BroadRouter

Самый дешёвый vision LLM API: цена за изображение и за страницу

Команда BroadNet Inference · 5 мин чтения · Опубликовано · Обновлено

Vision LLM тарифицирует изображение как входные токены, поэтому 1 000 изображений примерно по 1 000 токенов стоят столько же, сколько 1 млн входных токенов. На BroadNet дешевле всего Gemma 4 VL 26B: $0.10 за вход и $0.22 за выход за 1 млн. DeepInfra продаёт Gemma 4 26B A4B от Google с более низкой ценой входа и более высокой ценой выхода.

Страницы цен vision API редко пишут «за изображение». Они указывают цену за миллион токенов, а изображение превращается в токены. В этой статье цены за токены пересчитаны в стоимость изображения и страницы документа для трёх vision-моделей на BroadNet Inference и показано, какие настройки меняют итог.

Как тарифицируется изображение в LLM API?

Визуально-языковая модель разбивает изображение на фрагменты (патчи) и превращает их в токены. Вы платите за эти токены по цене входа вместе с текстовым промптом. Ответ тарифицируется как выход. Итак:

cost per image ≈ (image tokens + prompt tokens) × input price / 1M
               + answer tokens × output price / 1M

Отдельной платы за изображение на BroadNet нет. Число токенов изображения зависит от кодировщика изображений модели и от разрешения, поэтому фото с телефона шириной 4 000 пикселей стоит дороже, чем то же фото после уменьшения.

Сколько токенов занимает одно изображение?

Зависит от семейства моделей:

  • Gemma 4 работает с фиксированным бюджетом токенов на изображение: “70, 140, 280, 560, or 1120 tokens” (перевод: «70, 140, 280, 560 или 1120 токенов»), согласно документации Gemma от Google. Меньшие бюджеты уменьшают изображение и работают быстрее; по словам Google, большие бюджеты сохраняют мелкие детали, и их рекомендуют для максимальной точности в визуальных задачах.
  • Qwen3-VL имеет коэффициент сжатия 32, то есть примерно один токен на блок 32 × 32 пикселя, а в его README показано, как задать бюджет визуальных токенов на изображение в диапазоне, например, от 256 до 1 280. Изображение 1 024 × 1 024 — это около 32 × 32 = 1 024 токенов.

BroadNet не публикует настройки изображений для своих развёртываний, поэтому считайте эти цифры порядком величины. Отправьте одно из своих реальных изображений и посмотрите usage.prompt_tokens, затем вычтите число токенов того же запроса только с текстом. Это и есть токены вашего изображения. Калькулятор токенов изображения применяет задокументированное правило каждого провайдера к любому размеру изображения.

Сколько стоит каждая vision-модель?

Цены BroadNet Inference за 1 млн токенов, синхронизировано 2026-11-14:

Модель Вход Выход Контекст Сначала рассуждает Стартовый грант
Gemma 4 VL 26B $0.10 $0.22 32 768 Не указано Да
Qwen3.8 27B $0.175 $2.17 262 144 Да После пополнения
DeepSeek V4.1 Flash $0.175 $0.52 1 048 576 Да После пополнения

Сколько стоят 1 000 изображений?

Допустим, каждое изображение вместе с коротким промптом даёт около 1 000 входных токенов. Тогда 1 000 изображений — это 1 млн входных токенов, и стоимость входа на 1 000 изображений равна цене за 1 млн:

Модель Стоимость входа на 1 000 изображений Стоимость выхода на 1 млн токенов ответа
Gemma 4 VL 26B $0.10 $0.22
Qwen3.8 27B $0.175 $2.17
DeepSeek V4.1 Flash $0.175 $0.52

Посчитайте свои объёмы в бесплатном калькуляторе стоимости LLM API. Порядок меняют две вещи:

  1. Длина ответа. Метка из одного слова дешёвая везде. JSON-извлечение на 300 токенов у модели с рассуждениями может нести ещё несколько сотен токенов рассуждений, которые тарифицируются по цене выхода. Цена выхода у Qwen3.8 27B ($2.17 за 1 млн) в несколько раз выше, чем у DeepSeek V4.1 Flash ($0.52), поэтому при длинных ответах DeepSeek обходится дешевле.
  2. Размер изображения. Если ваши изображения занимают по 2 000 токенов, удвойте столбец входа. Если для вашей задачи хватает бюджета Gemma в 280 токенов, стоимость входа падает примерно до четверти.

Сколько стоит одна страница документа?

Отсканированная страница A4, отрисованная примерно в 1 024 × 1 024 пикселя, на кодировщике в стиле Qwen даёт около 1 000 токенов. Отсюда грубое правило: 1 000 страниц ≈ 1 млн входных токенов, без учёта промпта и ответа. Мелкому шрифту может понадобиться большее разрешение, а значит, и больше токенов.

Практические советы по страницам:

  • Отправляйте текстовые PDF как извлечённый текст, а не как изображения. Текст занимает гораздо меньше токенов, чем картинка с текстом.
  • Обрезайте до нужной области, например блока с итогами в счёте.
  • Отправляйте по одной странице на запрос, когда нужны поля с каждой страницы, чтобы сбой не стоил вам всего документа.

BroadNet — самый дешёвый vision API?

Не по всем позициям. Вот то же семейство открытых vision-моделей у DeepInfra, по её странице цен на 14 ноября 2026 г., за 1 млн токенов:

Модель у DeepInfra Вход Выход
gemma-4-26B-A4B-it USD 0,07 USD 0,34
Qwen3-VL-30B-A3B-Instruct USD 0,15 USD 0,60
Qwen3-VL-235B-A22B-Instruct USD 0,20 USD 0,88

Цена входа Gemma 4 у DeepInfra ниже, чем $0.10 у BroadNet, а цена выхода выше, чем $0.22 у BroadNet. Поэтому для классификации изображений с ответами из одного слова дешевле DeepInfra, а для длинных JSON-извлечений дешевле может оказаться BroadNet. Сравните больше хостов на странице цен Gemma 4 26B A4B и странице цен Qwen3-VL 235B или прочитайте страницу альтернативы DeepInfra. Рейтинг самых дешёвых LLM API и индекс цен LLM API показывают эти цены в контексте рынка.

Какую vision-модель выбрать?

  • Самая низкая цена на BroadNet, простые задачи: Gemma 4 VL 26B. Метки, подписи, «есть ли подпись на документе?». Работает на стартовом гранте $5. Её контекст в 32 768 токенов ограничивает число изображений в одном запросе.
  • Документы и скриншоты на арабском: Qwen3.8 27B, модель, которую BroadNet тестировала на арабском. См. чтение арабских счетов с помощью vision-модели и статью Как выбрать LLM для арабского.
  • Длинные ответы, много изображений в одном запросе или очень большой объём: DeepSeek V4.1 Flash. Её контекст в 1 048 576 токенов вмещает много страниц сразу, а на фиксированном тарифе изображения входят в безлимитное использование.

Сравнения бок о бок: Gemma 4 VL 26B или Qwen3.8 27B и DeepSeek V4.1 Flash или Gemma 4 VL 26B.

Когда фиксированный тариф выгоднее оплаты за изображения?

Сессия Full Moon стоит $60 в месяц за безлимитный DeepSeek V4.1 Flash, один запрос за раз. При примерно 1 000 токенов на изображение каждые 1 000 изображений стоят $0.175 за вход на DeepSeek V4.1 Flash, поэтому один только вход достигает цены тарифа на $60 ÷ $0.175 тысяч изображений в месяц, без учёта ответов. Если один воркер обрабатывает изображения весь день, измерьте его пропускную способность на часовой сессии Meteor ($1) и сравните или воспользуйтесь калькулятором фиксированного тарифа и оплаты за токены. Полный метод — в расчёте точки безубыточности.

Как снизить расходы на vision?

  1. Уменьшайте изображения до минимального разрешения, при котором они ещё читаются правильно. Проверьте три размера на 20 образцах.
  2. Просите короткий JSON с именованными ключами, а не текст.
  3. Для простого извлечения на моделях с рассуждениями ставьте reasoning_effort в low и держите max_tokens на уровне 1 000 или больше, чтобы ответ не обрезался. Почему ответы приходят пустыми.
  4. Указывайте правильный MIME-тип в data URL (image/png для PNG).
  5. Логируйте prompt_tokens для каждого изображения, чтобы ловить слишком большие загрузки.

Место BroadNet Inference

BroadNet предлагает три vision-модели на одном ключе, от Gemma с оплатой за токены до фиксированного тарифа, без платы за изображение и с нулевым хранением данных для отправленных изображений. Она подходит для счетов, чеков, скриншотов и документов на арабском. Это не самый дешёвый хост для задач, где основной объём — вход, как показывает таблица DeepInfra, и она не генерирует изображения, а только понимает их. О самом конвейере извлечения читайте в статье Извлечение данных из счетов в JSON с помощью vision LLM. Начните со стартового гранта $5.

Вопросы и ответы

Сколько токенов занимает одно изображение в vision LLM?

Зависит от модели и разрешения. Gemma 4 использует бюджеты от 70 до 1 120 токенов на изображение. VL-модели Qwen тратят примерно один токен на блок 32 на 32 пикселя. Реальное число смотрите в prompt_tokens в блоке usage.

Какой vision LLM API на BroadNet самый дешёвый?

Gemma 4 VL 26B: $0.10 за вход и $0.22 за выход за 1 млн токенов. Она также работает на бесплатном стартовом гранте.

Есть ли плата за каждое изображение?

Нет. На ключах BroadNet с оплатой по факту изображения считаются входными токенами по цене входа модели, и крупные изображения расходуют больше токенов.

Входят ли изображения в безлимитный тариф?

Да. На тарифе DeepSeek V4.1 Flash изображения и длинные промпты входят в безлимитное использование.

DeepInfra дешевле BroadNet для Gemma 4 с изображениями?

Для задач, где основной объём — вход, да. 14 ноября 2026 г. DeepInfra указывала для gemma-4-26B-A4B-it USD 0,07 за вход и USD 0,34 за выход за 1 млн токенов. BroadNet берёт $0.10 за вход и $0.22 за выход, поэтому при длинных ответах дешевле BroadNet.

Какая vision-модель лучше всего подходит для счетов на арабском?

Qwen3.8 27B — модель, которую BroadNet тестировала на арабском: беглое письмо и понимание диалектов Персидского залива и египетского. Проверьте её на своих документах.

Открыть в MarkdownСпросить ChatGPTСпросить ClaudeСпросить Perplexity