BroadRouter
Mulai

API LLM vision termurah: biaya per gambar dan per halaman, dihitung

Oleh tim BroadNet Inference · 5 menit baca · Dipublikasikan · Diperbarui

LLM vision menagih gambar sebagai token input, jadi 1.000 gambar yang masing-masing sekitar 1.000 token berbiaya sebesar harga input per 1 juta token. Di BroadNet yang termurah adalah Gemma 4 VL 26B dengan $0.10 input dan $0.22 output per 1 juta. DeepInfra mencantumkan Gemma 4 26B A4B milik Google dengan harga input lebih rendah dan output lebih tinggi.

Halaman harga API vision jarang menyebut “per gambar”. Yang dicantumkan adalah harga per sejuta token, dan gambar diubah menjadi token. Artikel ini mengubah harga token itu menjadi biaya per gambar dan per halaman dokumen untuk tiga model vision di BroadNet Inference, serta menunjukkan pengaturan mana yang menggeser angkanya.

Bagaimana gambar ditagih di API LLM?

Model bahasa visual memecah gambar menjadi patch dan mengubahnya menjadi token. Anda membayar token itu dengan harga input, bersama prompt teks Anda. Jawabannya ditagih sebagai output. Jadi:

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

Tidak ada biaya gambar terpisah di BroadNet. Jumlah token gambar bergantung pada encoder gambar model dan resolusinya, jadi foto ponsel 4.000 piksel lebih mahal daripada foto yang sama setelah diperkecil.

Berapa token untuk satu gambar?

Tergantung keluarga modelnya:

  • Gemma 4 bekerja dengan anggaran token tetap per gambar: “70, 140, 280, 560, or 1120 tokens” (Terjemahan BroadRouter: 70, 140, 280, 560, atau 1120 token), menurut dokumentasi Gemma dari Google. Anggaran lebih rendah memperkecil gambar dan berjalan lebih cepat; Google menyebut anggaran lebih tinggi mempertahankan detail halus dan merekomendasikannya untuk akurasi terbaik pada tugas visual.
  • Qwen3-VL punya rasio kompresi 32, jadi kira-kira satu token per blok 32 × 32 piksel, dan README-nya menunjukkan cara mengatur anggaran token visual per gambar ke rentang seperti 256 hingga 1.280. Gambar 1.024 × 1.024 kira-kira 32 × 32 = 1.024 token.

BroadNet tidak memublikasikan pengaturan gambar untuk deployment-nya, jadi anggap angka-angka ini sebagai orde besaran. Kirim salah satu gambar nyata Anda dan baca usage.prompt_tokens, lalu kurangi dengan jumlah token untuk teks saja. Itulah biaya token gambar Anda. Kalkulator token gambar menerapkan aturan terdokumentasi setiap penyedia untuk ukuran gambar apa pun.

Berapa biaya setiap model vision?

Harga BroadNet Inference per 1 juta token, disinkronkan 2026-11-14:

Model Input Output Konteks Bernalar dulu Kredit awal
Gemma 4 VL 26B $0.10 $0.22 32.768 Tidak disebutkan Ya
Qwen3.8 27B $0.175 $2.17 262.144 Ya Setelah top up
DeepSeek V4.1 Flash $0.175 $0.52 1.048.576 Ya Setelah top up

Berapa biaya 1.000 gambar?

Anggap setiap gambar plus prompt singkatnya sekitar 1.000 token input. Maka 1.000 gambar adalah 1 juta token input, dan biaya input per 1.000 gambar sama dengan harga per 1 juta:

Model Biaya input per 1.000 gambar Biaya output per 1 juta token jawaban
Gemma 4 VL 26B $0.10 $0.22
Qwen3.8 27B $0.175 $2.17
DeepSeek V4.1 Flash $0.175 $0.52

Hitung volume Anda sendiri dengan kalkulator biaya API LLM gratis. Dua hal mengubah peringkatnya:

  1. Panjang jawaban. Label satu kata murah di mana saja. Ekstraksi JSON 300 token pada model penalaran bisa membawa beberapa ratus token penalaran tambahan, yang ditagih dengan harga output. Harga output Qwen3.8 27B ($2.17 per 1 juta) beberapa kali lipat DeepSeek V4.1 Flash ($0.52), jadi untuk jawaban panjang DeepSeek lebih murah.
  2. Ukuran gambar. Jika gambar Anda masing-masing 2.000 token, gandakan kolom input. Jika anggaran 280 token milik Gemma cukup untuk tugas Anda, biaya input turun menjadi kira-kira seperempatnya.

Berapa biaya satu halaman dokumen?

Halaman A4 hasil pindai yang dirender sekitar 1.024 × 1.024 piksel jatuh di sekitar 1.000 token pada encoder bergaya Qwen. Jadi aturan kasarnya adalah 1.000 halaman ≈ 1 juta token input, sebelum prompt dan jawaban. Cetakan kecil mungkin butuh resolusi lebih tinggi, dan lebih banyak token.

Tips praktis untuk halaman:

  • Kirim PDF berbasis teks sebagai teks hasil ekstraksi, bukan gambar. Teks jauh lebih sedikit token daripada gambar dari teks.
  • Crop ke area yang Anda butuhkan, misalnya kotak total pada faktur.
  • Kirim satu halaman per permintaan jika Anda butuh field per halaman, agar satu kegagalan tidak merugikan seluruh dokumen.

Apakah BroadNet API vision termurah?

Tidak di setiap komponen. Berikut keluarga model vision terbuka yang sama di DeepInfra, dari halaman harganya pada 14 November 2026, per 1 juta token:

Model di DeepInfra Input Output
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

Harga input Gemma 4 di DeepInfra di bawah $0.10 milik BroadNet, dan harga output-nya di atas $0.22 milik BroadNet. Jadi untuk klasifikasi gambar dengan jawaban satu kata DeepInfra lebih murah; untuk ekstraksi JSON yang panjang BroadNet bisa lebih murah. Bandingkan lebih banyak host di halaman harga Gemma 4 26B A4B dan halaman harga Qwen3-VL 235B, atau baca halaman alternatif DeepInfra. Peringkat API LLM termurah dan indeks harga API LLM menempatkan harga-harga ini dalam konteks pasar.

Model vision mana yang sebaiknya dipilih?

  • Harga BroadNet terendah, tugas sederhana: Gemma 4 VL 26B. Label, keterangan gambar, “apakah ada tanda tangan?”. Model ini bisa dipakai dengan kredit awal $5. Konteks 32.768 token-nya membatasi berapa banyak gambar yang muat dalam satu permintaan.
  • Dokumen dan tangkapan layar berbahasa Arab: Qwen3.8 27B, model yang diuji BroadNet dalam bahasa Arab. Lihat membaca faktur berbahasa Arab dengan vision dan memilih LLM untuk bahasa Arab.
  • Output panjang, banyak gambar per permintaan, atau volume sangat tinggi: DeepSeek V4.1 Flash. Konteks 1.048.576 token-nya memuat banyak halaman sekaligus, dan pada paket tetap gambar termasuk dalam pemakaian unlimited.

Halaman perbandingan berdampingan: Gemma 4 VL 26B vs Qwen3.8 27B dan DeepSeek V4.1 Flash vs Gemma 4 VL 26B.

Kapan paket tetap lebih hemat daripada harga per gambar?

Satu sesi Full Moon seharga $60 per bulan untuk DeepSeek V4.1 Flash tanpa batas, satu permintaan dalam satu waktu. Dengan sekitar 1.000 token per gambar, setiap 1.000 gambar berbiaya $0.175 untuk input di DeepSeek V4.1 Flash, jadi biaya input saja mencapai harga paket pada $60 ÷ $0.175 ribu gambar per bulan, belum termasuk jawaban. Jika satu worker memproses gambar sepanjang hari, ukur throughput-nya dengan sesi Meteor satu jam ($1) lalu bandingkan, atau pakai kalkulator harga tetap vs per token. Metode lengkapnya ada di perhitungan titik impas.

Bagaimana memangkas biaya vision?

  1. Perkecil ke resolusi terkecil yang masih terbaca dengan benar. Uji tiga ukuran pada 20 sampel.
  2. Minta JSON singkat dengan key bernama, bukan prosa.
  3. Atur reasoning_effort ke low pada model penalaran untuk ekstraksi sederhana, dan pertahankan max_tokens di 1.000 atau lebih agar jawaban tidak terpotong. Mengapa jawaban kembali kosong.
  4. Pakai MIME type yang benar di data URL (image/png untuk PNG).
  5. Catat prompt_tokens per gambar untuk menangkap unggahan yang terlalu besar.

Posisi BroadNet Inference

BroadNet menawarkan tiga model vision dengan satu kunci, dari Gemma per token hingga paket tetap, tanpa biaya per gambar dan dengan zero data retention untuk gambar yang Anda kirim. Cocok untuk faktur, struk, tangkapan layar, dan dokumen berbahasa Arab. BroadNet bukan host termurah untuk pekerjaan yang berat di input, seperti ditunjukkan tabel DeepInfra, dan tidak menawarkan pembuatan gambar, hanya pemahaman gambar. Untuk pipeline ekstraksinya sendiri, lihat mengekstrak data faktur ke JSON dengan LLM vision. Mulai dengan kredit awal $5.

Pertanyaan umum

Berapa token untuk satu gambar di LLM vision?

Tergantung model dan resolusinya. Gemma 4 memakai anggaran 70 hingga 1.120 token per gambar. Model VL Qwen memakai sekitar satu token per blok 32 × 32 piksel. Baca prompt_tokens di blok usage untuk jumlah sebenarnya.

Apa API LLM vision termurah di BroadNet?

Gemma 4 VL 26B, dengan $0.10 input dan $0.22 output per 1 juta token. Model ini juga bisa dipakai dengan kredit awal gratis.

Apakah ada biaya per gambar?

Tidak. Pada kunci bayar sesuai pemakaian BroadNet, gambar dihitung sebagai token input dengan harga input model, dan gambar yang lebih besar memakai lebih banyak token.

Apakah gambar termasuk dalam paket unlimited?

Ya. Pada paket DeepSeek V4.1 Flash, gambar dan prompt panjang termasuk dalam pemakaian unlimited.

Apakah DeepInfra lebih murah daripada BroadNet untuk vision Gemma 4?

Untuk pekerjaan yang berat di input, ya. Pada 14 November 2026 DeepInfra mencantumkan gemma-4-26B-A4B-it dengan USD 0,07 input dan USD 0,34 output per 1 juta token. BroadNet mengenakan $0.10 input dan $0.22 output, jadi BroadNet lebih murah jika jawabannya panjang.

Model vision mana yang terbaik untuk faktur berbahasa Arab?

Qwen3.8 27B adalah model yang diuji BroadNet dalam bahasa Arab, dengan tulisan yang lancar serta pemahaman dialek Teluk dan Mesir. Uji dengan dokumen Anda sendiri.

Baca sebagai MarkdownTanya ChatGPTTanya ClaudeTanya Perplexity