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 ?
- Au token, en serverless. Des prix distincts par million de tokens d’entrée et de sortie. Tous les fournisseurs de cette liste le proposent.
- 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.
- Batch. Des prix réduits pour les jobs qui peuvent attendre plusieurs heures.
- 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.
- 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-v3lors 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-120bà 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 ?
- Fixez le modèle et la version. « DeepSeek V4.1 Flash » et une variante datée peuvent avoir des prix différents.
- Mesurez votre répartition de tokens : entrée, part en cache et sortie, raisonnement compris. Estimer le coût avant le lancement.
- 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.
- Appliquez les remises batch uniquement aux tâches qui peuvent attendre.
- Ajoutez les frais : frais d’achat de crédits et multiplicateurs de niveau.
- Vérifiez les limites : les limites de débit, la simultanéité et la longueur de contexte peuvent écarter un fournisseur quel que soit son prix.
- 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.
