Les API LLM facturent par million de tokens, sur des compteurs distincts : l’entrée nouvelle, l’entrée en cache et la sortie. Les tokens de raisonnement sont facturés comme de la sortie, les images comme des tokens d’entrée, et le speech-to-text à la minute d’audio. Ce guide explique chaque compteur, puis chiffre des requêtes réelles avec les tarifs publiés de BroadNet Inference (prix à jour au 2026-11-14).
Que payez-vous vraiment ?
Un token est un fragment de texte, souvent de quelques caractères. Dans une mesure de BroadRouter sur cinq tokenizers, 1 000 mots anglais donnaient environ 1,290 tokens ; la règle empirique d’OpenAI est d’environ 75 mots pour 100 tokens. Les autres langues diffèrent : collez votre propre texte dans le compteur de tokens gratuit pour voir le chiffre réel. Chaque requête indique ses tokens dans le bloc usage, et la facture est la somme de ces compteurs :
| Compteur | Ce qu’il compte | Facturé au |
|---|---|---|
| Entrée (prompt) | Prompt système, historique, documents, définitions d’outils, images | Prix d’entrée |
| Entrée en cache | Entrée que le fournisseur a déjà traitée et réutilise | Prix du cache, bien plus bas |
| Sortie (complétion) | La réponse visible plus l’éventuel raisonnement | Prix de sortie |
| Minutes d’audio | Durée de l’audio envoyé pour transcription | Prix à la minute |
C’est la répartition entre tokens d’entrée et de sortie qui compte le plus, car les deux prix sont très éloignés.
Combien coûte chaque modèle par token ?
Tarifs de BroadNet Inference, par million de tokens :
| Modèle | Entrée | Entrée en cache | Sortie | Contexte |
|---|---|---|---|---|
| DeepSeek V4.1 Flash | $0.175 | $0.0055 | $0.52 | 1 048 576 |
| GLM 5.3 | $0.78 | $0.173 | $3.46 | 1 048 576 |
| Qwen3.8 27B | $0.175 | $0.0435 | $2.17 | 262 144 |
| Gemma 4 VL 26B | $0.10 | Pas de remise cache | $0.22 | 32 768 |
Deux tendances se vérifient sur cette grille comme sur la plupart des autres. La sortie coûte plus cher que l’entrée, d’environ deux fois plus sur Gemma 4 VL 26B à plus de dix fois sur Qwen3.8 27B. Et l’entrée en cache ne coûte qu’une fraction de l’entrée nouvelle. Pour comparer ces tarifs avec OpenAI, Anthropic, Google et d’autres fournisseurs, consultez le tableau des prix des API LLM. Pour les médianes du marché, l’écart entre fournisseurs et le rapport sortie/entrée de chaque modèle que nous suivons, voir l’indice des prix des API LLM (données ouvertes en CSV et JSON).
Pourquoi la sortie coûte-t-elle plus cher que l’entrée ?
Le modèle lit tout votre prompt en une seule passe parallèle. Il écrit en revanche la réponse un token à la fois, et chaque nouveau token demande une passe supplémentaire. La sortie consomme donc plus de temps GPU par token, et le prix le reflète. Un prompt court avec une longue réponse peut ainsi coûter plus cher qu’un long prompt avec une réponse courte.
Comment les tokens d’entrée en cache sont-ils facturés ?
Quand le début de votre prompt correspond à une requête récente, le fournisseur peut réutiliser son travail. Ces tokens d’entrée en cache apparaissent dans prompt_tokens_details.cached_tokens et sont facturés au prix du cache. Sur DeepSeek V4.1 Flash, c’est $0.0055 au lieu de $0.175 par million.
Le cache récompense les prompts dont le préfixe est stable : prompt système, liste d’outils et documents d’abord, nouveau message en dernier. Les agents qui renvoient le même dépôt à chaque tour y gagnent le plus. Pour savoir comment chaque fournisseur facture les lectures et écritures en cache, voir les tokens d’entrée en cache expliqués ; pour modéliser votre propre taux de cache, utilisez le calculateur de cache de prompt.
Pourquoi un modèle de raisonnement facture-t-il plus de sortie que vous n’en voyez ?
DeepSeek V4.1 Flash, GLM 5.3 et Qwen3.8 27B réfléchissent avant de répondre. Cette réflexion est faite de tokens de raisonnement. Vous ne les voyez pas dans la réponse, mais ils sont comptés dans completion_tokens et facturés au prix de la sortie. Le guide du raisonnement d’OpenAI décrit la même règle pour ses modèles : les tokens de raisonnement « are billed as output tokens » (traduction : « sont facturés comme des tokens de sortie »).
Le raisonnement compte aussi dans max_tokens. Fixez une valeur trop basse et vous payez la réflexion sans obtenir de réponse. Pourquoi les réponses reviennent vides, et comment limiter le coût du raisonnement.
Comment les images et l’audio sont-ils facturés ?
Images. Un modèle de vision convertit une image en tokens d’entrée. Vous les payez au prix d’entrée, et une image plus grande consomme plus de tokens. Il n’y a pas de frais séparés par image chez BroadNet. Coût par image comparé.
Audio. Le speech-to-text est facturé à la durée d’audio, pas aux tokens :
| Modèle | Par minute | Par heure d’audio |
|---|---|---|
| BroadNet Transcribe Arabic | $0.0042 | $0.25 |
| BroadNet Transcribe (14 langues) | $0.002 | $0.12 |
Combien coûte une vraie requête ? Exemples chiffrés
Ces exemples utilisent DeepSeek V4.1 Flash. Chacun est dimensionné pour que les totaux tombent sur des millions de tokens entiers, ce qui rend le calcul facile à vérifier.
- Une fonction de chat. 500 requêtes de 2 000 tokens d’entrée et 2 000 tokens de sortie chacune consomment 1 million de tokens d’entrée et 1 million de tokens de sortie. Coût : $0.175 plus $0.52.
- Un agent qui relit son contexte. Dix tours qui envoient chacun le même contexte de 100 000 tokens totalisent 1 million de tokens d’entrée. Si rien n’est en cache, cela coûte $0.175. Si tout était en cache, cela coûterait $0.0055, mais le premier tour n’a rien à réutiliser : considérez donc ce montant comme une borne basse. Au mieux, 900 000 tokens sont facturés au prix en cache et les 100 000 premiers au prix d’entrée.
- Raisonnement caché. 1 000 réponses de 200 tokens visibles, avec chacune 800 tokens de raisonnement, facturent 1 million de tokens de sortie : $0.52. Seul un cinquième était du texte que vous avez vu.
- Transcription. 1 000 heures d’audio en arabe coûtent $252.00. 10 000 messages vocaux de 30 secondes coûtent $21.00.
La formule générale :
cost = new_input/1M × input_price
+ cached_input/1M × cached_price
+ output/1M × output_price (output includes reasoning)
Pour faire ces calculs avec votre propre trafic, utilisez le calculateur de coût d’API LLM gratuit. Pour une prévision complète d’une nouvelle fonctionnalité, voir comment estimer le coût d’une API LLM avant le lancement.
Comment lire les vrais chiffres dans une réponse ?
Une fois que vous avez du trafic, n’estimez plus à partir du nombre de mots. Lisez les chiffres :
import os
from openai import OpenAI
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
r = client.chat.completions.create(
model="broadnet/deepseek-v4.1-flash",
messages=[{"role": "user", "content": "Summarise this ticket in one line: ..."}],
)
u = r.usage
details = u.prompt_tokens_details # can be None when the model reports no cache data
cached = (details.cached_tokens or 0) if details else 0
print(u.prompt_tokens, cached, u.completion_tokens)
En streaming, ajoutez stream_options={"include_usage": True} pour que le dernier chunk contienne usage. Guide du streaming.
Quels autres modèles de tarification existent ?
La facturation au token n’est pas la seule option :
- Forfaits. Un forfait facture le temps, pas les tokens. Full Moon de BroadNet coûte $60 par mois et par session pour un usage illimité de DeepSeek V4.1 Flash, une requête à la fois. Orbit coûte $15 par semaine, Meteor $1 de l’heure.
- Clés à l’heure. $0.50 donne une heure de Gemma 4 VL 26B sur un flux. Les clés à l’heure expliquées.
- Batch et GPU dédiés. Certains fournisseurs accordent une remise sur les traitements par lots de nuit ou louent des GPU entiers à l’heure. Comment les autres fournisseurs facturent les modèles ouverts.
Quand un forfait est plus avantageux que le paiement au token dépend du volume et du taux de cache. Pour tous les leviers dans l’ordre, du cache aux remises batch, voir comment réduire le coût des API LLM.
Les prix au token évoluent aussi avec le temps, dans les deux sens. Dans les pages de tarifs archivées de 11 fournisseurs, 80 % des modèles n’ont jamais changé de prix. Parmi les modèles dont le prix a changé, nous avons relevé 100 baisses et 52 hausses, chacune comparant le prix d’un modèle à son propre prix antérieur. Voir à quelle fréquence les prix des API LLM changent et les plus fortes baisses de prix des API LLM, sources à l’appui.
La place de BroadNet Inference
BroadNet publie une seule grille tarifaire pour tous les modèles qu’il sert, dans un fichier lisible par machine que lit la page des tarifs de ce site. Les nouveaux comptes démarrent avec $5 de crédit ; Gemma 4 VL 26B et les deux modèles de transcription fonctionnent avec ce crédit, les autres modèles de chat nécessitent une recharge. C’est un bon choix si vous voulez le paiement au token et les forfaits sur un même compte ; les forfaits ont leurs propres clés. Ce n’est pas l’adresse pour les modèles fermés de pointe : BroadNet ne sert que des modèles open-weight et ses propres builds.

