Ejemplos de facturación

Esta página recorre cálculos de facturación reales para algunos modelos típicos, uno por cada estilo de precios. La mecánica detrás de cada estilo se explica en Cómo se facturan los modelos.

Tokens de LLM — zai-org/glm-5.2

Los modelos LLM se facturan por millón de tokens, con tarifas separadas para los tokens de entrada (prompt), de entrada en caché y de salida (completion) (consulta modelos LLM):

$Cost = \frac{Fresh\ Input}{1M} \times \$1.40 + \frac{Cached\ Input}{1M} \times \$0.26 + \frac{Output}{1M} \times \$4.40$

Se te cobra después de que la solicitud se completa, según los recuentos de tokens reportados en el campo usage de la respuesta — las solicitudes con y sin streaming se facturan de forma idéntica, y las solicitudes fallidas no se facturan.

Ejemplo — una solicitud de chat con 12,000 tokens de prompt (10,000 de ellos servidos desde la caché de prompt) y 1,500 tokens de salida:

1. Entrada nueva: 2,000 × $1.40 ÷ 1M = $0.0028
2. Entrada en caché: 10,000 × $0.26 ÷ 1M = $0.0026
3. Salida: 1,500 × $4.40 ÷ 1M = $0.0066
4. Total: $0.0120

Sin caché de prompt, la misma solicitud facturaría los 12,000 tokens de entrada a la tarifa completa de entrada — $0.0168 + $0.0066 = $0.0234, casi el doble. Mantener un prompt de sistema estable entre solicitudes permite que la tarifa de caché se aplique a la porción repetida.

Video facturado por tokens — bytedance/seedance-2.0/reference-to-video

Seedance 2.0 reference-to-video se factura por tokens de video de salida cuando la tarea se completa (consulta modelos de video facturados por tokens). Se aplican dos tarifas por token, según tus entradas:

Multiplicadores de resolución: 480p / 720p / 1080p × 1.0, 4k × 0.57, 720p-sr / 1080p-sr × 1.8, 1440p-sr × 3.2. Los tokens facturados se miden a partir de la salida generada (y, para las solicitudes con videos de referencia, incluyen la contribución del video de entrada), así que usa /calculate para obtener una cotización exacta en los niveles 4K y SR.

Los tokens escalan con la resolución, la tasa de fotogramas y la duración:

$Video\ Tokens \approx \frac{Width \times Height \times FPS \times Duration(seconds)}{1024}$

A 1080p (1920 × 1080, 24 fps) esto equivale a 48,600 tokens por segundo de video.

Ejemplo A — solo imágenes de referencia, 10s a 1080p:

1. Tokens de salida: 48,600 × 10s = 486,000 tokens
2. Precio de lista: 486,000 ÷ 1,000,000 × $11.20 × 1.0 = $5.44

Ejemplo B — con un video de referencia de 8s, salida de 10s a 1080p:

1. Los tokens facturados cuentan el video de entrada más la salida: (10s + 8s) × 48,600 = 874,800 tokens
2. Se aplica la tarifa más baja con video: 874,800 ÷ 1,000,000 × $6.88 × 1.0 = $6.02

Al enviar se coloca una pequeña retención temporal que se libera una vez que la tarea se factura; las tareas fallidas no se cobran.

Video por segundo — alibaba/wan-2.7/image-to-video

Wan 2.7 image-to-video usa el precio clásico por segundo: una tarifa base de $0.10 por segundo, escalada según la resolución de salida, con un mínimo de 5 segundos:

$Cost = \$0.10 \times max(5,\ Duration) \times Resolution\ Multiplier$

Ejemplo — 8s a 1080p:

$0.10 × 8 × 1.5 = $1.20, reservado de tu saldo al enviar y cobrado cuando el video se entrega.

Ejemplo — 3s a 720p:

La duración está por debajo del mínimo, así que se facturan 5 segundos: $0.10 × 5 × 1.0 = $0.50.

Por imagen con opciones — google/nano-banana-pro/edit

Nano Banana Pro (variante edit) tiene precio por imagen de salida, con un nivel de resolución y un recargo opcional por búsqueda web:

$Cost = Images \times Tier\ Price\ (+\ \$0.014\ if\ web\ search)$

Ejemplo — 2 imágenes a 4K con búsqueda web habilitada:

1. Imágenes: 2 × $0.24 = $0.48
2. Búsqueda web: + $0.014 (se añade una vez por solicitud)
3. Total de lista: $0.494

El monto se reserva al enviar y se libera automáticamente si la tarea falla.

Imagen facturada por tokens — openai/gpt-image-2/edit

GPT Image 2 se factura como un LLM — por tokens — pero los recuentos de tokens se calculan a partir de los parámetros de tu solicitud al enviarla:

Recuentos de tokens de salida para una imagen de 1024×1024: 196 (low), 1,756 (medium), 7,024 (high). Los tamaños mayores producen proporcionalmente más tokens; las imágenes de entrada siempre usan la base de tokens medium sin importar quality.

Ejemplo — editar una imagen de 1024×1024, quality: medium, size: 1024x1024, n: 1:

1. Texto de entrada: 1,000 tokens × $5/1M = $0.0050
2. Imagen de entrada: 1,756 tokens × $8/1M = $0.0140
3. Imagen de salida: 1,756 tokens × $30/1M = $0.0527
4. Total: ≈ $0.072 por imagen

Solicitar n imágenes multiplica el monto total por n.

Audio facturado por caracteres (TTS) — xai/tts-v1 y bytedance/seed-audio-1.0

Ambos modelos de texto a voz tienen precio según la longitud del texto de entrada, a $0.015 por 1,000 caracteres:

$Cost = \frac{Characters(text)}{1{,}000} \times \$0.015$

Los caracteres se cuentan como caracteres Unicode, así que un carácter CJK cuenta como un carácter, igual que una letra latina.

Ejemplo — un guion de 1,200 caracteres:

1,200 ÷ 1,000 × $0.015 = $0.018, cobrado al enviar.

Ejemplo — un prompt corto de 300 caracteres:

300 ÷ 1,000 × $0.015 = $0.0045.

Comprueba cualquier modelo tú mismo

Cada ejemplo anterior se puede reproducir con la API de estimación de costos — envía el cuerpo exacto de tu solicitud a /api/v1/model/calculate y devuelve el precio de lista, tu precio efectivo y el descuento aplicado sin crear ninguna tarea.