BroadRouter
शुरू करें

LLM API की कीमत कैसे तय होती है: इनपुट, कैश्ड, आउटपुट और रीज़निंग

BroadNet Inference टीम · 6 मिनट में पढ़ें · प्रकाशित · अपडेट किया गया

LLM API का बिल प्रति 10 लाख (1M) टोकन बनता है, और इनपुट, कैश्ड इनपुट और आउटपुट की कीमतें अलग-अलग होती हैं। रीज़निंग टोकन आउटपुट के रूप में बिल होते हैं, इमेज इनपुट टोकन में गिनी जाती हैं और स्पीच-टू-टेक्स्ट प्रति ऑडियो मिनट बिल होता है। BroadNet Inference पर DeepSeek V4.1 Flash की कीमत प्रति 1M टोकन इनपुट $0.175, कैश्ड $0.0055 और आउटपुट $0.52 है।

A stream of tokens flowing into the words "Ideas become answers."

LLM API का बिल प्रति 10 लाख (1M) टोकन, अलग-अलग मीटरों पर बनता है: नया इनपुट, कैश्ड इनपुट और आउटपुट। रीज़निंग टोकन आउटपुट के रूप में बिल होते हैं, इमेज इनपुट टोकन के रूप में, और स्पीच-टू-टेक्स्ट प्रति ऑडियो मिनट। यह गाइड हर मीटर को समझाती है, फिर BroadNet Inference की प्रकाशित दरों से, जो 2026-11-14 को सिंक की गईं, असली अनुरोधों की कीमत निकालती है।

आप असल में किस चीज़ का भुगतान करते हैं?

टोकन टेक्स्ट का एक टुकड़ा होता है, आम तौर पर कुछ अक्षरों का। पाँच टोकनाइज़र पर BroadRouter के अपने माप में 1,000 अंग्रेज़ी शब्द लगभग 1,290 टोकन के बराबर निकले; OpenAI का मोटा नियम है कि 100 टोकन में लगभग 75 शब्द आते हैं। दूसरी भाषाओं में यह संख्या अलग होती है; असली संख्या देखने के लिए अपना टेक्स्ट मुफ़्त टोकन काउंटर में पेस्ट करें। हर अनुरोध अपने टोकन usage ब्लॉक में बताता है, और बिल इन मीटरों का जोड़ होता है:

मीटर क्या गिना जाता है किस दर पर बिल
इनपुट (प्रॉम्प्ट) सिस्टम प्रॉम्प्ट, बातचीत का इतिहास, डॉक्यूमेंट, टूल डेफ़िनिशन, इमेज इनपुट कीमत
कैश्ड इनपुट वह इनपुट जिसे प्रोवाइडर पहले प्रोसेस कर चुका है और दोबारा इस्तेमाल करता है कैश्ड कीमत, काफ़ी कम
आउटपुट (completion) दिखने वाला जवाब और उसके साथ की रीज़निंग आउटपुट कीमत
ऑडियो मिनट ट्रांसक्रिप्शन के लिए भेजे गए ऑडियो की लंबाई प्रति मिनट कीमत

सबसे ज़्यादा फ़र्क़ इनपुट और आउटपुट टोकन के बँटवारे से पड़ता है, क्योंकि दोनों की कीमतों में बड़ा अंतर है।

हर मॉडल की प्रति टोकन कीमत क्या है?

BroadNet Inference की कीमतें, प्रति 1M टोकन:

मॉडल इनपुट कैश्ड इनपुट आउटपुट कॉन्टेक्स्ट
DeepSeek V4.1 Flash $0.175 $0.0055 $0.52 1,048,576
GLM 5.3 $0.78 $0.173 $3.46 1,048,576
Qwen3.8 27B $0.175 $0.0435 $2.17 262,144
Gemma 4 VL 26B $0.10 कैश पर छूट नहीं $0.22 32,768

इस रेट कार्ड पर, और ज़्यादातर दूसरों पर भी, दो पैटर्न दिखते हैं। आउटपुट इनपुट से महँगा है: Gemma 4 VL 26B पर लगभग दोगुना, और Qwen3.8 27B पर दस गुना से भी ज़्यादा। कैश्ड इनपुट नए इनपुट की कीमत का एक छोटा हिस्सा है। इन दरों की तुलना OpenAI, Anthropic, Google और दूसरे प्रोवाइडर से करने के लिए LLM API कीमतों की तालिका देखें। पूरे बाज़ार के मीडियन, प्रोवाइडर के बीच का फ़र्क़ और हमारे ट्रैक किए हर मॉडल का आउटपुट-से-इनपुट अनुपात LLM API प्राइस इंडेक्स में है (खुले CSV और JSON के साथ)।

आउटपुट की कीमत इनपुट से ज़्यादा क्यों होती है?

मॉडल आपका पूरा प्रॉम्प्ट एक ही समानांतर पास में पढ़ लेता है। लेकिन जवाब वह एक-एक टोकन करके लिखता है, और हर नए टोकन के लिए एक और पास चाहिए। इसलिए आउटपुट में प्रति टोकन ज़्यादा GPU समय लगता है, और कीमत में यही दिखता है। छोटे प्रॉम्प्ट और लंबे जवाब वाला अनुरोध, लंबे प्रॉम्प्ट और छोटे जवाब वाले अनुरोध से महँगा पड़ सकता है।

कैश्ड इनपुट टोकन कैसे बिल होते हैं?

जब आपके प्रॉम्प्ट की शुरुआत किसी हाल के अनुरोध से मेल खाती है, तो प्रोवाइडर अपना पहले किया काम दोबारा इस्तेमाल कर सकता है। ये कैश्ड इनपुट टोकन prompt_tokens_details.cached_tokens में दिखते हैं और कैश्ड कीमत पर बिल होते हैं। DeepSeek V4.1 Flash पर यह प्रति 1M $0.175 की जगह $0.0055 है।

कैशिंग का फ़ायदा उन प्रॉम्प्ट को मिलता है जिनकी शुरुआत (prefix) स्थिर रहती है: सिस्टम प्रॉम्प्ट, टूल की सूची और डॉक्यूमेंट पहले, नया मैसेज सबसे आख़िर में। जो एजेंट हर टर्न में वही रिपॉज़िटरी दोबारा भेजते हैं, उन्हें सबसे ज़्यादा फ़ायदा होता है। हर प्रोवाइडर कैश रीड और राइट को कैसे बिल करता है, यह कैश्ड इनपुट टोकन की पूरी जानकारी में देखें; अपनी कैश दर का हिसाब लगाने के लिए प्रॉम्प्ट कैशिंग कैलकुलेटर इस्तेमाल करें।

रीज़निंग मॉडल आपको दिखने से ज़्यादा आउटपुट का बिल क्यों बनाता है?

DeepSeek V4.1 Flash, GLM 5.3 और Qwen3.8 27B जवाब देने से पहले सोचते हैं। यह सोच रीज़निंग टोकन से बनती है। ये जवाब में नहीं दिखते, लेकिन completion_tokens में गिने जाते हैं और आउटपुट की कीमत पर बिल होते हैं। OpenAI की रीज़निंग गाइड अपने मॉडलों के लिए यही नियम बताती है: reasoning tokens “are billed as output tokens” (अनुवाद: “आउटपुट टोकन के रूप में बिल होते हैं”)।

रीज़निंग max_tokens में भी गिनी जाती है। इसे बहुत कम रखेंगे तो आप सोच का भुगतान करेंगे और जवाब मिलेगा ही नहीं। देखें जवाब ख़ाली क्यों लौटते हैं, और रीज़निंग की लागत कैसे कम रखें।

इमेज और ऑडियो की कीमत कैसे तय होती है?

इमेज। विज़न मॉडल इमेज को इनपुट टोकन में बदलता है। आप उनके लिए इनपुट कीमत देते हैं, और बड़ी इमेज ज़्यादा टोकन लेती है। BroadNet पर प्रति इमेज कोई अलग फ़ीस नहीं है। प्रति इमेज लागत की तुलना।

ऑडियो। स्पीच-टू-टेक्स्ट का बिल टोकन से नहीं, ऑडियो की लंबाई से बनता है:

मॉडल प्रति मिनट प्रति घंटा ऑडियो
BroadNet Transcribe Arabic $0.0042 $0.25
BroadNet Transcribe (14 भाषाएँ) $0.002 $0.12

एक असली अनुरोध कितने का पड़ता है? हल किए गए उदाहरण

ये उदाहरण DeepSeek V4.1 Flash पर हैं। हर उदाहरण इस तरह चुना गया है कि कुल टोकन पूरे मिलियन में आएँ, ताकि हिसाब आसानी से जाँचा जा सके।

  1. एक चैट फ़ीचर। 500 अनुरोध, हर एक में 2,000 इनपुट और 2,000 आउटपुट टोकन, यानी कुल 1M इनपुट और 1M आउटपुट टोकन। लागत: $0.175 जमा $0.52।
  2. अपना कॉन्टेक्स्ट दोबारा पढ़ता एजेंट। दस टर्न, जिनमें हर बार वही 100,000 टोकन का कॉन्टेक्स्ट भेजा जाता है, कुल 1M इनपुट टोकन बनते हैं। अगर इसमें से कुछ भी कैश्ड नहीं है, तो लागत $0.175 है। अगर सब कैश्ड होता, तो लागत $0.0055 होती, लेकिन पहले टर्न के पास दोबारा इस्तेमाल करने को कुछ नहीं होता, इसलिए इसे निचली सीमा मानें: ज़्यादा से ज़्यादा 900,000 टोकन कैश्ड कीमत पर और पहले 100,000 इनपुट कीमत पर बिल होते हैं।
  3. छिपी हुई रीज़निंग। 200 दिखने वाले टोकन के 1,000 जवाब, हर एक के साथ 800 रीज़निंग टोकन, कुल 1M आउटपुट टोकन का बिल बनाते हैं: $0.52। इसमें से सिर्फ़ पाँचवाँ हिस्सा वह टेक्स्ट था जो आपने देखा।
  4. ट्रांसक्रिप्शन। 1,000 घंटे के अरबी ऑडियो की लागत $252.00 है। 30 सेकंड के 10,000 वॉइस नोट की लागत $21.00 है।

सामान्य फ़ॉर्मूला:

cost = new_input/1M × input_price
     + cached_input/1M × cached_price
     + output/1M × output_price      (output includes reasoning)

ये आँकड़े अपने ट्रैफ़िक पर चलाने के लिए मुफ़्त LLM API कॉस्ट कैलकुलेटर इस्तेमाल करें। किसी नए फ़ीचर का पूरा अनुमान लगाने के लिए देखें लॉन्च से पहले LLM API की लागत का अनुमान कैसे लगाएँ।

रिस्पॉन्स से असली संख्याएँ कैसे पढ़ें?

जब आपके पास असली ट्रैफ़िक हो, तो शब्दों की गिनती से अनुमान न लगाएँ। संख्याएँ सीधे पढ़ें:

import os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
r = client.chat.completions.create(
    model="broadnet/deepseek-v4.1-flash",
    messages=[{"role": "user", "content": "Summarise this ticket in one line: ..."}],
)
u = r.usage
details = u.prompt_tokens_details  # can be None when the model reports no cache data
cached = (details.cached_tokens or 0) if details else 0
print(u.prompt_tokens, cached, u.completion_tokens)

स्ट्रीमिंग करते समय stream_options={"include_usage": True} जोड़ें, ताकि आख़िरी chunk में usage आए। स्ट्रीमिंग गाइड।

कीमत तय करने के और कौन से मॉडल हैं?

प्रति टोकन बिलिंग अकेला विकल्प नहीं है:

फ़्लैट प्लान कब प्रति टोकन से बेहतर रहता है, यह वॉल्यूम और कैश दर पर निर्भर करता है। कैशिंग से लेकर बैच छूट तक, हर तरीक़ा क्रम से जानने के लिए देखें LLM API की लागत कैसे घटाएँ।

प्रति टोकन कीमतें समय के साथ बदलती भी हैं, दोनों दिशाओं में। 11 प्रोवाइडर के आर्काइव किए गए प्राइसिंग पेजों में 80% मॉडलों की कीमत कभी नहीं बदली। जिन मॉडलों की कीमत बदली, उनमें हमने कुल 100 कटौतियाँ और 52 बढ़ोतरियाँ दर्ज कीं, हर बार किसी मॉडल की कीमत की तुलना उसी की पिछली कीमत से की गई। देखें LLM API की कीमतें कितनी बार बदलती हैं और LLM API की सबसे बड़ी कीमत कटौतियाँ, स्रोतों के साथ।

BroadNet Inference कहाँ फ़िट बैठता है

BroadNet अपने हर मॉडल के लिए एक ही रेट कार्ड प्रकाशित करता है, एक मशीन-रीडेबल फ़ाइल में, जिसे इस साइट का प्राइसिंग पेज पढ़ता है। नए अकाउंट $5 के क्रेडिट से शुरू होते हैं; Gemma 4 VL 26B और दोनों ट्रांसक्रिप्शन मॉडल इस पर चलते हैं, और बाक़ी चैट मॉडलों के लिए टॉप-अप ज़रूरी है। अगर आप एक ही अकाउंट पर प्रति टोकन और फ़्लैट, दोनों तरह की कीमतें चाहते हैं, तो यह अच्छा विकल्प है; प्लान की अपनी अलग key होती हैं। फ़्रंटियर क्लोज़्ड मॉडलों के लिए यह सही जगह नहीं है: यह सिर्फ़ ओपन-वेट मॉडल और अपने ख़ुद के बिल्ड चलाता है।

अक्सर पूछे जाने वाले सवाल

LLM API की कीमत का हिसाब कैसे लगाया जाता है?

इनपुट टोकन को इनपुट कीमत से, कैश्ड इनपुट टोकन को कैश्ड कीमत से और आउटपुट टोकन को आउटपुट कीमत से गुणा करें (हर कीमत प्रति 1M टोकन), फिर तीनों को जोड़ें। रीज़निंग टोकन आउटपुट में शामिल होते हैं।

आउटपुट टोकन इनपुट टोकन से महँगे क्यों होते हैं?

मॉडल इनपुट को एक ही समानांतर पास में पढ़ लेता है, लेकिन आउटपुट एक-एक टोकन करके बनाता है, इसलिए हर आउटपुट टोकन ज़्यादा GPU समय लेता है। प्रोवाइडर यही फ़र्क़ कीमत में जोड़ते हैं।

क्या रीज़निंग टोकन का भी पैसा लगता है?

हाँ, प्रति टोकन वाली key पर लगता है। वे completion टोकन के अंदर रिपोर्ट होते हैं और आउटपुट की कीमत पर बिल होते हैं, भले ही जवाब में न दिखें।

LLM API में एक इमेज कितने की पड़ती है?

इमेज इनपुट टोकन में बदल जाती है, इसलिए उसकी लागत उसके टोकन की संख्या गुणा इनपुट कीमत होती है। बड़ी इमेज ज़्यादा टोकन लेती है। असली संख्या जानने के लिए usage ब्लॉक में prompt_tokens देखें।

हमेशा चालू रहने वाले एजेंट के लिए भुगतान का सबसे सस्ता तरीक़ा क्या है?

आम तौर पर फ़्लैट प्लान। BroadNet पर Full Moon सेशन $60 प्रति माह का है, जिसमें DeepSeek V4.1 Flash अनलिमिटेड मिलता है, एक समय में एक अनुरोध के साथ।

Markdown में पढ़ेंChatGPT से पूछेंClaude से पूछेंPerplexity से पूछें