SaaS प्रोडक्ट में AI फ़ीचर जोड़ने से उसकी लागत का ढाँचा बदल जाता है। होस्टिंग और स्टोरेज हर यूज़र के लिए लगभग एक जैसे होते हैं; LLM कॉल जितनी ज़्यादा इस्तेमाल हों, उतनी महँगी पड़ती हैं। अगर आप यह जाने बिना फ़ीचर की कीमत तय करते हैं कि एक सक्रिय यूज़र आपको कितने का पड़ता है, तो कुछ उत्साही ग्राहक एक मुनाफ़े वाले प्लान को घाटे में बदल सकते हैं। यह पोस्ट दिखाती है कि प्रति यूज़र LLM लागत कैसे निकालें, औसत ग़लत संख्या क्यों है, और टियर तय करने में इसका इस्तेमाल कैसे करें।
प्रति यूज़र LLM लागत कैसे निकालें?
एक फ़ीचर और एक मॉडल के लिए:
cost per user per month =
requests per active user per month
× [ new input tokens × input price
+ cached tokens × cached price
+ output tokens × output price ] / 1,000,000
रीज़निंग मॉडल पर आउटपुट में रीज़निंग टोकन शामिल होते हैं, और उपयोग के अनुसार भुगतान वाली key पर इमेज इनपुट टोकन के रूप में गिनी जाती हैं। अगर इन तीन कीमतों को दोहराना हो, तो पढ़ें LLM API की कीमत कैसे काम करती है।
कोई यूज़र जिन-जिन फ़ीचर को छूता है, उन्हें जोड़कर प्रति यूज़र कुल AI लागत मिलती है।
चरण 1: सक्रिय यूज़र किसे मानें, और इकाई क्या है?
ऐसी परिभाषा चुनें जिस पर आप पहले से रिपोर्ट करते हैं, जैसे वह यूज़र जिसने महीने में कम से कम एक बार AI फ़ीचर इस्तेमाल किया। फिर वह इकाई चुनें जो आपका फ़ीचर स्वाभाविक रूप से बनाता है: एक चैट टर्न, एक बनाया गया दस्तावेज़, एक विश्लेषित फ़ाइल, एक सारांशित कॉल। प्रति इकाई लागत प्रति यूज़र लागत से ज़्यादा स्थिर है और उस पर सोचना आसान है।
चरण 2: प्रति इकाई टोकन कैसे मापें?
इसका अनुमान शब्दों की गिनती से न लगाएँ। हर रिस्पॉन्स का usage ब्लॉक एक फ़ीचर टैग और हैश किए गए यूज़र या अकाउंट ID के साथ लॉग करें: प्रॉम्प्ट टोकन, कैश्ड टोकन और कम्प्लीशन टोकन, हर कोशिश की एक पंक्ति। usage लॉगिंग वाली पोस्ट में तैयार रैपर और यूज़र व फ़ीचर के हिसाब से लागत समूहित करने का SQL है। ट्रैफ़िक आने से पहले टोकन काउंटर सैंपल प्रॉम्प्ट से पहला अनुमान देता है।
स्ट्रीम किए गए जवाबों के लिए आख़िरी चंक में usage stream_options={"include_usage": True} से माँगें; देखें स्ट्रीमिंग गाइड। रीट्राई समेत हर कोशिश गिनें, क्योंकि मॉडल तक पहुँचने वाली हर कोशिश का बिल बनता है।
चरण 3: एक आम यूज़र कितने का पड़ता है? हल किया हुआ उदाहरण
मान लें आपके प्रोडक्ट में ऐप के अंदर एक असिस्टेंट है। आप एक आम सक्रिय यूज़र के लिए एक महीने में मापते हैं:
| माप | मान |
|---|---|
| सक्रिय दिन | 20 |
| प्रति सक्रिय दिन असिस्टेंट अनुरोध | 15 |
| प्रति अनुरोध इनपुट टोकन | 3,000 (आधे कैश्ड) |
| प्रति अनुरोध दिखने वाले जवाब के टोकन | 400 |
| प्रति अनुरोध रीज़निंग टोकन (रीज़निंग मॉडल) | लगभग 600 |
यानी महीने में 300 अनुरोध: लगभग 9 लाख इनपुट टोकन, जिनमें 4.5 लाख कैश्ड, और 1.2 लाख दिखने वाले आउटपुट टोकन, साथ में रीज़निंग मॉडल पर लगभग 1.8 लाख रीज़निंग टोकन।
BroadNet की प्रति 1M कीमतें लगाएँ। टोकन की संख्या मिलियन में है, इसलिए हर पद है मिलियन टोकन × प्रति 1M कीमत:
| मॉडल | इनपुट / कैश्ड / आउटपुट प्रति 1M | इस यूज़र का महीना |
|---|---|---|
| Gemma 4 VL 26B | $0.10 / कोई कैश्ड दर नहीं / $0.22 | 0.9 × $0.10 (सारा इनपुट पूरी कीमत पर) + 0.12 × $0.22 (कोई रीज़निंग टोकन नहीं) = $0.12 |
| DeepSeek V4.1 Flash | $0.175 / $0.0055 / $0.52 | 0.45 × $0.175 + 0.45 × $0.0055 + 0.3 × $0.52 = $0.24 |
| Qwen3.8 27B | $0.175 / $0.0435 / $2.17 | 0.45 × $0.175 + 0.45 × $0.0435 + 0.3 × $2.17 = $0.75 |
| GLM 5.3 | $0.78 / $0.173 / $3.46 | 0.45 × $0.78 + 0.45 × $0.173 + 0.3 × $3.46 = $1.47 |
रीज़निंग मॉडल पर 0.3M आउटपुट में 0.12M दिखने वाला जवाब और 0.18M रीज़निंग है। हिसाब लगाने पर एक ही यूज़र के लिए GLM 5.3 की पंक्ति Gemma 4 VL 26B की पंक्ति से दस गुना से ज़्यादा आती है (Gemma 4 VL 26B बनाम GLM 5.3 तुलना दोनों को साथ-साथ दिखाती है)। हर रीज़निंग मॉडल पर आउटपुट सबसे बड़ा पद है, और उस आउटपुट का आधे से ज़्यादा हिस्सा रीज़निंग टोकन हैं। अपना आँकड़ा पाने के लिए अपने माप LLM API कॉस्ट कैलकुलेटर में डालें।
चरण 4: औसत यूज़र भ्रम क्यों पैदा करता है?
AI फ़ीचर का उपयोग असमान होता है। ज़्यादातर यूज़र फ़ीचर को कुछ बार आज़माते हैं; एक छोटा समूह इसे दिन भर इस्तेमाल करता है। औसत उस समूह को छिपा देता है, और वही समूह बिल बढ़ाता है।
अपने usage लॉग से प्रति यूज़र प्रति माह निकालें:
- मीडियन लागत। एक सामान्य यूज़र कितने का पड़ता है।
- 90वाँ पर्सेंटाइल। एक भारी लेकिन सामान्य यूज़र कितने का पड़ता है। अपने टियर की कीमत ऐसे रखें कि यह यूज़र भी मुनाफ़े में रहे।
- 99वाँ पर्सेंटाइल और अधिकतम। सबसे भारी छोर। इन यूज़रों के लिए फ़ेयर-यूज़ सीमा, ऊँचा टियर, या ऑटोमेशन और दुरुपयोग की जाँच चाहिए।
अगर आपका 99वें पर्सेंटाइल वाला यूज़र आपके मीडियन से कई गुना महँगा है, तो यह अपने आप में समस्या नहीं है; यह कीमत तय करने का एक इनपुट है।
चरण 5: टियर और सीमाएँ कैसे तय करें?
प्रति यूज़र लागत पता होने पर कीमत तय करना मार्जिन का फ़ैसला बन जाता है:
- टियर के लिए अपना लक्ष्य ग्रॉस मार्जिन तय करें।
- उल्टा हिसाब लगाकर अधिकतम प्रति यूज़र AI लागत निकालें जिसकी वह मार्जिन अनुमति देता है।
- इसकी तुलना अपने 90वें पर्सेंटाइल से करें। अगर 90वाँ पर्सेंटाइल फ़िट बैठता है, तो टियर चलता है। अगर नहीं, तो लागत घटाएँ (चरण 6), कीमत बढ़ाएँ, या भारी उपयोग को ऊँचे टियर में ले जाएँ।
- टोकन को ऐसी इकाई में बदलें जिसे यूज़र समझते हैं। यूज़र टोकन में नहीं सोचते। प्रति दिन अनुरोध, प्रति माह दस्तावेज़ या ऑडियो के मिनट सीमित करें, ऐसे आकार में कि सबसे भारी अनुमत उपयोग आपकी लागत सीमा के अंदर रहे।
- हर महीने दोबारा जाँचें। प्रॉम्प्ट में बदलाव, नए फ़ीचर और मॉडल बदलाव सब प्रति यूज़र लागत को बदलते हैं।
चरण 6: प्रोडक्ट बदले बिना प्रति यूज़र लागत कैसे घटाएँ?
- कैश करें। स्थिर सिस्टम प्रॉम्प्ट और टूल सूची पहले रखें। DeepSeek V4.1 Flash पर कैश्ड इनपुट प्रति 1M $0.175 के बजाय $0.0055 का है। अपनी कैश दर कैसे बढ़ाएँ।
- रीज़निंग कम करें। रोज़मर्रा के अनुरोधों के लिए
reasoning_effortकोlowपर सेट करने से सबसे महँगे टोकन घटते हैं। रीज़निंग कितने की पड़ती है। - कठिनाई के हिसाब से रूट करें। आसान अनुरोध Gemma 4 VL 26B को भेजें और रीज़निंग मॉडल कठिन अनुरोधों के लिए रखें।
- इतिहास छोटा करें। लंबी बातचीत हर टर्न में सब कुछ दोबारा भेजती है; जहाँ गुणवत्ता अनुमति दे, पुराने टर्न का सारांश बनाएँ या उन्हें काटें।
- आउटपुट सीमित करें। हर फ़ीचर के लिए
max_tokensसेट करें, रीज़निंग मॉडल पर रीज़निंग के लिए जगह छोड़कर।
और नियंत्रण LLM API ख़र्च पर नियंत्रण में हैं।
क्या फ़्लैट-रेट प्लान SaaS यूज़र को सर्व कर सकता है?
DeepSeek V4.1 Flash के लिए BroadNet के अनलिमिटेड प्लान (हर सेशन $60 प्रति माह) आपकी अपनी key के तहत आपके अपने ऐप या सर्विस में बनाए जा सकते हैं, लेकिन हर सेशन एक समय में एक अनुरोध चलाता है और key को शेयर या दोबारा बेचा नहीं जा सकता। इससे प्लान कम कॉन्करेंसी वाले बैक-एंड काम के लिए अच्छा बैठता है: रात को चलने वाला रिपोर्ट जनरेटर, क्यू से चलने वाला सारांशकर्ता, कोई अंदरूनी एजेंट। कई एक साथ अनुरोधों वाले इंटरैक्टिव यूज़र ट्रैफ़िक के लिए आम जवाब है उपयोग के अनुसार भुगतान वाली key (हर एक में 4 चालू अनुरोध, प्रति मिनट 30) या कई सेशन। मौजूदा शर्तों के लिए प्लान पेज देखें।
मॉडल के आसपास और कौन-सी लागतें हैं?
टोकन से निकली प्रति यूज़र लागत AI ख़र्च का सिर्फ़ एक हिस्सा है। रिट्रीवल और वेक्टर स्टोरेज, ट्रांसक्रिप्शन (प्रति ऑडियो मिनट कीमत, जैसे BroadNet पर अरबी के लिए $0.0042 प्रति मिनट), रीट्राई और मूल्यांकन रन जोड़ें। अगर आपके यूज़र अरबी या दूसरी ग़ैर-अंग्रेज़ी भाषाओं में लिखते हैं, तो अंग्रेज़ी से ज़्यादा प्रति मैसेज टोकन की उम्मीद रखें; अपने कंटेंट के लिए प्रति शब्द टोकन मापें।
मुफ़्त टियर और ट्रायल को कैसे संभालें?
मुफ़्त टियर प्रति यूज़र लागत को ऐसे यूज़रों से गुणा करता है जो कुछ नहीं चुकाते। इसे मार्केटिंग ख़र्च मानें: मुफ़्त यूज़रों को वह सबसे सस्ता मॉडल दें जो फ़ीचर को फिर भी अच्छी तरह दिखाए, पेड टियर से सख़्त दैनिक सीमाएँ रखें, और मुफ़्त यूज़रों की AI लागत को अलग लाइन के रूप में ट्रैक करें। अगर मुफ़्त यूज़र ग्राहक बनते हैं, तो वह लाइन ग्राहक जुटाने की लागत है; अगर नहीं, तो सीमाएँ उसे छोटा रखती हैं।
सारांश
usage फ़ील्ड से प्रति इकाई टोकन मापें, प्रकाशित कीमतों से गुणा करें, औसत के बजाय 90वाँ पर्सेंटाइल देखें, और उसी से टियर की कीमतें और सीमाएँ तय करें। फिर कैशिंग, रूटिंग और कम रीज़निंग effort से हर इकाई सस्ती करें। अगर आपने अभी कुछ नहीं मापा है, तो मासिक लागत के तरीक़े से शुरू करें।
