BroadRouter
Comenzar

La API de LLM de visión más barata: costo por imagen y por página

Por el equipo de BroadNet Inference · 5 min de lectura · Publicado · Actualizado

Un LLM de visión cobra la imagen como tokens de entrada, así que 1,000 imágenes de unos 1,000 tokens cada una cuestan el precio de entrada por 1M de tokens. En BroadNet, el más barato es Gemma 4 VL 26B, a $0.10 de entrada y $0.22 de salida por 1M. DeepInfra ofrece Gemma 4 26B A4B de Google con una entrada más barata y una salida más cara.

Las páginas de precios de las API de visión rara vez dicen “por imagen”. Indican un precio por millón de tokens, y la imagen se convierte en tokens. Este artículo traduce esos precios por token a costo por imagen y por página de documento para los tres modelos de visión de BroadNet Inference, y muestra qué ajustes cambian la cifra.

¿Cómo se cobra una imagen en una API de LLM?

Un modelo de lenguaje de visión divide la imagen en parches y los convierte en tokens. Usted paga esos tokens al precio de entrada, junto con su prompt de texto. La respuesta se cobra como salida. Así:

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

En BroadNet no hay una tarifa aparte por imagen. El número de tokens de la imagen depende del codificador de imágenes del modelo y de la resolución, así que una foto de móvil de 4,000 píxeles cuesta más que la misma foto redimensionada.

¿Cuántos tokens ocupa una imagen?

Depende de la familia del modelo:

  • Gemma 4 trabaja con un presupuesto fijo de tokens por imagen: “70, 140, 280, 560, or 1120 tokens” (Traducción: 70, 140, 280, 560 o 1120 tokens), según la documentación de Gemma de Google. Los presupuestos bajos reducen la imagen y son más rápidos; Google dice que los presupuestos altos conservan el detalle fino y los recomienda para obtener la mejor precisión en tareas visuales.
  • Qwen3-VL tiene una relación de compresión de 32, es decir, aproximadamente un token por cada bloque de 32 × 32 píxeles, y su README muestra cómo fijar el presupuesto de tokens visuales por imagen en un rango como 256 a 1,280. Una imagen de 1,024 × 1,024 son unos 32 × 32 = 1,024 tokens.

BroadNet no publica los ajustes de imagen de sus despliegues, así que tome estas cifras como órdenes de magnitud. Envíe una de sus imágenes reales y lea usage.prompt_tokens, luego reste la cifra de solo texto. Ese es el costo en tokens de su imagen. La calculadora de tokens de imagen aplica la regla documentada de cada proveedor a cualquier tamaño de imagen.

¿Cuánto cuesta cada modelo de visión?

Precios de BroadNet Inference por 1M de tokens, sincronizados el 2026-11-14:

Modelo Entrada Salida Contexto Razona primero Crédito inicial
Gemma 4 VL 26B $0.10 $0.22 32,768 No indicado Sí
Qwen3.8 27B $0.175 $2.17 262,144 Sí Tras recargar
DeepSeek V4.1 Flash $0.175 $0.52 1,048,576 Sí Tras recargar

¿Cuánto cuestan 1,000 imágenes?

Suponga que cada imagen con su prompt breve suma unos 1,000 tokens de entrada. Entonces 1,000 imágenes son 1M de tokens de entrada, y el costo de entrada por cada 1,000 imágenes es igual al precio por 1M:

Modelo Costo de entrada por 1,000 imágenes Costo de salida por 1M de tokens de respuesta
Gemma 4 VL 26B $0.10 $0.22
Qwen3.8 27B $0.175 $2.17
DeepSeek V4.1 Flash $0.175 $0.52

Calcule sus propios volúmenes con la calculadora de costos de API de LLM gratuita. Dos cosas cambian el orden:

  1. La longitud de la respuesta. Una etiqueta de una palabra es barata en todas partes. Una extracción JSON de 300 tokens en un modelo de razonamiento puede llevar varios cientos de tokens de razonamiento más, cobrados al precio de salida. El precio de salida de Qwen3.8 27B ($2.17 por 1M) es varias veces el de DeepSeek V4.1 Flash ($0.52), así que en respuestas largas DeepSeek cuesta menos.
  2. El tamaño de la imagen. Si sus imágenes ocupan 2,000 tokens cada una, duplique la columna de entrada. Si el presupuesto de 280 tokens de Gemma basta para su tarea, el costo de entrada baja a aproximadamente una cuarta parte.

¿Cuánto cuesta una página de documento?

Una página A4 escaneada y renderizada a unos 1,024 × 1,024 píxeles queda cerca de los 1,000 tokens en un codificador de tipo Qwen. Así que una regla aproximada es 1,000 páginas ≈ 1M de tokens de entrada, antes del prompt y la respuesta. La letra pequeña puede necesitar más resolución, y más tokens.

Consejos prácticos para páginas:

  • Envíe los PDF de texto como texto extraído, no como imágenes. El texto ocupa muchos menos tokens que una imagen del texto.
  • Recorte la zona que necesita, como el recuadro de totales de una factura.
  • Envíe una página por solicitud cuando necesite campos por página, para que un fallo no le cueste el documento entero.

¿Es BroadNet la API de visión más barata?

No en todas las partidas. Esta es la misma familia de modelos de visión abiertos en DeepInfra, según su página de precios del 14 de noviembre de 2026, por 1M de tokens:

Modelo en DeepInfra Entrada Salida
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

El precio de entrada de Gemma 4 en DeepInfra está por debajo de los $0.10 de BroadNet, y su precio de salida, por encima de los $0.22 de BroadNet. Así que para clasificar imágenes con respuestas de una palabra DeepInfra cuesta menos; para extracciones JSON largas, BroadNet puede costar menos. Compare más hosts en la página de precios de Gemma 4 26B A4B y la página de precios de Qwen3-VL 235B, o lea la página de alternativa a DeepInfra. El ranking de las API de LLM más baratas y el índice de precios de API de LLM ponen estos precios en contexto de mercado.

¿Qué modelo de visión elegir?

  • Precio más bajo de BroadNet, tareas sencillas: Gemma 4 VL 26B. Etiquetas, descripciones, “¿hay una firma?”. Funciona con el crédito inicial de $5. Su contexto de 32,768 tokens limita cuántas imágenes caben en una solicitud.
  • Documentos y capturas de pantalla en árabe: Qwen3.8 27B, el modelo que BroadNet probó en árabe. Consulte leer facturas en árabe con visión y elegir un LLM para árabe.
  • Salidas largas, muchas imágenes por solicitud o volumen muy alto: DeepSeek V4.1 Flash. Su contexto de 1,048,576 tokens admite muchas páginas a la vez, y en un plan de tarifa plana las imágenes forman parte del uso ilimitado.

Páginas comparativas: Gemma 4 VL 26B frente a Qwen3.8 27B y DeepSeek V4.1 Flash frente a Gemma 4 VL 26B.

¿Cuándo sale mejor un plan de tarifa plana que el precio por imagen?

Una sesión Luna Llena (Full Moon) cuesta $60 al mes por uso ilimitado de DeepSeek V4.1 Flash, una solicitud a la vez. Con unos 1,000 tokens por imagen, cada 1,000 imágenes cuestan $0.175 de entrada en DeepSeek V4.1 Flash, así que solo la entrada alcanza el precio del plan con $60 ÷ $0.175 miles de imágenes al mes, antes de las respuestas. Si un único proceso trabaja imágenes todo el día, mida su rendimiento en una sesión Meteoro (Meteor) de una hora ($1) y compare, o use la calculadora de tarifa plana frente a pago por token. El método completo está en el cálculo del punto de equilibrio.

¿Cómo reducir los costos de visión?

  1. Redimensione a la resolución más baja que se siga leyendo bien. Pruebe tres tamaños con 20 muestras.
  2. Pida un JSON corto con claves con nombre, no texto en prosa.
  3. Ponga reasoning_effort en low en los modelos de razonamiento para extracciones sencillas, y mantenga max_tokens en 1,000 o más para que la respuesta no se corte. Consulte por qué las respuestas llegan vacías.
  4. Use el tipo MIME correcto en la data URL (image/png para PNG).
  5. Registre prompt_tokens por imagen para detectar subidas demasiado grandes.

Dónde encaja BroadNet Inference

BroadNet ofrece tres modelos de visión con una sola clave, desde Gemma por token hasta un plan de tarifa plana, sin tarifa por imagen y con retención de datos cero para las imágenes que envía. Es adecuado para facturas, recibos, capturas de pantalla y documentos en árabe. No es el host más barato para trabajos intensivos en entrada, como muestra la tabla de DeepInfra, y no ofrece generación de imágenes, solo comprensión de imágenes. Para la cadena de extracción en sí, consulte extraer datos de facturas a JSON con un LLM de visión. Empiece con el crédito inicial de $5.

Preguntas frecuentes

¿Cuántos tokens ocupa una imagen en un LLM de visión?

Depende del modelo y de la resolución. Gemma 4 usa presupuestos de 70 a 1,120 tokens por imagen. Los modelos VL de Qwen usan aproximadamente un token por cada bloque de 32 × 32 píxeles. Lea prompt_tokens en el bloque usage para ver la cifra real.

¿Cuál es la API de LLM de visión más barata de BroadNet?

Gemma 4 VL 26B, a $0.10 de entrada y $0.22 de salida por 1M de tokens. También funciona con el crédito inicial gratuito.

¿Hay una tarifa por imagen?

No. En las claves de pago por uso de BroadNet, las imágenes cuentan como tokens de entrada al precio de entrada del modelo, y las imágenes más grandes usan más tokens.

¿Las imágenes están incluidas en el plan ilimitado?

Sí. En un plan de DeepSeek V4.1 Flash, las imágenes y los prompts largos forman parte del uso ilimitado.

¿DeepInfra es más barato que BroadNet para Gemma 4 con visión?

Para trabajos intensivos en entrada, sí. El 14 de noviembre de 2026, DeepInfra listaba gemma-4-26B-A4B-it a USD 0.07 de entrada y USD 0.34 de salida por 1M de tokens. BroadNet cobra $0.10 de entrada y $0.22 de salida, así que BroadNet es más barato cuando las respuestas son largas.

¿Qué modelo de visión es mejor para facturas en árabe?

Qwen3.8 27B es el modelo que BroadNet probó en árabe, con una redacción fluida y comprensión de los dialectos del Golfo y egipcio. Pruébelo con sus propios documentos.

Leer en MarkdownPreguntar a ChatGPTPreguntar a ClaudePreguntar a Perplexity