano ang formula ng gastos sa LLM API?

```text
monthly cost = actions per month × calls per action
             × ( new input tokens × input price
               + cached input tokens × cached price
               + output tokens × output price ) / 1,000,000
```

Kasama ang reasoning sa [output token](https://broadrouter.com/fil/glossary/input-and-output-tokens/). Ang [cached token](https://broadrouter.com/fil/glossary/cached-input-tokens/) ay input na muling ginagamit ng provider sa mas mababang presyo. Pagsukat na ang lahat ng iba pa. Inilalapat ng libreng [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) ang formula na ito sa list price ng kahit anong model.

## Paano buuin ang cost model, hakbang-hakbang?

1.  **Pangalanan ang unit ng trabaho.** “Gumawa ng draft ng support reply”, “ibuod ang isang tawag”, “ayusin ang pumapalyang test”. Iyan ang presyuhan, hindi “isang request”.
2.  **Bilangin ang call kada action.** Puwedeng isang call lang ang sagot na may retrieval. Puwedeng sampu ang agent na nagpaplano, nag-e-edit at nagche-check. Idagdag ang retry rate mo: sinisingil ulit ang timeout na nire-retry mo.
3.  **Sukatin ang token kada call sa totoong sample.** Kumuha ng 20 hanggang 50 makatotohanang input, hindi malilinis na demo. Para sa unang magaspang na bilang bago ka tumawag ng kahit anong API, i-paste ang mga ito sa [token counter](https://broadrouter.com/tools/token-counter/). Basahin ang `usage.prompt_tokens`, `usage.prompt_tokens_details.cached_tokens` at `usage.completion_tokens` mula sa bawat response. Kapag streaming, i-set ang `stream_options: {"include_usage": true}`; ipinapakita ng [gabay sa streaming](https://broadrouter.com/fil/guides/streaming-chat-completions/) kung saan ito lumalabas.
4.  **Paghiwalayin ang bago at cached na input.** Puwedeng ma-cache ang system prompt, listahan ng tools at mga shared na dokumento kung nauuna ang mga ito at hindi nagbabago. Hindi puwede ang text ng user.
5.  **Isama ang reasoning sa output.** Nag-iisip muna bago sumagot ang DeepSeek V4.1 Flash, GLM 5.3 at Qwen3.8 27B. Sinisingil bilang output ang mga [reasoning token](https://broadrouter.com/fil/glossary/reasoning-tokens/) na iyon, at kadalasang mas malaki ang mga ito kaysa sa nakikitang sagot. [Bakit mas mahal ang reasoning kaysa sa nakikita mo](https://broadrouter.com/fil/blog/reasoning-tokens-cost/).
6.  **Tantiyahin ang volume.** Aktibong user × action kada user kada araw × 30.
7.  **I-multiply at pagsamahin.** Gawing milyon ang kabuuang token at ilapat ang presyo kada 1M.
8.  **Presyuhan ang tatlong scenario.** Mababa, inaasahan at mataas. Hindi tiyak ang traffic sa launch, at humahaba ang mga prompt sa paglipas ng panahon.
9.  **Suriin ang limits, hindi lang ang pera.** Dapat kasya sa [rate limit](https://broadrouter.com/fil/glossary/rate-limit/) ng key mo ang peak na request kada minuto at request na in flight.
10.  **Pagpasyahan ang billing model.** Per token para sa pabago-bago at user-driven na traffic; flat plan para sa mga agent na laging naka-on.

## Ano ang hitsura ng halimbawang tantiya? Isang support reply drafter

Nagdagdag ang isang help-desk app ng “Draft reply”. Mga palagay lang para sa paglalarawan ang mga numero sa ibaba. Palitan ang bawat isa ng sarili mong sukat.

| Input | Value | Pinagmulan |
| --- | --- | --- |
| Mga support agent (staff) na gumagamit ng feature | 500 | Product plan |
| Draft kada agent kada araw | 4 | Usage sa pilot |
| Araw kada buwan | 30 |  |
| Action kada buwan | 60,000 | 500 × 4 × 30 |
| Call kada action | 1 | Isang call na may retrieved na artikulo |
| Input token kada call | 5,000 | System prompt, thread ng ticket, tatlong help article |
| Bahagi ng input na cached | 50% | Stable na system prompt at prefix ng artikulo |
| Output token kada call | 500 | Mga 200 nakikita, 300 reasoning |
| Model | DeepSeek V4.1 Flash | $0.175 / $0.0055 / $0.52 kada 1M |

Ngayon ang mga kabuuan:

| Linya | Token kada buwan | Presyo kada 1M |
| --- | --- | --- |
| Bagong input | 150M | $0.175 |
| Cached input | 150M | $0.0055 |
| Output, kasama ang reasoning | 30M | $0.52 |
| **Inaasahang buwanang gastos** |  | **$42.67** |

Iyan ay 300M input at 30M output token: 60,000 × 5,000 at 60,000 × 500.

## Gaano kalawak dapat ang mababa at mataas na scenario?

| Scenario | Action kada buwan | Input / output token | Buwanang gastos |
| --- | --- | --- | --- |
| Mababa: mabagal na adoption | 20,000 | 100M / 10M | $14.23 |
| Inaasahan | 60,000 | 300M / 30M | $42.67 |
| Mataas: 3× na adoption | 180,000 | 900M / 90M | 3 × $42.67 |

Pare-parehong 50% ang cache share ng tatlo. Kapag bumaba ang cache share, tataas ang bill: $0.175 kada 1M ang bagong input sa model na ito laban sa $0.0055 kapag cached. [Paano panatilihing mataas ang cache share](https://broadrouter.com/fil/blog/cached-input-tokens-explained/).

## Ano ang pinakanagpapagalaw sa tantiya?

-   **Haba ng context.** Puwedeng dumoble ang input kapag sampung artikulo ang kinukuha ng retrieval sa halip na tatlo. Sukatin ang token pagkatapos ng bawat pagbabago sa prompt.
-   **Reasoning.** Pinaliliit ng pag-set ng `reasoning_effort` sa `low` sa mga simpleng draft ang nakatagong output. [Reasoning at max\_tokens](https://broadrouter.com/fil/guides/reasoning-tokens-empty-response/).
-   **Retry at loop.** Nagdadagdag ng 5% sa bawat linya ang 5% na retry rate. Walang kisame talaga ang agent loop na walang cap sa hakbang. [Kontrol sa gastos para sa LLM API](https://broadrouter.com/fil/blog/llm-api-spend-control/).
-   **Pagpili ng model.** $0.10 input at $0.22 output kada 1M ang Gemma 4 VL 26B, pero 32,768 token ang context nito at hindi nakalista sa BroadNet ang reasoning para dito. I-test ang kalidad bago lumipat para makatipid.
-   **Wika.** Puwedeng mangailangan ng mas maraming token ang parehong content sa Arabic o Hindi kaysa sa English, at nakadepende sa tokenizer ang agwat. Ipinapakita ng dataset naming [tunay na gastos ayon sa wika](https://broadrouter.com/data/real-cost-by-language/) ang presyo kada 1M character para sa bawat wika sa bawat model at provider.
-   **Paglaki ng prompt.** Karaniwang humahaba ang mga prompt pagkatapos ng launch habang hinaharap ang mga edge case. Ulitin ang pagsukat sa bawat release.
-   **Pagbabago ng presyo.** Bihirang gumalaw ang list price, pero puwede itong tumaas. Sa mga naka-archive na pricing page ng 11 provider, nakapagtala kami ng 52 pagtaas ng list price mula 2024 hanggang Nobyembre 2026, bawat isa ay presyo ng isang model kumpara sa sarili nitong naunang presyo (laban sa 100 pagbaba); 40% ang median na pagtaas sa blended na presyo. Tingnan ang [paano mag-budget para sa pagtaas ng presyo ng LLM API](https://broadrouter.com/fil/blog/llm-api-price-increases/).

Kung masyadong mataas ang lumabas na tantiya, sundan ang [10-hakbang na checklist para bawasan ang gastos sa LLM API](https://broadrouter.com/fil/blog/how-to-reduce-llm-api-costs/) bago mo baguhin ang feature.

## Kasya ba ang volume sa rate limit?

Mga 2,000 kada araw ang 60,000 action kada buwan. Kung ikasampung bahagi ng mga draft sa isang araw ang dumating sa pinakaabalang oras, 200 iyon kada oras, o mga 3 kada minuto. 30 request kada minuto at 4 in flight ang pinapayagan ng pay-as-you-go key ng BroadNet, kaya kasya ito sa isang key. Suriin din ang mataas na scenario, o patakbuhin ang sarili mong peak sa [rate limit calculator](https://broadrouter.com/tools/llm-rate-limit-calculator/). Para sa math sa pagitan ng rate at request na in flight, tingnan ang [concurrency](https://broadrouter.com/fil/glossary/concurrency/). Kapag tumama ka sa 429, [mag-back off at mag-retry](https://broadrouter.com/fil/guides/errors-and-retries/).

## Dapat bang tumakbo ang feature na ito sa flat plan?

Malamang hindi. $60 kada buwan ang Full Moon session, pero isang request sa bawat pagkakataon ang isang session, at kailangan ng parallel na request kapag maraming user ang sabay-sabay na nagki-click ng “Draft”. Bagay ang flat plan sa mga agent na tuloy-tuloy na gumagana, gaya ng coding agent. Ipinapakita ng [break-even math](https://broadrouter.com/fil/blog/flat-rate-vs-pay-per-token-llm-api/) na $65.40 kada buwan ang full-time na coding agent kung per token, mas mataas sa presyo ng plan.

## Paano gawing budget ang tantiya?

1.  Ilagay ang inaasahang numero sa plano mo at ang mataas na numero sa alert threshold mo.
2.  I-log ang token kada action sa production at ihambing sa model linggo-linggo.
3.  Magtakda ng mahigpit na cap sa code: `max_tokens`, limit sa hakbang at limit sa retry.
4.  Ulitin ang tantiya tuwing papalitan mo ang model, ang prompt o ang retrieval settings.

Puwede mong ulitin ang per-token na math gamit ang sarili mong mga numero sa [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/), o paghambingin ang plan at per-token sa [pricing page](https://broadrouter.com/fil/pricing/).

## Saan bagay ang BroadNet Inference

Inilalathala ng BroadNet Inference ang per-token na presyo ng bawat chat at transcription model na sine-serve nito sa iisang [price file](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-blog-estimate-llm-api-cost-before-launch&utm_content=body), kaya puwedeng itago sa code ang tantiya sa itaas. May $5 na starting credit ang bagong account na magagamit sa Gemma 4 VL 26B at sa dalawang transcription model, kaya masusukat mo ang mga sample mo sa Gemma; kailangan ng top-up para sa DeepSeek, GLM at Qwen. Kung kailangan ng feature mo ng closed frontier model, hindi ang BroadNet ang tamang provider para sa bahaging iyon.

Mga libreng tool para rito (Ingles)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [Prompt caching savings calculator](https://broadrouter.com/tools/prompt-caching-calculator/) Bill with and without caching, by prefix share and hit rate.
-   [Prompt token diff](https://broadrouter.com/tools/prompt-token-diff/) Two prompt versions side by side: changed lines, exact token delta and the monthly cost difference.

[Libreng tools (Ingles)](https://broadrouter.com/tools/)

## Mga termino sa artikulong ito

[Token](https://broadrouter.com/fil/glossary/token/)

Ang token ay ang yunit ng text na binabasa at isinusulat ng isang language model: isang salita, bahagi ng salita, bantas o byte sequence na ginawa ng tokenizer ng model. Sa token binibilang, nililimitahan at kadalasang sinisingil ng mga LLM API ang paggamit.

[AI agent](https://broadrouter.com/fil/glossary/agent/)

Ang AI agent ay isang system kung saan ang language model mismo ang nagdidirekta ng mga hakbang nito tungo sa isang layunin: pinipili nito kung aling tools ang tatawagin, binabasa ang mga resulta at umuulit hanggang makabuo ng huling sagot o maabot ang limit. Workflow naman ang karaniwang tawag sa fixed na script na tumatawag sa model sa takdang punto.

[Pay-as-you-go](https://broadrouter.com/fil/glossary/pay-as-you-go/)

Ang pay-as-you-go ay paraan ng pagpepresyo kung saan ang nagamit mo lang ang binabayaran mo, sinusukat kada yunit gaya ng token, request o minuto ng audio, nang walang subscription o minimum na commitment. Ganito naniningil ang karamihan ng LLM API, mula sa prepaid na balance o sa pana-panahong invoice.

[Input at output token (input and output tokens)](https://broadrouter.com/fil/glossary/input-and-output-tokens/)

Ang input token ay ang mga token na binabasa ng language model sa isang request, kasama ang system prompt, history ng usapan, tool definitions at mga larawan. Ang output token ay ang mga token na binubuo nito bilang sagot, kasama ang anumang reasoning. Kadalasang magkahiwalay ang presyo ng dalawa, at mas mahal ang output.

[Tool calling (function calling)](https://broadrouter.com/fil/glossary/tool-calling/)

Ang tool calling, tinatawag ding function calling, ay feature ng LLM API kung saan nagbabalik ang model ng structured na request para magpatakbo ng function na tinukoy ng developer, kasama ang JSON arguments. Ang application ang nagpapatakbo ng function at nagpapadala pabalik ng resulta; hindi kailanman nagpapatakbo ng code ang model mismo.

[Rate limit](https://broadrouter.com/fil/glossary/rate-limit/)

Ang rate limit ay hangganang itinatakda ng API sa dami ng paggamit ng isang client sa isang yugto ng oras, gaya ng request kada minuto o token kada minuto. Tinatanggihan ang mga request na lampas sa limit, kadalasan na may HTTP 429 Too Many Requests, hanggang bumaba ulit ang paggamit.

[API key](https://broadrouter.com/fil/glossary/api-key/)

Ang API key ay isang lihim na string na kumikilala at nagpapahintulot sa client na tumatawag sa isang API. Kadalasang hinihingi ito ng mga LLM API sa Authorization: Bearer header, at ang sinumang may hawak ng key ay makakagawa ng mga request na sisingilin sa account na may-ari nito.

[Cached input token (cached input tokens)](https://broadrouter.com/fil/glossary/cached-input-tokens/)

Ang cached input token ay prompt token na kamakailan lang naproseso ng LLM provider at magagamit ulit mula sa cache sa halip na kuwentahin muli, kadalasang paulit-ulit na prefix gaya ng system prompt o dokumento. Mas mababa ang singil dito kaysa sa bagong input token.

## Mga tanong

### Paano ko tatantiyahin ang bilang ng token bago pa ako magkaroon ng user?

Gumawa ng 20 hanggang 50 makatotohanang input, patakbuhin ang mga ito sa model na balak mong gamitin, at basahin ang prompt\_tokens, cached\_tokens at completion\_tokens mula sa usage block. Kunin ang average kada call.

### Ilang token ang karaniwang chat request?

Malaki ang pagkakaiba-iba. Puwedeng ilang daang token lang ang maikling chat turn, samantalang puwedeng sampu-sampung libo ang request na may retrieved na dokumento o mahabang history. Sukatin ang sarili mong mga prompt.

### Dapat ba akong magdagdag ng safety margin sa tantiya ko ng gastos sa LLM?

Oo. Presyuhan ang mataas na scenario sa dalawa hanggang tatlong beses ng inaasahang volume, at maglaan ng budget para sa retry at mas mahahabang prompt habang lumalaki ang feature. Pagkatapos, magtakda ng mahigpit na limit para hindi ito malampasan dahil sa isang bug.

### Kailan ako dapat mag-isip ng flat-rate plan sa halip?

Kapag tumatakbo ang isang agent o worker sa karamihan ng araw sa iisang model. Para sa DeepSeek V4.1 Flash sa BroadNet, $60 kada buwan ang Full Moon session, walang token meter, isang request sa bawat pagkakataon.

## Magbasa pa

-   [Presyo ng LLM API, ipinaliwanag: input, cached, output at reasoning](https://broadrouter.com/fil/blog/llm-api-pricing-explained/)
-   [Flat-rate vs pay-per-token na LLM API: ang break-even math](https://broadrouter.com/fil/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Cached input token: paano nito binabawasan ang LLM API bill mo](https://broadrouter.com/fil/blog/cached-input-tokens-explained/)
-   [Kontrol sa gastos ng LLM API: budget, limit sa key at loop protection](https://broadrouter.com/fil/blog/llm-api-spend-control/)
-   [Libreng LLM API credit: gaano kalayo talaga ang panimulang credit](https://broadrouter.com/fil/blog/free-llm-api-credit/)
-   [Gastos ng LLM kada user: unit economics ng AI feature sa SaaS](https://broadrouter.com/fil/blog/llm-cost-per-user-saas/)
-   [Pagbabago sa presyo ng LLM API, Oktubre 2026: 3 pagtaas, walang bawas](https://broadrouter.com/fil/blog/llm-api-price-changes-october-2026/)
-   [Gaano kadalas nagbabago ang presyo ng LLM API? 3 taon ng archive](https://broadrouter.com/fil/blog/how-often-llm-api-prices-change/)
-   [Gabay: Paano mag-stream ng chat completions at ayusin ang naputol na stream](https://broadrouter.com/fil/guides/streaming-chat-completions/)
-   [Gabay: Mga error code ng BroadNet Inference at kailan dapat mag-retry](https://broadrouter.com/fil/guides/errors-and-retries/)

Subukan ito sa totoong workload mo. May US$5 na panimulang credit ang mga bagong account para sa Gemma at transcription. Kailangan ng top-up para sa DeepSeek, GLM, at Qwen3.8.

[Magsimula](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-blog-estimate-llm-api-cost-before-launch&utm_content=page-cta) ·

**Mga source**

-   [Machine-readable na presyo ng BroadNet Inference (pricing.json) (sinuri noong 2026-11-15) (Ingles)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-blog-estimate-llm-api-cost-before-launch&utm_content=sources)
-   [API reference ng BroadNet Inference, limits at usage (sinuri noong 2026-11-15) (Ingles)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-blog-estimate-llm-api-cost-before-launch&utm_content=sources#limits)
-   [Pricing page ng BroadNet Inference (sinuri noong 2026-11-15) (Ingles)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-blog-estimate-llm-api-cost-before-launch&utm_content=sources)
