लॉन्च से पहले LLM API की लागत का अनुमान लगाने के लिए एक API कॉल की नहीं, एक यूज़र एक्शन की कीमत निकालें। उसके पीछे की कॉल गिनें, 20 से 50 असली नमूनों पर नया इनपुट, कैश्ड इनपुट और आउटपुट टोकन मापें, मासिक एक्शन से गुणा करें, फिर रीज़निंग और रीट्राई जोड़ें। DeepSeek V4.1 Flash पर सपोर्ट जवाब वाला हमारा हल किया हुआ उदाहरण $42.67 प्रति माह आता है।
यह एक फ़ीचर के लिए लॉन्च से पहले का पूर्वानुमान है; पैसे देने वाले यूज़र आने के बाद SaaS के लिए प्रति यूज़र LLM लागत मार्जिन और प्राइसिंग टियर समझाती है।
LLM API की लागत का फ़ॉर्मूला क्या है?
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
आउटपुट टोकन में रीज़निंग शामिल है। कैश्ड टोकन वह इनपुट है जिसे प्रोवाइडर कम कीमत पर दोबारा इस्तेमाल करता है। बाक़ी सब माप है। मुफ़्त LLM API कॉस्ट कैलकुलेटर यही फ़ॉर्मूला किसी भी मॉडल की लिस्ट प्राइस पर लागू करता है।
लागत मॉडल क़दम-दर-क़दम कैसे बनाएँ?
- काम की इकाई का नाम तय करें। “सपोर्ट जवाब का ड्राफ़्ट बनाना”, “कॉल का सारांश”, “फ़ेल हो रहा टेस्ट ठीक करना”। इसकी कीमत निकालें, “एक अनुरोध” की नहीं।
- हर एक्शन पर कॉल गिनें। रिट्रीवल वाला जवाब एक कॉल हो सकता है। योजना बनाने, बदलाव करने और जाँचने वाला एजेंट दस कॉल का। अपनी रीट्राई दर जोड़ें: जिस टाइमआउट को आप रीट्राई करते हैं, उसका बिल दोबारा बनता है।
- असली नमूनों पर हर कॉल के टोकन मापें। 20 से 50 यथार्थवादी इनपुट लें, साफ़-सुथरे डेमो नहीं। कोई API कॉल करने से पहले मोटी गिनती के लिए उन्हें टोकन काउंटर में पेस्ट करें। हर रिस्पॉन्स से
usage.prompt_tokens,usage.prompt_tokens_details.cached_tokensऔरusage.completion_tokensपढ़ें। स्ट्रीमिंग मेंstream_options: {"include_usage": true}सेट करें; स्ट्रीमिंग गाइड बताती है कि यह कहाँ दिखता है। - नया और कैश्ड इनपुट अलग करें। सिस्टम प्रॉम्प्ट, टूल लिस्ट और साझा डॉक्यूमेंट कैश हो सकते हैं, अगर वे शुरुआत में आएँ और हर बार एक जैसे रहें। यूज़र का टेक्स्ट कैश नहीं हो सकता।
- रीज़निंग को आउटपुट में शामिल करें। DeepSeek V4.1 Flash, GLM 5.3 और Qwen3.8 27B जवाब देने से पहले सोचते हैं। उन रीज़निंग टोकन का बिल आउटपुट के रूप में बनता है, और वे अक्सर दिखने वाले जवाब से बड़े होते हैं। रीज़निंग की लागत दिखने से ज़्यादा क्यों होती है।
- वॉल्यूम का अनुमान लगाएँ। सक्रिय यूज़र × हर यूज़र के रोज़ के एक्शन × 30।
- गुणा करें और जोड़ें। टोकन के कुल योग को मिलियन में बदलें और प्रति 1M कीमत लगाएँ।
- तीन परिदृश्यों की कीमत निकालें। कम, अपेक्षित और ऊँचा। लॉन्च का ट्रैफ़िक अनिश्चित होता है, और प्रॉम्प्ट समय के साथ बढ़ते हैं।
- सिर्फ़ पैसे नहीं, सीमाएँ भी जाँचें। पीक पर प्रति मिनट अनुरोध और चालू अनुरोध आपकी key की रेट लिमिट में आने चाहिए।
- बिलिंग मॉडल तय करें। उतार-चढ़ाव वाले, यूज़र से चलने वाले ट्रैफ़िक के लिए प्रति टोकन; हमेशा चालू एजेंट के लिए फ़्लैट प्लान।
हल किया हुआ अनुमान कैसा दिखता है? सपोर्ट जवाब का ड्राफ़्ट बनाने वाला फ़ीचर
एक हेल्प-डेस्क ऐप “Draft reply” जोड़ता है। नीचे की संख्याएँ समझाने के लिए मानी गई हैं। हर एक को अपने माप से बदलें।
| इनपुट | मान | कहाँ से आता है |
|---|---|---|
| फ़ीचर इस्तेमाल करने वाले सपोर्ट एजेंट (स्टाफ़) | 500 | प्रोडक्ट प्लान |
| हर एजेंट के रोज़ के ड्राफ़्ट | 4 | पायलट उपयोग |
| महीने के दिन | 30 | |
| महीने के एक्शन | 60,000 | 500 × 4 × 30 |
| हर एक्शन पर कॉल | 1 | निकाले गए लेखों के साथ एक कॉल |
| हर कॉल के इनपुट टोकन | 5,000 | सिस्टम प्रॉम्प्ट, टिकट थ्रेड, तीन हेल्प लेख |
| इनपुट का कैश्ड हिस्सा | 50% | स्थिर सिस्टम प्रॉम्प्ट और लेखों वाला प्रीफ़िक्स |
| हर कॉल के आउटपुट टोकन | 500 | लगभग 200 दिखने वाले, 300 रीज़निंग |
| मॉडल | DeepSeek V4.1 Flash | प्रति 1M $0.175 / $0.0055 / $0.52 |
अब कुल योग:
| लाइन | महीने के टोकन | प्रति 1M कीमत |
|---|---|---|
| नया इनपुट | 150M | $0.175 |
| कैश्ड इनपुट | 150M | $0.0055 |
| आउटपुट, रीज़निंग समेत | 30M | $0.52 |
| अपेक्षित मासिक लागत | $42.67 |
यानी 300M इनपुट और 30M आउटपुट टोकन: 60,000 × 5,000 और 60,000 × 500।
कम और ऊँचे परिदृश्य कितने चौड़े हों?
| परिदृश्य | महीने के एक्शन | इनपुट / आउटपुट टोकन | मासिक लागत |
|---|---|---|---|
| कम: धीमा अपनाना | 20,000 | 100M / 10M | $14.23 |
| अपेक्षित | 60,000 | 300M / 30M | $42.67 |
| ऊँचा: 3× अपनाना | 180,000 | 900M / 90M | 3 × $42.67 |
तीनों में कैश हिस्सा वही 50% रखा गया है। कैश हिस्सा घटे तो बिल बढ़ता है: इस मॉडल पर नया इनपुट प्रति 1M $0.175 का है, जबकि कैश्ड $0.0055 का। कैश हिस्सा ऊँचा कैसे रखें।
अनुमान को सबसे ज़्यादा क्या बदलता है?
- कॉन्टेक्स्ट की लंबाई। तीन के बजाय दस लेख लाने वाला रिट्रीवल इनपुट दोगुना कर सकता है। हर प्रॉम्प्ट बदलाव के बाद टोकन मापें।
- रीज़निंग। आसान ड्राफ़्ट पर
reasoning_effortकोlowकरने से छिपा आउटपुट घटता है। रीज़निंग और max_tokens। - रीट्राई और लूप। 5% रीट्राई दर हर लाइन में 5% जोड़ती है। बिना क़दम-सीमा वाले एजेंट लूप की कोई छत ही नहीं है। LLM API के ख़र्च पर नियंत्रण।
- मॉडल का चुनाव। Gemma 4 VL 26B प्रति 1M $0.10 इनपुट और $0.22 आउटपुट का है, लेकिन उसका कॉन्टेक्स्ट 32,768 टोकन है और BroadNet उसके लिए रीज़निंग नहीं दिखाता। पैसे बचाने के लिए बदलने से पहले क्वालिटी टेस्ट करें।
- भाषा। एक ही कंटेंट को अंग्रेज़ी की तुलना में अरबी या हिंदी में कहीं ज़्यादा टोकन लग सकते हैं, और यह अंतर tokenizer पर निर्भर है। हमारा भाषा के हिसाब से असली लागत डेटासेट हर मॉडल और प्रोवाइडर पर हर भाषा के लिए प्रति 1M कैरेक्टर कीमत दिखाता है।
- प्रॉम्प्ट का बढ़ना। लॉन्च के बाद एज केस सँभालने के साथ प्रॉम्प्ट बढ़ते जाते हैं। हर रिलीज़ पर माप दोबारा करें।
- कीमतों में बदलाव। लिस्ट प्राइस कम ही बदलते हैं, पर बढ़ सकते हैं। 11 प्रोवाइडर के आर्काइव किए गए प्राइसिंग पेजों में हमने 2024 से नवंबर 2026 के बीच 52 लिस्ट-प्राइस बढ़ोतरी दर्ज कीं, हर एक में किसी मॉडल की कीमत की तुलना उसी की पिछली कीमत से की गई (जबकि कटौतियाँ 100 थीं); ब्लेंडेड कीमत पर बढ़ोतरी का मीडियन 40% था। LLM API की कीमतें बढ़ने के लिए बजट कैसे बनाएँ देखें।
अगर अनुमान बहुत ऊँचा आए, तो फ़ीचर बदलने से पहले LLM API की लागत कम करने की 10 क़दमों वाली चेकलिस्ट पर काम करें।
क्या वॉल्यूम रेट लिमिट में फ़िट होता है?
महीने में 60,000 एक्शन यानी दिन में लगभग 2,000। अगर दिन के ड्राफ़्ट का दसवाँ हिस्सा सबसे व्यस्त घंटे में आए, तो वह घंटे में 200, या मिनट में लगभग 3 है। BroadNet की उपयोग के अनुसार भुगतान वाली key प्रति मिनट 30 अनुरोध और एक साथ 4 चालू अनुरोध देती है, इसलिए यह एक key में आ जाता है। ऊँचा परिदृश्य भी जाँचें, या अपना पीक रेट लिमिट कैलकुलेटर में चलाएँ। दर और चालू अनुरोधों के बीच के हिसाब के लिए कॉन्करेंसी देखें। 429 आए तो बैकऑफ़ करें और रीट्राई करें।
क्या यह फ़ीचर फ़्लैट प्लान पर चलना चाहिए?
शायद नहीं। Full Moon सेशन $60 प्रति माह का है, लेकिन सेशन एक समय में एक अनुरोध चलाता है, और एक साथ “Draft” दबाने वाले कई यूज़र को समानांतर अनुरोध चाहिए। फ़्लैट प्लान उन एजेंट के लिए ठीक हैं जो लगातार काम करते हैं, जैसे कोडिंग एजेंट। ब्रेक-ईवन का हिसाब दिखाता है कि पूरे समय चलने वाला कोडिंग एजेंट प्रति टोकन $65.40 प्रति माह का पड़ता है, जो प्लान की कीमत से ऊपर है।
अनुमान को बजट में कैसे बदलें?
- अपेक्षित आँकड़ा अपनी योजना में रखें और ऊँचा आँकड़ा अपने अलर्ट की सीमा में।
- प्रोडक्शन में हर एक्शन के टोकन लॉग करें और हर हफ़्ते मॉडल से तुलना करें।
- कोड में सख़्त सीमाएँ लगाएँ:
max_tokens, क़दमों की सीमा और रीट्राई की सीमा। - जब भी मॉडल, प्रॉम्प्ट या रिट्रीवल सेटिंग बदलें, अनुमान दोबारा लगाएँ।
आप प्रति टोकन हिसाब अपनी संख्याओं के साथ LLM API कॉस्ट कैलकुलेटर में दोबारा कर सकते हैं, या प्राइसिंग पेज पर प्लान और प्रति टोकन की तुलना कर सकते हैं।
BroadNet Inference कहाँ फ़िट होता है
BroadNet Inference अपने हर चैट और ट्रांसक्रिप्शन मॉडल की प्रति टोकन कीमतें एक प्राइस फ़ाइल में प्रकाशित करता है, इसलिए ऊपर का अनुमान कोड में रखा जा सकता है। नए अकाउंट को $5 का शुरुआती क्रेडिट मिलता है, जो Gemma 4 VL 26B और दोनों ट्रांसक्रिप्शन मॉडल पर चलता है, इसलिए आप अपने सैंपल Gemma पर माप सकते हैं; DeepSeek, GLM और Qwen के लिए टॉप-अप चाहिए। अगर आपके फ़ीचर को कोई क्लोज़्ड फ़्रंटियर मॉडल चाहिए, तो उस हिस्से के लिए BroadNet सही प्रोवाइडर नहीं है।
