Les pages de tarifs des API de vision parlent rarement de prix « par image ». Elles affichent un prix par million de tokens, et l’image devient des tokens. Cet article convertit ces prix au token en coût par image et par page de document pour les trois modèles de vision de BroadNet Inference, et montre quels réglages font bouger le chiffre.
Comment une image est-elle facturée dans une API LLM ?
Un modèle de langage visuel découpe l’image en patches et les transforme en tokens. Vous payez ces tokens au prix d’entrée, avec votre prompt texte. La réponse est facturée en sortie. Donc :
cost per image ≈ (image tokens + prompt tokens) × input price / 1M
+ answer tokens × output price / 1M
Il n’y a pas de frais séparés par image chez BroadNet. Le nombre de tokens d’une image dépend de l’encodeur d’images du modèle et de la résolution : une photo de téléphone de 4 000 pixels coûte donc plus que la même photo redimensionnée.
Combien de tokens représente une image ?
Cela dépend de la famille de modèles :
- Gemma 4 travaille avec un budget fixe de tokens par image : « 70, 140, 280, 560, or 1120 tokens » (traduction : « 70, 140, 280, 560 ou 1120 tokens »), selon la documentation Gemma de Google. Les budgets bas réduisent l’image et vont plus vite ; selon Google, les budgets élevés conservent les détails fins et sont recommandés pour la meilleure précision sur les tâches visuelles.
- Qwen3-VL a un taux de compression de 32, soit environ un token par bloc de 32 × 32 pixels, et son README montre comment régler le budget de tokens visuels par image sur une plage comme 256 à 1 280. Une image de 1 024 × 1 024 pixels fait environ 32 × 32 = 1 024 tokens.
BroadNet ne publie pas les réglages d’image de ses déploiements : prenez ces valeurs comme des ordres de grandeur. Envoyez l’une de vos vraies images, lisez usage.prompt_tokens, puis soustrayez le nombre obtenu avec le texte seul. Vous obtenez le coût en tokens de votre image. Le calculateur de tokens d’image applique la règle documentée de chaque fournisseur à n’importe quelle taille d’image.
Combien coûte chaque modèle de vision ?
Prix de BroadNet Inference par million de tokens, synchronisés 2026-11-14 :
| Modèle | Entrée | Sortie | Contexte | Raisonne d’abord | Crédit de départ |
|---|---|---|---|---|---|
| Gemma 4 VL 26B | $0.10 | $0.22 | 32 768 | Non indiqué | Oui |
| Qwen3.8 27B | $0.175 | $2.17 | 262 144 | Oui | Après recharge |
| DeepSeek V4.1 Flash | $0.175 | $0.52 | 1 048 576 | Oui | Après recharge |
Combien coûtent 1 000 images ?
Supposons que chaque image et son court prompt représentent environ 1 000 tokens d’entrée. Alors 1 000 images font 1 million de tokens d’entrée, et le coût d’entrée pour 1 000 images est égal au prix par million :
| Modèle | Coût d’entrée pour 1 000 images | Coût de sortie par million de tokens de réponse |
|---|---|---|
| Gemma 4 VL 26B | $0.10 | $0.22 |
| Qwen3.8 27B | $0.175 | $2.17 |
| DeepSeek V4.1 Flash | $0.175 | $0.52 |
Faites passer vos propres volumes dans le calculateur gratuit de coût d’API LLM. Deux facteurs changent le classement :
- La longueur de la réponse. Un label d’un mot est bon marché partout. Un extrait JSON de 300 tokens sur un modèle de raisonnement peut s’accompagner de plusieurs centaines de tokens de raisonnement en plus, facturés au prix de sortie. Le prix de sortie de Qwen3.8 27B ($2.17 par million) vaut plusieurs fois celui de DeepSeek V4.1 Flash ($0.52) : pour les réponses longues, DeepSeek coûte donc moins.
- La taille de l’image. Si vos images font 2 000 tokens chacune, doublez la colonne d’entrée. Si le budget de 280 tokens de Gemma suffit pour votre tâche, le coût d’entrée tombe à environ un quart.
Combien coûte une page de document ?
Une page A4 numérisée, rendue à environ 1 024 × 1 024 pixels, avoisine 1 000 tokens avec un encodeur de type Qwen. En règle approximative, 1 000 pages ≈ 1 million de tokens d’entrée, avant le prompt et la réponse. Les petits caractères peuvent demander plus de résolution, et donc plus de tokens.
Conseils pratiques pour les pages :
- Envoyez les PDF textuels sous forme de texte extrait, pas d’images. Du texte coûte bien moins de tokens qu’une image de texte.
- Recadrez sur la zone utile, par exemple l’encadré des totaux d’une facture.
- Envoyez une page par requête quand vous avez besoin de champs page par page, pour qu’un échec ne coûte pas tout le document.
BroadNet est-il l’API de vision la moins chère ?
Pas sur toutes les lignes de prix. Voici la même famille de modèles de vision ouverts chez DeepInfra, d’après sa page de tarifs du 14 novembre 2026, par million de tokens :
| Modèle chez DeepInfra | Entrée | Sortie |
|---|---|---|
| gemma-4-26B-A4B-it | 0,07 USD | 0,34 USD |
| Qwen3-VL-30B-A3B-Instruct | 0,15 USD | 0,60 USD |
| Qwen3-VL-235B-A22B-Instruct | 0,20 USD | 0,88 USD |
Le prix d’entrée de Gemma 4 chez DeepInfra est inférieur aux $0.10 de BroadNet, et son prix de sortie supérieur aux $0.22 de BroadNet. Pour de la classification d’images avec des réponses d’un mot, DeepInfra coûte donc moins ; pour de longs extraits JSON, BroadNet peut coûter moins. Comparez davantage d’hébergeurs sur la page de prix de Gemma 4 26B A4B et la page de prix de Qwen3-VL 235B, ou lisez la page alternative à DeepInfra. Le classement des API LLM les moins chères et l’indice des prix des API LLM replacent ces prix dans le contexte du marché.
Quel modèle de vision choisir ?
- Prix le plus bas chez BroadNet, tâches simples : Gemma 4 VL 26B. Labels, légendes, « y a-t-il une signature ? ». Il fonctionne avec le crédit de départ de $5. Son contexte de 32 768 tokens limite le nombre d’images par requête.
- Documents et captures d’écran en arabe : Qwen3.8 27B, le modèle que BroadNet a testé en arabe. Voir lire des factures en arabe avec la vision et choisir un LLM pour l’arabe.
- Sorties longues, nombreuses images par requête ou très gros volumes : DeepSeek V4.1 Flash. Son contexte de 1 048 576 tokens accueille de nombreuses pages à la fois, et avec un forfait, les images font partie de l’usage illimité.
Comparaisons côte à côte : Gemma 4 VL 26B vs Qwen3.8 27B et DeepSeek V4.1 Flash vs Gemma 4 VL 26B.
Quand un forfait bat-il la facturation par image ?
Une session Full Moon coûte $60 par mois pour DeepSeek V4.1 Flash en illimité, une requête à la fois. À environ 1 000 tokens par image, chaque lot de 1 000 images coûte $0.175 en entrée sur DeepSeek V4.1 Flash : l’entrée seule atteint donc le prix du forfait vers $60 ÷ $0.175 milliers d’images par mois, avant les réponses. Si un seul worker traite des images toute la journée, mesurez son débit sur une session Meteor d’une heure ($1) et comparez, ou utilisez le calculateur forfait ou paiement au token. La méthode complète figure dans le calcul du seuil de rentabilité.
Comment réduire les coûts de vision ?
- Redimensionnez à la plus petite résolution qui reste lisible correctement. Testez trois tailles sur 20 échantillons.
- Demandez un JSON court avec des clés nommées, pas de la prose.
- Réglez
reasoning_effortsurlowpour les extractions simples sur les modèles de raisonnement, et gardezmax_tokensà 1 000 ou plus pour que la réponse ne soit pas tronquée. Voir pourquoi les réponses reviennent vides. - Utilisez le bon type MIME dans l’URL de données (
image/pngpour du PNG). - Journalisez
prompt_tokenspar image pour repérer les envois surdimensionnés.
La place de BroadNet Inference
BroadNet propose trois modèles de vision avec une seule clé, de Gemma au token jusqu’au forfait, sans frais par image et avec une conservation zéro des données pour les images envoyées. Il convient aux factures, reçus, captures d’écran et documents en arabe. Ce n’est pas l’hébergeur le moins cher pour un travail dominé par l’entrée, comme le montre le tableau DeepInfra, et il ne propose pas de génération d’images, seulement la compréhension d’images. Pour la chaîne d’extraction elle-même, voir extraire les données de factures en JSON avec un LLM de vision. Commencez avec le crédit de départ de $5.
