BroadRouter

Prix API des modèles ouverts : 6 fournisseurs d’inférence comparés

Par l’équipe BroadNet Inference · 7 min de lecture · Publié · Mis à jour

La plupart des fournisseurs facturent les modèles ouverts par million de tokens, avec une entrée en cache moins chère et souvent 50 % de remise sur les jobs batch. Together AI, Fireworks et DeepInfra louent aussi des GPU à l’heure. OpenRouter répercute les prix des fournisseurs et prélève des frais sur l’achat de crédits. Groq propose peu de modèles. BroadNet ajoute des forfaits mensuel, hebdomadaire et horaire pour DeepSeek V4.1 Flash.

Le « prix par million de tokens » semble comparable d’un fournisseur à l’autre. Ce n’est pas tout à fait le cas. Les fournisseurs diffèrent sur les modèles qu’ils hébergent, le prix de l’entrée en cache, l’existence de remises sur les jobs batch, la possibilité de louer des GPU et les frais qui s’ajoutent. Cet article compare la façon dont six fournisseurs de modèles open-weight fixent leurs prix, puis met côte à côte leurs prix publiés pour les mêmes modèles. Tous les chiffres des concurrents proviennent des pages officielles de chaque fournisseur, vérifiées le 2026-11-14 ; les liens figurent dans les sources. Les prix changent souvent : revérifiez-les avant de vous engager.

Quelles sont les cinq façons de tarifer les modèles ouverts ?

  1. Au token, en serverless. Des prix distincts par million de tokens d’entrée et de sortie. Tous les fournisseurs de cette liste le proposent.
  2. Entrée en cache. Un tarif réduit pour les préfixes de prompt répétés. Les remises vont de la moitié du prix à quelques pour cent du tarif d’entrée. Les tokens en cache expliqués.
  3. Batch. Des prix réduits pour les jobs qui peuvent attendre plusieurs heures.
  4. GPU dédiés. Vous louez du matériel à l’heure et faites tourner le modèle vous-même ou via la pile du fournisseur. Auto-hébergement ou API : le seuil de rentabilité, ou faites le calcul avec vos propres chiffres dans le calculateur auto-hébergement vs API.
  5. Forfaits. Un prix fixe pour une durée, sans compteur de tokens. Voir forfait LLM.

Comment chaque fournisseur tarifie-t-il les modèles ouverts ?

Fournisseur Modèle Au token Entrée en cache Batch GPU dédiés Forfait
OpenRouter Routeur entre de nombreux fournisseurs Prix du fournisseur, « sans majoration » Selon le fournisseur Selon le fournisseur Non Non
Together AI Serverless propre + dédié Oui Indiqué pour certains modèles -50 % sur certains modèles (uniquement Whisper Large v3 lors de la vérification) H100 à partir de 5,49 USD par heure de GPU Non
Fireworks AI Serverless propre + à la demande Oui, à partir de 0,05 USD par million en entrée -50 % par défaut, davantage sur certains modèles -50 % H100 8,00 USD de l’heure Non
Groq Matériel propre Oui, liste de modèles courte -50 %, sur les modèles GPT-OSS -50 % Non indiqué Non
DeepInfra Serverless propre + dédié Oui, certains modèles facturés au temps d’exécution Indiqué pour de nombreux modèles Non indiqué sur la page de tarifs H100 2,90 USD par heure de GPU Non
BroadNet Inference Liste de modèles courte ; modèles hébergés chez des partenaires d’inférence américains Oui Indiqué pour trois des quatre modèles de chat Non proposé Non Oui, DeepSeek V4.1 Flash

Notes tirées des pages :

  • OpenRouter écrit « there is no markup on inference pricing » (traduction : « les prix d’inférence ne sont pas majorés »). Il prélève des frais à l’achat de crédits : 5,5 % sur l’offre Standard (0,80 USD minimum, selon sa FAQ) et 8 % sur Business, ou 5 % en crypto. Les variantes gratuites des modèles sont limitées à 20 requêtes par minute et 50 par jour, ou 1 000 par jour après l’achat d’au moins 10 USD de crédits. C’est un routeur : un même modèle peut donc y avoir de nombreux prix. OpenRouter ou un fournisseur au forfait.
  • Together AI affiche la H100 dédiée à 5,49 USD par heure de GPU à la demande. Sa documentation batch indique que certains modèles serverless tournent à -50 %, avec une fenêtre d’exécution fixée à 24 heures, mais le tableau des modèles remisés ne listait que openai/whisper-large-v3 lors de notre vérification. Les autres modèles sont au tarif standard.
  • Fireworks propose les modes Standard, Priority, Fast, Batch (-50 %) et Spot (-30 % sur certains modèles). L’entrée en cache est facturée moitié prix ou moins, sans frais d’écriture.
  • Groq affiche des prix au token pour un petit ensemble de modèles de production, comme openai/gpt-oss-120b à 0,15 USD en entrée et 0,60 USD en sortie par million, et facture le speech-to-text Whisper à l’heure. L’entrée en cache est à moitié prix sur ses modèles GPT-OSS, et les jobs batch tournent à -50 % sous 24 heures à 7 jours.
  • DeepInfra affiche pour de nombreux modèles un prix remisé à côté du prix catalogue, par exemple -51 % sur DeepSeek-V4.1-Flash-1017 et -38 % sur GLM-5.3. La page ne dit pas quand ces remises prennent fin. Il propose aussi les niveaux Standard, Priority (1,5×) et Flex (0,8×).

Combien coûte le même modèle chez chaque fournisseur ?

Prix publiés par million de tokens pour des modèles que BroadNet sert aussi. « — » signifie que le modèle ne figurait pas sur la page de tarifs du fournisseur.

DeepSeek V4.1 Flash (entrée / cache / sortie) :

Fournisseur Entrée Cache Sortie
Together AI 0,30 USD 0,006 USD 1,20 USD
Fireworks AI 0,30 USD 0,006 USD 1,20 USD
DeepInfra, prix catalogue 0,20 USD 0,006 USD 0,60 USD
DeepInfra, remisé (-30 %) 0,14 USD 0,0042 USD 0,42 USD
DeepInfra, DeepSeek-V4.1-Flash-1017, remisé (-51 %) 0,098 USD 0,0029 USD 0,294 USD
Groq — — —
BroadNet Inference $0.175 $0.0055 $0.52

La variante datée -1017 de DeepInfra est la même version que l’API de DeepSeek sert sous le nom deepseek-flash ; vérifiez laquelle votre code appelle. Sur OpenRouter, le modèle comptait 37 endpoints de 28 fournisseurs lors de notre vérification, d’environ 0,05 USD (Baidu) à 3 USD (le niveau le plus rapide de Venice) par million de tokens d’entrée. Notre tableau de prix de DeepSeek V4.1 Flash liste chaque fournisseur qui publie son propre prix pour le modèle, avec la page source et la date de vérification sur chaque ligne. L’écart de prix d’un même modèle sur l’ensemble du marché est mesuré dans notre indice des prix des API LLM. Pour comparer ces prix de modèles ouverts avec GPT, Claude et Gemini sur une même charge, voir coût API : modèles open-weight ou fermés.

GLM 5.3 (le prix propre de chaque fournisseur : tableau de prix de GLM 5.3) :

Fournisseur Entrée Cache Sortie
Together AI 1,40 USD 0,26 USD 4,40 USD
Fireworks AI 1,40 USD 0,26 USD 4,40 USD
DeepInfra, prix catalogue 0,90 USD 0,20 USD 4,00 USD
DeepInfra, remisé (-38 %) 0,5625 USD 0,125 USD 2,50 USD
BroadNet Inference $0.78 $0.173 $3.46

Qwen3.8 27B (le prix propre de chaque fournisseur : tableau de prix de Qwen3.8 27B) :

Fournisseur Entrée Cache Sortie
DeepInfra, prix catalogue 0,20 USD 0,05 USD 2,50 USD
DeepInfra, remisé (-25 %) 0,15 USD 0,0375 USD 1,875 USD
Groq (preview, évaluation uniquement) 0,80 USD — 4,00 USD
BroadNet Inference $0.175 $0.0435 $2.17

Gemma 4 26B A4B (la version de BroadNet est Gemma 4 VL 26B) :

Fournisseur Entrée Sortie
DeepInfra 0,07 USD 0,34 USD
BroadNet Inference $0.10 $0.22

BroadNet n’est pas le moins cher au token ici. Les prix remisés de DeepInfra sont inférieurs à ceux de BroadNet sur chaque ligne pour DeepSeek V4.1 Flash, GLM 5.3 et Qwen3.8 27B, et inférieurs aussi sur l’entrée de Gemma (la sortie de Gemma est moins chère chez BroadNet). L’API de DeepSeek divise tous ses prix par deux en heures creuses, ce qui place alors son prix d’entrée sous celui de BroadNet (détails). Les prix catalogue de BroadNet sont inférieurs à ceux de Together et de Fireworks sur DeepSeek V4.1 Flash et GLM 5.3. Le prix au token n’est qu’un critère ; vérifiez aussi la longueur de contexte, la conservation des données et les limites de débit, que ces tableaux ne montrent pas.

Sur l’ensemble des 119 modèles vendus par plusieurs hébergeurs, et pas seulement ces quatre, le prix catalogue le plus élevé vaut en médiane 1,76 fois le moins cher ; voir même modèle, hébergeur différent. Les prix des hébergeurs bougent aussi plus souvent que ceux des créateurs de modèles : à quelle fréquence les prix des API LLM changent.

Et le speech-to-text ?

Groq affiche whisper-large-v3-turbo à 0,04 USD par heure d’audio et whisper-large-v3 à 0,111 USD de l’heure. DeepInfra affiche Voxtral Mini à 0,001 USD la minute. Le modèle multilingue de BroadNet coûte $0.002 la minute ($0.12 de l’heure), et son modèle arabe $0.0042 la minute. Pour d’autres fournisseurs, voir prix des API speech-to-text comparés. Pour l’arabe, la précision sur vos dialectes compte plus que le tarif : comment choisir une API speech-to-text pour l’arabe.

Comment comparer les fournisseurs pour votre charge ?

  1. Fixez le modèle et la version. « DeepSeek V4.1 Flash » et une variante datée peuvent avoir des prix différents.
  2. Mesurez votre répartition de tokens : entrée, part en cache et sortie, raisonnement compris. Estimer le coût avant le lancement.
  3. Chiffrez-la avec les trois tarifs de chaque fournisseur, pas seulement le prix d’entrée. Pour les agents, le tarif en cache est souvent décisif. Le calculateur de coût d’API LLM et le calculateur de prompt caching font le calcul.
  4. Appliquez les remises batch uniquement aux tâches qui peuvent attendre.
  5. Ajoutez les frais : frais d’achat de crédits et multiplicateurs de niveau.
  6. Vérifiez les limites : les limites de débit, la simultanéité et la longueur de contexte peuvent écarter un fournisseur quel que soit son prix.
  7. Comparez avec un forfait si un agent tourne la majeure partie de la journée. Le calcul de rentabilité, ou le calculateur forfait vs paiement au token.

La place de BroadNet Inference

BroadNet sert une courte liste de modèles, dont certains hébergés chez des partenaires d’inférence américains, avec des prix au token publiés dans un fichier de prix. Ses tarifs au token sont en milieu de tableau, pas les plus bas : si seul le prix au token compte, les offres remisées de DeepInfra coûtent moins cher. Ce que les autres ne vendent pas ici, c’est DeepSeek V4.1 Flash en illimité pour $60 par mois et par session, avec des options à $15 la semaine et $1 l’heure. BroadNet n’est pas une place de marché, n’offre ni remise batch ni GPU dédiés. Ses autres atouts sont la conservation zéro des données sur chaque requête, le speech-to-text en arabe et une seule clé compatible OpenAI pour le chat et l’audio. Si vous avez besoin de dizaines de familles de modèles ou du prix promotionnel le plus bas pour une charge très irrégulière, un routeur ou un hébergeur plus grand vous servira mieux.

Questions fréquentes

Quel fournisseur d’inférence est le moins cher pour les modèles ouverts ?

Aucun en particulier, et pas BroadNet au token. Lors de notre vérification du 2026-11-14, les prix remisés de DeepInfra étaient inférieurs à ceux de BroadNet sur DeepSeek V4.1 Flash, GLM 5.3 et Qwen3.8 27B, et OpenRouter listait des endpoints DeepSeek V4.1 Flash d’environ 0,05 USD à 3 USD par million de tokens d’entrée. Comparez le modèle exact, le prix en cache et la remise batch.

OpenRouter majore-t-il les prix des modèles ?

OpenRouter affirme ne pas majorer les prix d’inférence. Il prélève des frais à l’achat de crédits : 5,5 % sur son offre Standard (0,80 USD minimum, selon sa FAQ), 8 % sur Business et 5 % pour les paiements en crypto.

Le tarif batch vaut-il le coup ?

Pour les tâches qui peuvent attendre. Fireworks affiche le batch à -50 %, et Groq documente une remise batch de 50 % avec une fenêtre de 24 heures à 7 jours. La documentation batch de Together n’annonce -50 % que pour certains modèles (le tableau ne citait que `openai/whisper-large-v3` lors de notre vérification), avec une fenêtre d’exécution fixe de 24 heures.

Quand louer un GPU dédié plutôt que payer au token ?

Quand votre trafic occupe le GPU la majeure partie de la journée. Les prix horaires des GPU sont dus que des requêtes arrivent ou non : pour un trafic faible ou irrégulier, le paiement au token revient moins cher.

Un fournisseur propose-t-il un prix mensuel fixe pour un modèle ouvert ?

BroadNet Inference, pour DeepSeek V4.1 Flash. Full Moon coûte $60 par mois et par session, sans compteur de tokens, une requête à la fois.

Lire en MarkdownDemander à ChatGPTDemander à ClaudeDemander à Perplexity