---
title: "LLM API की लागत कैसे कम करें: 10 कदमों की चेकलिस्ट | BroadRouter"
description: "LLM API का बिल सही क्रम में घटाएँ: पहले मापें, प्रीफ़िक्स कैश करें, प्रॉम्प्ट छोटा करें, आउटपुट और रीज़निंग सीमित करें, सही मॉडल चुनें और फ़्लैट रेट का हिसाब जानें।"
url: https://broadrouter.com/hi/blog/how-to-reduce-llm-api-costs/
lang: hi
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

यह पेज अंग्रेज़ी से AI की मदद से अनुवाद किया गया है। [अंग्रेज़ी मूल पढ़ें](https://broadrouter.com/blog/how-to-reduce-llm-api-costs/) (2026-11-15 को अपडेट किया गया).

# LLM API की लागत कैसे कम करें: 10 कदमों की चेकलिस्ट, सही क्रम में

BroadNet Inference टीम · 8 मिनट में पढ़ें · प्रकाशित 2026-11-15

LLM API की लागत कम करने के लिए पहले हर अनुरोध के टोकन लॉग करें, फिर इसी क्रम में चलें: प्रॉम्प्ट का प्रीफ़िक्स स्थिर रखें ताकि वह कैश हो, प्रॉम्प्ट छोटा करें, आउटपुट और रीज़निंग सीमित करें, टेस्ट पास करने वाला सबसे छोटा मॉडल चुनें, रुक सकने वाला काम बैच करें या टालें, दोहराए गए जवाब कैश करें, रीट्राई सीमित करें, और ब्रेक-ईवन पार होने पर फ़्लैट प्लान लें।

## मुख्य बातें

-   घटाने से पहले मापें। हर फ़ीचर के लिए prompt\_tokens, cached\_tokens और completion\_tokens लॉग करें, वरना पता नहीं चलेगा कि कौन-सा कदम काम आया।
-   इनपुट पर सबसे बड़ा असर आम तौर पर कैशिंग का होता है। DeepSeek V4.1 Flash पर कैश्ड इनपुट $0.0055 प्रति 1M है, जबकि नया इनपुट $0.175।
-   BroadNet के हर चैट मॉडल पर आउटपुट इनपुट से महँगा है, और रीज़निंग आउटपुट के रूप में बिल होती है। इसे सीमित करें।
-   OpenAI और Anthropic बैच जॉब पर 50% छूट देते हैं, और DeepSeek ऑफ़-पीक में अपनी कीमतें आधी कर देता है। BroadNet के पास Batch API नहीं है।
-   DeepSeek V4.1 Flash पर हर महीने लगभग 917 मिलियन इनपुट और 46 मिलियन आउटपुट टोकन से ऊपर, $60 वाला Full Moon प्लान प्रति टोकन बिलिंग से सस्ता पड़ता है।

**इस पेज पर**

1.  LLM API का बिल किन चीज़ों से बनता है?
2.  एक नज़र में चेकलिस्ट
3.  1\. कुछ भी घटाने से पहले मापना क्यों ज़रूरी है?
4.  2\. प्रॉम्प्ट कैशिंग से लागत कैसे घटती है?
5.  3\. प्रॉम्प्ट में कौन-सी कटौती सुरक्षित है?
6.  4\. आउटपुट और रीज़निंग को कैसे सीमित करें?
7.  5\. क्वालिटी खोए बिना सस्ता मॉडल कैसे चुनें?
8.  6\. क्या रुक सकने वाले काम को बैच किया या टाला जा सकता है?
9.  7\. पूरे जवाब कब कैश करने चाहिए?
10.  8\. रीट्राई और लूप पैसे कैसे बर्बाद करते हैं?
11.  9\. बिल को बेक़ाबू होने से कैसे रोकें?
12.  10\. फ़्लैट रेट प्लान प्रति टोकन कीमत से कब बेहतर होता है?
13.  कौन-से कदम छोड़ देने चाहिए?
14.  BroadNet Inference कहाँ फ़िट होता है

“LLM का बिल 70% घटाएँ” जैसी ज़्यादातर सूचियाँ अच्छी सलाह के साथ ऐसी संख्याएँ मिला देती हैं जिन्हें किसी ने मापा नहीं। यह चेकलिस्ट इस क्रम में है कि पहले क्या करना चाहिए, और हर आँकड़ा किसी प्राइस फ़ाइल या प्रोवाइडर के अपने डॉक्यूमेंटेशन से लिया गया है। जिस कदम पर इस साइट पर ज़्यादा विस्तृत पोस्ट है, वहाँ उसका लिंक दिया गया है। नीचे दी गई BroadNet की कीमतें उसकी [प्राइसिंग फ़ाइल](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-how-to-reduce-llm-api-costs&utm_content=body) से हैं, जो 2026-11-14 को सिंक की गई।

## LLM API का बिल किन चीज़ों से बनता है?

लगभग हर बिल चार संख्याओं से तय होता है:

1.  **नए इनपुट टोकन।** प्रॉम्प्ट, उस हिस्से को छोड़कर जो कैश से पढ़ा गया।
2.  **कैश्ड इनपुट टोकन।** दोहराया जाने वाला प्रीफ़िक्स, जो कम दर पर बिल होता है।
3.  **आउटपुट टोकन।** जवाब, और थिंकिंग मॉडल पर साथ में [रीज़निंग टोकन](https://broadrouter.com/hi/glossary/reasoning-tokens/)।
4.  **अनुरोधों की संख्या।** हर कॉल, हर रीट्राई समेत, अलग से बिल होती है।

सबसे महँगी इकाई आउटपुट है। BroadNet के चैट मॉडल पर, प्रति 1M टोकन:

| मॉडल | इनपुट | कैश्ड इनपुट | आउटपुट |
| --- | --- | --- | --- |
| DeepSeek V4.1 Flash | $0.175 | $0.0055 | $0.52 |
| Qwen3.8 27B | $0.175 | $0.0435 | $2.17 |
| GLM 5.3 | $0.78 | $0.173 | $3.46 |
| Gemma 4 VL 26B | $0.10 | प्रकाशित नहीं | $0.22 |

यानी आपके पास ये रास्ते हैं: कम नए टोकन भेजें, ज़्यादा कैश से पढ़ें, कम जेनरेट करें और कम कॉल करें। [LLM API की कीमत कैसे तय होती है](https://broadrouter.com/hi/blog/llm-api-pricing-explained/) में हर इकाई विस्तार से समझाई गई है।

## एक नज़र में चेकलिस्ट

| कदम | आप क्या बदलते हैं | क्या घटता है | मेहनत |
| --- | --- | --- | --- |
| 1\. मापें | सिर्फ़ लॉगिंग | अभी कुछ नहीं; पता चलता है कि कहाँ घटाना है | कम |
| 2\. प्रीफ़िक्स कैश करें | प्रॉम्प्ट का क्रम | इनपुट की कीमत | कम |
| 3\. प्रॉम्प्ट छोटा करें | प्रॉम्प्ट की सामग्री | इनपुट टोकन | मध्यम |
| 4\. आउटपुट और रीज़निंग सीमित करें | अनुरोध की सेटिंग | आउटपुट टोकन | कम |
| 5\. सही आकार का मॉडल चुनें | मॉडल का चुनाव | सभी कीमतें | मध्यम |
| 6\. काम बैच करें या टालें | शेड्यूलिंग | प्रति टोकन कीमत, जहाँ उपलब्ध हो | मध्यम |
| 7\. जवाब कैश करें | ऐप का कोड | पूरे अनुरोध | मध्यम |
| 8\. रीट्राई और लूप सीमित करें | ऐप का कोड | बेकार अनुरोध | कम |
| 9\. ख़र्च की सीमा तय करें | अकाउंट और key | बेक़ाबू बिल | कम |
| 10\. फ़्लैट रेट का ब्रेक-ईवन जाँचें | बिलिंग मॉडल | ज़्यादा वॉल्यूम पर कुल बिल | कम |

## 1\. कुछ भी घटाने से पहले मापना क्यों ज़रूरी है?

क्योंकि बिल वजह छिपा लेता है। एक जैसे दिखने वाले दो अनुरोधों के टोकन में दस गुना फ़र्क़ हो सकता है। हर chat completion एक `usage` ब्लॉक लौटाता है, जिसमें `prompt_tokens`, `completion_tokens` और, जहाँ प्रोवाइडर बताता है, कैश्ड टोकन होते हैं। इन्हें हर फ़ीचर और हर यूज़र के हिसाब से लॉग करें, प्रॉम्प्ट का टेक्स्ट छोड़कर। एक हफ़्ते बाद आपको पता होगा कि कौन-सा फ़ीचर सबसे ज़्यादा ख़र्च करता है, और ख़र्च इनपुट से है, कैश मिस से या आउटपुट से।

[PII हटाकर उपयोग की लॉगिंग](https://broadrouter.com/hi/blog/llm-api-usage-logging/) में एक लॉग स्कीमा दिया गया है। किसी फ़ीचर के लॉन्च से पहले उसका आकार आँकने के लिए [LLM API कॉस्ट कैलकुलेटर](https://broadrouter.com/tools/llm-api-cost-calculator/) या [लॉन्च से पहले लागत का अनुमान](https://broadrouter.com/hi/blog/estimate-llm-api-cost-before-launch/) वाला तरीक़ा इस्तेमाल करें।

## 2\. प्रॉम्प्ट कैशिंग से लागत कैसे घटती है?

प्रोवाइडर प्रॉम्प्ट के उस शुरुआती हिस्से को कैश कर लेते हैं जो बिल्कुल वैसा ही दोहराया जाता है। अगली कॉल वह प्रीफ़िक्स कैश्ड कीमत पर पढ़ती है। OpenAI समर्थित मॉडल पर 1,024 टोकन से कैशिंग डिफ़ॉल्ट रूप से चालू रखता है, और कहता है कि कैश्ड इनपुट “discounted up to 95%” है (अनुवाद: 95% तक छूट पर) (2026-11-15 को देखा गया)। BroadNet पर DeepSeek V4.1 Flash कैश्ड इनपुट $0.0055 प्रति 1M पर बिल करता है, जबकि नया इनपुट $0.175 पर।

नियम: स्थिर सामग्री पहले, बदलने वाली सामग्री आख़िर में। पहले सिस्टम प्रॉम्प्ट, फिर टूल स्कीमा, फिर साझा डॉक्यूमेंट, फिर इतिहास, और फिर नया सवाल। सबसे ऊपर रखा एक टाइमस्टैम्प या फेरबदल की गई टूल सूची उसके बाद की हर चीज़ का कैश तोड़ देती है।

-   [कैश्ड इनपुट टोकन की पूरी जानकारी](https://broadrouter.com/hi/blog/cached-input-tokens-explained/), साथ में रिस्पॉन्स में उन्हें कैसे पढ़ें।
-   [प्रॉम्प्ट को कैसे बनाएँ ताकि प्रीफ़िक्स कैश हो](https://broadrouter.com/hi/blog/prompt-structure-for-caching/)।
-   अपना हिट रेट [प्रॉम्प्ट कैशिंग कैलकुलेटर](https://broadrouter.com/tools/prompt-caching-calculator/) में आँकें।

## 3\. प्रॉम्प्ट में कौन-सी कटौती सुरक्षित है?

वह हटाएँ जिसका मॉडल इस्तेमाल नहीं करता। आम फ़ायदे यहाँ मिलते हैं: गद्य में लिखे लंबे सिस्टम प्रॉम्प्ट, काम की ज़रूरत से ज़्यादा few-shot उदाहरण, उन टूल के स्कीमा जिन्हें वह कदम कभी कॉल नहीं करता, लंबा-चौड़ा JSON जहाँ एक छोटी टेबल काफ़ी होती, और पूरा चैट इतिहास जहाँ सारांश काफ़ी होता। रिट्रीवल भी भटकता है: जब दो चंक से सवाल का जवाब मिल जाता हो, तब दस चंक भेजना लागत और क्वालिटी दोनों की समस्या है।

हर कटौती को इनपुट के एक तय सेट पर टेस्ट करें, ताकि सस्ता प्रॉम्प्ट चुपचाप जवाब न बिगाड़ दे। [प्रॉम्प्ट टोकन कम करें](https://broadrouter.com/hi/blog/reduce-prompt-tokens/) में इनमें से हर कटौती का माप दिया गया है। भाषा से भी फ़र्क़ पड़ता है: ज़्यादातर टोकनाइज़र पर अरबी टेक्स्ट अंग्रेज़ी से ज़्यादा टोकन प्रति शब्द लेता है; देखें [अरबी बनाम अंग्रेज़ी में प्रति शब्द टोकन](https://broadrouter.com/hi/blog/tokens-per-word-arabic-english/)।

## 4\. आउटपुट और रीज़निंग को कैसे सीमित करें?

कम माँगें, और उसकी सीमा तय करें। गद्य की जगह JSON फ़ील्ड माँगें, “समझाइए” की जगह शब्द-सीमा दें, और सवाल दोहराने से मना करें। फिर `max_tokens` सेट करें ताकि बेक़ाबू जवाब रुक जाए।

थिंकिंग मॉडल पर ध्यान देना पड़ता है। BroadNet का डॉक्यूमेंटेशन कहता है कि रीज़निंग `max_tokens` में गिनी जाती है, इसलिए कम सीमा पर जवाब ख़ाली आ सकता है। 1,000 या उससे ज़्यादा टोकन रखें, और आसान कदमों पर `reasoning_effort` को `low` रखें। प्रति टोकन वाली key पर रीज़निंग आउटपुट के रूप में बिल होती है। [रीज़निंग टोकन: जितना दिखता है उससे ज़्यादा भुगतान क्यों](https://broadrouter.com/hi/blog/reasoning-tokens-cost/) और [ख़ाली जवाब का समाधान](https://broadrouter.com/hi/guides/reasoning-tokens-empty-response/) दोनों पहलू समझाते हैं।

## 5\. क्वालिटी खोए बिना सस्ता मॉडल कैसे चुनें?

प्रति टोकन कीमत नहीं, हर सफल काम की लागत की तुलना करें। अपेक्षित आउटपुट के साथ 50 से 100 असली इनपुट तैयार करें, हर उम्मीदवार मॉडल चलाएँ, और ख़र्च को पास हुए मामलों से भाग दें। जो मॉडल प्रति टोकन सस्ता है लेकिन एक-तिहाई बार फ़ेल होता है, वह रीट्राई और इंसानी समीक्षा जोड़ने पर ज़्यादा महँगा पड़ सकता है।

पहले फ़ीचर जाँचें। BroadNet पर टूल और स्ट्रक्चर्ड आउटपुट सिर्फ़ GLM 5.3 और Qwen3.8 27B के लिए डॉक्यूमेंट किए गए हैं। Gemma 4 VL 26B, BroadNet का छोटा टेक्स्ट-और-इमेज मॉडल है; आसान कामों के लिए ऊपर की टेबल में उसकी कीमत देखें। कई ऐप आसान कदमों के लिए छोटा मॉडल और मुश्किल कदमों के लिए बड़ा मॉडल इस्तेमाल करते हैं; मॉडल आप अपने कोड में चुनते हैं। [बदलने से पहले LLM का मूल्यांकन कैसे करें](https://broadrouter.com/hi/blog/evaluate-llm-before-switching/) में एक टेस्ट प्लान दिया गया है।

अपने मौजूदा मॉडल के सस्ते होने का इंतज़ार न करें। प्रोवाइडर किसी मौजूदा मॉडल की कीमत शायद ही घटाते हैं; बचत आम तौर पर नए वर्ज़न के साथ आती है। देखें [OpenAI बनाम Anthropic बनाम Google API कीमतों का इतिहास](https://broadrouter.com/hi/blog/openai-anthropic-google-api-price-history/) और [LLM API कीमतों में सबसे बड़ी कटौतियाँ](https://broadrouter.com/hi/blog/llm-api-price-cuts-2023-2026/)।

## 6\. क्या रुक सकने वाले काम को बैच किया या टाला जा सकता है?

जहाँ प्रोवाइडर यह सुविधा देता है, हाँ, और छूट बड़ी है। सभी 2026-11-15 को देखे गए:

| प्रोवाइडर | छूट | शर्त |
| --- | --- | --- |
| OpenAI Batch API | सिंक्रोनस कॉल के मुक़ाबले 50% | 24 घंटे के अंदर पूरा होता है; रेट लिमिट अलग |
| Anthropic Message Batches API | 50% | एसिंक्रोनस; ज़्यादातर बैच एक घंटे से कम में पूरे |
| DeepSeek API, ऑफ़-पीक | ऑफ़-पीक दरें पीक की आधी | पीक सोमवार से शुक्रवार, 01:00 से 04:00 और 06:00 से 10:00 UTC |

BroadNet Inference के पास न Batch API है, न ऑफ़-पीक कीमतें। BroadNet पर रात भर चलने वाले जॉब को सामान्य एंडपॉइंट पर, अपनी key की सीमाओं के अंदर, फिर से शुरू हो सकने वाले रनर से चलाएँ। [Batch API के बिना LLM बैच प्रोसेसिंग](https://broadrouter.com/hi/blog/llm-batch-processing-without-batch-api/) में कोड दिया गया है। अगर जॉब घंटों चलता है, तो फ़्लैट सेशन टोकन से सस्ता पड़ सकता है (कदम 10)।

## 7\. पूरे जवाब कब कैश करने चाहिए?

जब वही सवाल उन्हीं इनपुट के साथ फिर आए। FAQ बॉट, दोहराए गए आइटम का वर्गीकरण और क्रैश के बाद पाइपलाइन को दोबारा चलाना, ये सब काम दोहराते हैं। मॉडल, प्रॉम्प्ट और सेटिंग पर आधारित exact-match कैश सहेजा हुआ जवाब लौटा देता है और कॉल बच जाती है। एक्सपायरी तय करें ताकि जवाब पुराने न पड़ें। [Python में LLM रिस्पॉन्स कैश करें](https://broadrouter.com/hi/blog/cache-llm-responses-cut-cost/) में एक छोटा इम्प्लीमेंटेशन है।

## 8\. रीट्राई और लूप पैसे कैसे बर्बाद करते हैं?

रीट्राई किया गया अनुरोध एक नया इन्फ़रेंस है और प्रति टोकन वाली key पर फिर से बिल होता है। सिर्फ़ 429 और 5xx एरर पर, exponential backoff और jitter के साथ रीट्राई करें, और कोशिशें सीमित रखें। 400 को कभी रीट्राई न करें: वही ग़लत अनुरोध उसी तरह फ़ेल होगा।

एजेंट एक दूसरा जोखिम जोड़ते हैं: ऐसा लूप जो मॉडल को बार-बार कॉल करता रहे। हर काम के कदम सीमित करें, और जब वही टूल कॉल दोहराई जाए तो रुक जाएँ। [429 एरर को सँभालना](https://broadrouter.com/hi/blog/handle-llm-api-429-rate-limits/) और [कोडिंग एजेंट की लागत घटाने के 10 तरीक़े](https://broadrouter.com/hi/blog/cut-coding-agent-llm-costs/) दोनों बातें समझाते हैं।

## 9\. बिल को बेक़ाबू होने से कैसे रोकें?

अलर्ट बाद में बताते हैं। सीमाएँ उसे रोकती हैं। प्रीपेड बैलेंस इस्तेमाल करें, हर ऐप के लिए एक key रखें ताकि बाक़ी को रोके बिना एक को रद्द कर सकें, और सर्वर key पर IP allow-list लगाएँ। कोड में हर जॉब का बजट तय करें और ख़त्म होने पर रुक जाएँ। [LLM API ख़र्च नियंत्रण](https://broadrouter.com/hi/blog/llm-api-spend-control/) में अकाउंट से लेकर अनुरोध तक, सभी परतें बताई गई हैं।

## 10\. फ़्लैट रेट प्लान प्रति टोकन कीमत से कब बेहतर होता है?

जब कोई एजेंट दिन के ज़्यादातर समय चलता है। BroadNet, DeepSeek V4.1 Flash को प्रति टोकन या प्रति सेशन बेचता है: Full Moon $60 प्रति माह, Orbit $15 प्रति सप्ताह या Meteor $1 प्रति घंटा, बिना किसी टोकन मीटर के। एक सेशन एक समय में एक अनुरोध चलाता है।

प्रति टोकन बिलिंग पर BroadNet के उदाहरण:

| वर्कलोड | प्रति टोकन, प्रति माह | सस्ता विकल्प |
| --- | --- | --- |
| साइड प्रोजेक्ट | $14.23 | उपयोग के अनुसार भुगतान |
| रोज़ाना का असिस्टेंट | $42.67 | उपयोग के अनुसार भुगतान |
| फ़ुल-टाइम कोडिंग एजेंट | $65.40 | Full Moon |
| हमेशा चालू एजेंट | $196.20 | Full Moon |

80% कैश हिट और हर आउटपुट टोकन पर 20 इनपुट टोकन मानें, तो ब्रेक-ईवन लगभग 917 मिलियन इनपुट और 46 मिलियन आउटपुट टोकन प्रति माह पर आता है। हल्के उपयोग में प्रति टोकन ही सस्ता रहता है। [ब्रेक-ईवन का पूरा हिसाब](https://broadrouter.com/hi/blog/flat-rate-vs-pay-per-token-llm-api/) देखें, या अपना वॉल्यूम [फ़्लैट रेट बनाम प्रति टोकन कैलकुलेटर](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) में आज़माएँ।

## कौन-से कदम छोड़ देने चाहिए?

कुछ लोकप्रिय सलाह जितना बचाती है, उससे ज़्यादा ख़र्च कराती है:

-   **प्रॉम्प्ट को इतना दबाना कि वह टूट जाए।** अगर जवाबों की क्वालिटी गिरती है और यूज़र दोबारा कोशिश करते हैं, तो इनपुट की बचत चली जाती है।
-   **हर टर्न पर इतिहास का सारांश बनाना।** हर सारांश एक अतिरिक्त कॉल है, और वह प्रीफ़िक्स बदल देता है, इसलिए कैश मिस होता है। कभी-कभार सारांश बनाएँ और बाक़ी को आगे जोड़ते जाएँ।
-   **सिर्फ़ सबसे कम प्रति टोकन कीमत के पीछे भागना।** रेट लिमिट, ग़ायब फ़ीचर और फ़ेल होने की दर, सब लागत बढ़ाते हैं।
-   **छोटे वर्कलोड के लिए सेल्फ़-होस्टिंग।** GPU का बिल घंटे के हिसाब से बनता है, चाहे वे व्यस्त हों या ख़ाली। [सेल्फ़-होस्टिंग बनाम API की लागत](https://broadrouter.com/hi/blog/self-hosting-llm-vs-api-cost/) बताता है कि ब्रेक-ईवन कहाँ है।

## BroadNet Inference कहाँ फ़िट होता है

BroadRouter, BroadNet की अपनी वेबसाइट है, इसलिए इस हिस्से को इसी बात को ध्यान में रखकर पढ़ें। BroadNet Inference एक OpenAI-कम्पैटिबल API है, जिसमें प्रति टोकन कीमत वाले चार चैट मॉडल हैं, उनमें से तीन पर कैश्ड इनपुट है, और लगातार एजेंट उपयोग के लिए DeepSeek V4.1 Flash का एक फ़्लैट प्लान है। यह Batch API या ऑफ़-पीक दरें नहीं देता, इसलिए रुक सकने वाले बड़े जॉब के लिए OpenAI या Anthropic की बैच छूट, या DeepSeek के ऑफ़-पीक घंटे, सस्ते पड़ सकते हैं। नए अकाउंट को $5 का शुरुआती क्रेडिट मिलता है, जो Gemma 4 VL 26B, दोनों Transcribe मॉडल और Gemma की घंटे वाली key को कवर करता है; DeepSeek, GLM और Qwen के लिए टॉप-अप ज़रूरी है। सेल्फ़-सर्व में कोई SLA नहीं है। [कीमतें देखें](https://broadrouter.com/hi/pricing/) या [प्लान की तुलना करें](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-how-to-reduce-llm-api-costs&utm_content=body)।

इस विषय के मुफ़्त टूल (अंग्रेज़ी में)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [Prompt caching savings calculator](https://broadrouter.com/tools/prompt-caching-calculator/) Bill with and without caching, by prefix share and hit rate.
-   [Prompt token diff](https://broadrouter.com/tools/prompt-token-diff/) Two prompt versions side by side: changed lines, exact token delta and the monthly cost difference.

[मुफ़्त टूल (अंग्रेज़ी में)](https://broadrouter.com/tools/)

## इस लेख के शब्द

[टोकन (token)](https://broadrouter.com/hi/glossary/token/)

टोकन टेक्स्ट की वह इकाई है जिसे लैंग्वेज मॉडल पढ़ता और लिखता है: कोई शब्द, शब्द का हिस्सा, विराम चिह्न या बाइट का क्रम, जो मॉडल का टोकनाइज़र बनाता है। LLM API इस्तेमाल को टोकन में गिनते हैं, उसी में लिमिट लगाते हैं और आम तौर पर बिल भी बनाते हैं।

[इनपुट और आउटपुट टोकन (input and output tokens)](https://broadrouter.com/hi/glossary/input-and-output-tokens/)

इनपुट टोकन वे टोकन हैं जिन्हें लैंग्वेज मॉडल किसी अनुरोध में पढ़ता है, जिनमें सिस्टम प्रॉम्प्ट, बातचीत का इतिहास, टूल डेफ़िनिशन और इमेज शामिल हैं। आउटपुट टोकन वे हैं जो वह जवाब में बनाता है, रीज़निंग समेत। LLM API आम तौर पर दोनों की कीमत अलग रखते हैं, और आउटपुट आम तौर पर महँगा होता है।

[Batch API (बैच API)](https://broadrouter.com/hi/glossary/batch-api/)

Batch API एक asynchronous LLM एंडपॉइंट है जो एक साथ कई अनुरोध लेता है, आम तौर पर एक फ़ाइल के रूप में, उन्हें तुरंत नहीं बल्कि एक तय समय-सीमा में प्रोसेस करता है, और नतीजे एक साथ लौटाता है। OpenAI और Anthropic जैसे प्रोवाइडर batch अनुरोधों की कीमत अपने सामान्य API से कम रखते हैं।

[AI एजेंट (AI agent)](https://broadrouter.com/hi/glossary/agent/)

AI एजेंट ऐसा सिस्टम है जिसमें लैंग्वेज मॉडल किसी लक्ष्य की ओर अपने क़दम ख़ुद तय करता है: कौन-से टूल कॉल करने हैं, चुनता है, नतीजे पढ़ता है और अंतिम जवाब या किसी सीमा तक दोहराता रहता है। तय बिंदुओं पर मॉडल को कॉल करने वाली स्क्रिप्ट को आम तौर पर workflow कहते हैं।

[उपयोग के अनुसार भुगतान (pay-as-you-go)](https://broadrouter.com/hi/glossary/pay-as-you-go/)

उपयोग के अनुसार भुगतान (pay-as-you-go) एक प्राइसिंग मॉडल है जिसमें आप सिर्फ़ उतना देते हैं जितना इस्तेमाल करते हैं, जिसे टोकन, अनुरोध या ऑडियो मिनट जैसी इकाइयों में मापा जाता है, बिना सब्सक्रिप्शन या न्यूनतम प्रतिबद्धता के। ज़्यादातर LLM API इसी तरह बिल बनाते हैं, प्रीपेड बैलेंस या समय-समय पर बनने वाले इनवॉइस से।

[कैश्ड इनपुट टोकन (cached input tokens)](https://broadrouter.com/hi/glossary/cached-input-tokens/)

कैश्ड इनपुट टोकन वे प्रॉम्प्ट टोकन हैं जिन्हें LLM प्रोवाइडर ने हाल ही में प्रोसेस किया है और दोबारा गणना करने के बजाय कैश से फिर इस्तेमाल कर सकता है, आम तौर पर सिस्टम प्रॉम्प्ट या डॉक्यूमेंट जैसा दोहराया गया प्रीफ़िक्स। प्रोवाइडर इनका बिल नए इनपुट टोकन से कम दर पर बनाते हैं।

[एक्सपोनेंशियल बैकऑफ़ (exponential backoff)](https://broadrouter.com/hi/glossary/exponential-backoff/)

एक्सपोनेंशियल बैकऑफ़ री-ट्राई की एक रणनीति है जिसमें क्लाइंट हर नाकाम कोशिश के बाद, दोबारा कोशिश करने से पहले, ज़्यादा देर इंतज़ार करता है, आम तौर पर देरी को एक सीमा तक दोगुना करते हुए। हर इंतज़ार में रैंडम jitter जोड़ने से कई क्लाइंट के री-ट्राई बिखर जाते हैं, ताकि वे एक ही पल सर्वर पर न पहुँचें।

[टूल कॉलिंग (tool calling)](https://broadrouter.com/hi/glossary/tool-calling/)

टूल कॉलिंग, जिसे function calling भी कहते हैं, LLM API की वह सुविधा है जिसमें मॉडल डेवलपर के तय किए किसी फ़ंक्शन को चलाने का एक स्ट्रक्चर्ड अनुरोध, JSON आर्ग्युमेंट के साथ, लौटाता है। ऐप्लिकेशन फ़ंक्शन चलाकर नतीजा वापस भेजता है; मॉडल ख़ुद कभी कोड नहीं चलाता।

## अक्सर पूछे जाने वाले सवाल

### LLM API की लागत घटाने का सबसे तेज़ तरीक़ा क्या है?

प्रॉम्प्ट कैशिंग से शुरू करें। सिस्टम प्रॉम्प्ट, टूल स्कीमा और साझा डॉक्यूमेंट सबसे पहले रखें और हर कॉल में उन्हें बाइट-दर-बाइट एक जैसा रखें। कैश्ड इनपुट नए इनपुट की कीमत के एक छोटे हिस्से पर बिल होता है, और आपको न मॉडल बदलना पड़ता है न कोई फ़ीचर। इसके बाद आउटपुट सीमित करें, क्योंकि आउटपुट टोकन इनपुट टोकन से महँगे होते हैं।

### क्या Batch API से सच में कीमत आधी हो जाती है?

OpenAI और Anthropic पर, हाँ। OpenAI का Batch API 24 घंटे की पूरी होने की अवधि के साथ 50% छूट देता है, और Anthropic का Message Batches API लागत 50 प्रतिशत घटाता है (दोनों 2026-11-15 को देखे गए)। BroadNet Inference के पास Batch API नहीं है, इसलिए वहाँ जॉब सामान्य एंडपॉइंट पर फिर से शुरू हो सकने वाले रनर से चलाएँ।

### क्या रीज़निंग टोकन भी मेरे बिल में जुड़ते हैं?

हाँ, प्रति टोकन वाली key पर। रीज़निंग completion टोकन में रिपोर्ट होती है और आउटपुट की कीमत पर बिल होती है। आसान कदमों के लिए reasoning\_effort को low रखें, लेकिन max\_tokens 1,000 या उससे ज़्यादा रखें ताकि जवाब बीच में न कटे।

### क्या छोटा मॉडल हमेशा सस्ता पड़ता है?

प्रति टोकन, आम तौर पर हाँ। प्रति काम, हमेशा नहीं। जिस छोटे मॉडल को दो रीट्राई या लंबा प्रॉम्प्ट चाहिए, वह उस बड़े मॉडल से महँगा पड़ सकता है जो पहली बार में सही जवाब दे। अपने टेस्ट सेट पर हर सफल काम की लागत की तुलना करें।

### फ़्लैट रेट प्लान प्रति टोकन भुगतान से कब सस्ता होता है?

जब उपयोग ज़्यादा और लगातार हो। BroadNet पर DeepSeek V4.1 Flash का एक Full Moon सेशन $60 प्रति माह है। 80% कैश हिट पर, ब्रेक-ईवन लगभग 917 मिलियन इनपुट और 46 मिलियन आउटपुट टोकन प्रति माह पर आता है। इससे कम उपयोग पर प्रति टोकन सस्ता है।

### क्या रीट्राई का भी पैसा लगता है?

हाँ। रीट्राई किया गया अनुरोध एक नया इन्फ़रेंस है और प्रति टोकन वाली key पर फिर से बिल होता है। सिर्फ़ 429 और 5xx एरर पर, बैकऑफ़ के साथ रीट्राई करें, और कोशिशों की संख्या सीमित रखें।

## आगे पढ़ें

-   [कोडिंग एजेंट की LLM लागत घटाने के 10 तरीक़े, अनुमानित बचत के साथ](https://broadrouter.com/hi/blog/cut-coding-agent-llm-costs/)
-   [कैश्ड इनपुट टोकन क्या हैं: LLM API का बिल कैसे घटाएँ](https://broadrouter.com/hi/blog/cached-input-tokens-explained/)
-   [प्रॉम्प्ट टोकन कैसे घटाएँ: सिस्टम प्रॉम्प्ट, टूल, डेटा की मापी कटौती](https://broadrouter.com/hi/blog/reduce-prompt-tokens/)
-   [फ़्लैट रेट बनाम प्रति टोकन LLM API: ब्रेक-ईवन का हिसाब](https://broadrouter.com/hi/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [LLM API ख़र्च पर नियंत्रण: बजट, key सीमाएँ और लूप से बचाव](https://broadrouter.com/hi/blog/llm-api-spend-control/)
-   [अक्टूबर 2026 में LLM API कीमतों में बदलाव: 3 बढ़ोतरी, कटौती नहीं](https://broadrouter.com/hi/blog/llm-api-price-changes-october-2026/)
-   [LLM API की कीमतें कितनी बार बदलती हैं? आर्काइव पेजों के 3 साल](https://broadrouter.com/hi/blog/how-often-llm-api-prices-change/)
-   [गाइड: रीज़निंग मॉडल ख़ाली जवाब क्यों लौटाता है](https://broadrouter.com/hi/guides/reasoning-tokens-empty-response/)
-   [गाइड: BroadNet Inference के एरर कोड और रीट्राई कब करें](https://broadrouter.com/hi/guides/errors-and-retries/)

इसे अपने असली वर्कलोड पर आज़माएँ। नए अकाउंट Gemma और ट्रांसक्रिप्शन के लिए US$5 के क्रेडिट से शुरू होते हैं। DeepSeek, GLM, और Qwen3.8 के लिए टॉप-अप ज़रूरी है।

[शुरू करें](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-how-to-reduce-llm-api-costs&utm_content=page-cta) ·

**स्रोत**

-   [BroadNet Inference की मशीन-रीडेबल कीमतें, pricing.json (2026-11-15 को देखा गया) (अंग्रेज़ी में)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-how-to-reduce-llm-api-costs&utm_content=sources)
-   [BroadNet Inference के प्लान: हर सेशन में एक समय में एक अनुरोध, कोई टोकन मीटर नहीं (2026-11-15 को देखा गया) (अंग्रेज़ी में)](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-how-to-reduce-llm-api-costs&utm_content=sources)
-   [BroadNet Inference API रेफ़रंस: एंडपॉइंट, रीज़निंग और max\_tokens (2026-11-15 को देखा गया) (अंग्रेज़ी में)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-how-to-reduce-llm-api-costs&utm_content=sources)
-   [OpenAI Batch API गाइड: 50% छूट, 24 घंटे की पूरी होने की अवधि (2026-11-15 को देखा गया)](https://developers.openai.com/api/docs/guides/batch)
-   [OpenAI प्रॉम्प्ट कैशिंग गाइड: डिफ़ॉल्ट रूप से चालू, कम से कम 1,024 टोकन, कैश्ड इनपुट पर 95% तक छूट (2026-11-15 को देखा गया)](https://developers.openai.com/api/docs/guides/prompt-caching)
-   [Anthropic Message Batches API: 50% कम लागत, ज़्यादातर बैच एक घंटे से कम में पूरे (2026-11-15 को देखा गया)](https://platform.claude.com/docs/en/build-with-claude/batch-processing)
-   [DeepSeek API की कीमतें: ऑफ़-पीक दरें पीक की आधी, पीक घंटे UTC में (2026-11-15 को देखा गया)](https://api-docs.deepseek.com/quick_start/pricing)
