BroadRouter
Mulakan

API LLM penglihatan termurah: kos setiap imej dan setiap halaman

Oleh pasukan BroadNet Inference · 5 minit bacaan · Diterbitkan · Dikemas kini

LLM penglihatan mengebilkan imej sebagai token input, jadi 1,000 imej sekitar 1,000 token setiap satu berkos sama dengan harga input setiap 1M token. Di BroadNet, yang termurah ialah Gemma 4 VL 26B pada $0.10 input dan $0.22 output setiap 1M. DeepInfra menyenaraikan Gemma 4 26B A4B Google dengan harga input lebih rendah dan harga output lebih tinggi.

Halaman harga API penglihatan jarang menyebut “setiap imej”. Ia menyenaraikan harga setiap sejuta token, dan imej menjadi token. Catatan ini menukar harga token tersebut kepada kos setiap imej dan setiap halaman dokumen untuk tiga model penglihatan di BroadNet Inference, dan menunjukkan tetapan mana yang menggerakkan angka itu.

Bagaimanakah imej dibilkan dalam API LLM?

Model bahasa penglihatan memecahkan imej kepada tampalan dan menukarnya menjadi token. Anda membayar token tersebut pada harga input, bersama prompt teks anda. Jawapan dibilkan sebagai output. Jadi:

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

Tiada bayaran imej berasingan di BroadNet. Bilangan token imej bergantung pada pengekod imej model dan resolusi, jadi foto telefon 4,000 piksel berkos lebih daripada foto yang sama setelah diubah saiz.

Berapa banyakkah token bagi satu imej?

Ia bergantung pada keluarga model:

  • Gemma 4 menggunakan bajet token tetap setiap imej: “70, 140, 280, 560, or 1120 tokens” (Terjemahan: 70, 140, 280, 560 atau 1120 token), menurut dokumentasi Gemma Google. Bajet lebih rendah mengecilkan imej dan berjalan lebih pantas; Google menyatakan bajet lebih tinggi mengekalkan butiran halus dan mengesyorkannya untuk ketepatan terbaik pada tugas visual.
  • Qwen3-VL mempunyai nisbah mampatan 32, jadi kira-kira satu token bagi setiap blok 32 × 32 piksel, dan README-nya menunjukkan cara menetapkan bajet token visual setiap imej kepada julat seperti 256 hingga 1,280. Imej 1,024 × 1,024 ialah kira-kira 32 × 32 = 1,024 token.

BroadNet tidak menerbitkan tetapan imej untuk penggunaannya, jadi anggaplah angka ini sebagai tertib magnitud. Hantar salah satu imej sebenar anda dan baca usage.prompt_tokens, kemudian tolak bilangan bagi teks sahaja. Itulah kos token imej anda. Kalkulator token imej menggunakan peraturan yang didokumentasikan oleh setiap penyedia pada sebarang saiz imej.

Berapakah kos setiap model penglihatan?

Harga BroadNet Inference setiap 1M token, disegerakkan 2026-11-14:

Model Input Output Konteks Menaakul dahulu Kredit permulaan
Gemma 4 VL 26B $0.10 $0.22 32,768 Tidak disenaraikan Ya
Qwen3.8 27B $0.175 $2.17 262,144 Ya Selepas tambah nilai
DeepSeek V4.1 Flash $0.175 $0.52 1,048,576 Ya Selepas tambah nilai

Berapakah kos 1,000 imej?

Andaikan setiap imej serta prompt ringkasnya berjumlah kira-kira 1,000 token input. Maka 1,000 imej ialah 1M token input, dan kos input bagi setiap 1,000 imej sama dengan harga setiap 1M:

Model Kos input setiap 1,000 imej Kos output setiap 1M token jawapan
Gemma 4 VL 26B $0.10 $0.22
Qwen3.8 27B $0.175 $2.17
DeepSeek V4.1 Flash $0.175 $0.52

Masukkan volum anda sendiri ke dalam kalkulator kos API LLM percuma. Dua perkara mengubah kedudukan:

  1. Panjang jawapan. Label satu perkataan murah di mana-mana. Ekstrak JSON 300 token pada model penaakulan boleh membawa beberapa ratus lagi token penaakulan, dibilkan pada harga output. Harga output Qwen3.8 27B ($2.17 setiap 1M) beberapa kali ganda harga DeepSeek V4.1 Flash ($0.52), jadi untuk jawapan panjang DeepSeek berkos lebih rendah.
  2. Saiz imej. Jika imej anda berjumlah 2,000 token setiap satu, gandakan lajur input. Jika bajet 280 token Gemma mencukupi untuk tugas anda, kos input jatuh kepada kira-kira suku.

Berapakah kos satu halaman dokumen?

Halaman A4 yang diimbas dan dipaparkan pada kira-kira 1,024 × 1,024 piksel menghampiri 1,000 token pada pengekod gaya Qwen. Jadi peraturan kasarnya ialah 1,000 halaman ≈ 1M token input, sebelum prompt dan jawapan. Cetakan kecil mungkin memerlukan resolusi lebih tinggi, dan lebih banyak token.

Petua praktikal untuk halaman:

  • Hantar PDF teks sebagai teks yang diekstrak, bukan imej. Teks menggunakan jauh lebih sedikit token berbanding gambar teks.
  • Pangkas kepada kawasan yang anda perlukan, seperti kotak jumlah pada invois.
  • Hantar satu halaman setiap permintaan apabila anda memerlukan medan setiap halaman, supaya kegagalan tidak membazirkan keseluruhan dokumen.

Adakah BroadNet API penglihatan termurah?

Tidak pada setiap baris. Berikut keluarga model penglihatan terbuka yang sama di DeepInfra, daripada halaman harganya pada 14 November 2026, setiap 1M 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 lebih rendah daripada $0.10 BroadNet, dan harga outputnya lebih tinggi daripada $0.22 BroadNet. Jadi untuk pengelasan imej dengan jawapan satu perkataan DeepInfra berkos lebih rendah; untuk ekstrak JSON yang panjang BroadNet boleh berkos lebih rendah. Bandingkan lebih banyak hos di halaman harga Gemma 4 26B A4B dan halaman harga Qwen3-VL 235B, atau baca halaman alternatif DeepInfra. Kedudukan API LLM termurah dan indeks harga API LLM meletakkan harga ini dalam konteks pasaran.

Model penglihatan manakah yang patut anda pilih?

  • Harga BroadNet terendah, tugas mudah: Gemma 4 VL 26B. Label, kapsyen, “adakah tandatangan?”. Ia boleh digunakan dengan kredit permulaan $5. Konteks 32,768 tokennya mengehadkan bilangan imej yang muat dalam satu permintaan.
  • Dokumen dan tangkapan skrin bahasa Arab: Qwen3.8 27B, model yang diuji BroadNet dalam bahasa Arab. Lihat baca invois bahasa Arab dengan penglihatan dan memilih LLM untuk bahasa Arab.
  • Output panjang, banyak imej setiap permintaan, atau volum sangat tinggi: DeepSeek V4.1 Flash. Konteks 1,048,576 tokennya memuatkan banyak halaman sekali gus, dan pada pelan kadar tetap imej adalah sebahagian daripada penggunaan tanpa had.

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

Bilakah pelan kadar tetap mengatasi harga setiap imej?

Sesi Full Moon berkos $60 sebulan untuk DeepSeek V4.1 Flash tanpa had, satu permintaan pada satu masa. Pada kira-kira 1,000 token setiap imej, setiap 1,000 imej berkos $0.175 untuk input pada DeepSeek V4.1 Flash, jadi input sahaja mencapai harga pelan itu pada $60 ÷ $0.175 ribu imej sebulan, sebelum jawapan. Jika satu pekerja memproses imej sepanjang hari, ukur throughputnya pada sesi Meteor sejam ($1) dan bandingkan, atau gunakan kalkulator kadar tetap vs setiap token. Kaedah penuh ada dalam kiraan titik pulang modal.

Bagaimanakah anda boleh mengurangkan kos penglihatan?

  1. Ubah saiz kepada resolusi terkecil yang masih dibaca dengan betul. Uji tiga saiz pada 20 sampel.
  2. Minta JSON ringkas dengan kunci bernama, bukan prosa.
  3. Tetapkan reasoning_effort kepada low pada model penaakulan untuk pengekstrakan mudah, dan kekalkan max_tokens pada 1,000 atau lebih supaya jawapan tidak terpotong. Mengapa jawapan kembali kosong.
  4. Gunakan jenis MIME yang betul dalam data URL (image/png untuk PNG).
  5. Log prompt_tokens setiap imej untuk mengesan muat naik bersaiz terlalu besar.

Di manakah kedudukan BroadNet Inference

BroadNet menawarkan tiga model penglihatan pada satu kunci, daripada Gemma setiap token hingga pelan kadar tetap, tanpa bayaran setiap imej dan dengan pengekalan data sifar (zero data retention) untuk imej yang anda hantar. Ia sesuai untuk invois, resit, tangkapan skrin dan dokumen bahasa Arab. Ia bukan hos termurah untuk kerja yang berat pada input, seperti yang ditunjukkan oleh jadual DeepInfra, dan ia tidak menawarkan penjanaan imej, hanya pemahaman imej. Untuk saluran pengekstrakan itu sendiri, lihat ekstrak data invois ke JSON dengan LLM penglihatan. Mulakan dengan kredit permulaan $5.

Soalan lazim

Berapa banyakkah token bagi satu imej dalam LLM penglihatan?

Ia bergantung pada model dan resolusi. Gemma 4 menggunakan bajet 70 hingga 1,120 token setiap imej. Model VL Qwen menggunakan kira-kira satu token bagi setiap blok 32 kali 32 piksel. Baca prompt_tokens dalam blok usage untuk bilangan sebenar.

Apakah API LLM penglihatan termurah di BroadNet?

Gemma 4 VL 26B, pada $0.10 input dan $0.22 output setiap 1M token. Ia juga boleh digunakan dengan kredit permulaan percuma.

Adakah bayaran setiap imej?

Tidak. Pada kunci bayar ikut guna BroadNet, imej dikira sebagai token input pada harga input model, dan imej yang lebih besar menggunakan lebih banyak token.

Adakah imej termasuk dalam pelan tanpa had?

Ya. Pada pelan DeepSeek V4.1 Flash, imej dan prompt panjang adalah sebahagian daripada penggunaan tanpa had.

Adakah DeepInfra lebih murah daripada BroadNet untuk penglihatan Gemma 4?

Untuk kerja yang berat pada input, ya. Pada 14 November 2026 DeepInfra menyenaraikan gemma-4-26B-A4B-it pada USD 0.07 input dan USD 0.34 output setiap 1M token. BroadNet mengenakan $0.10 input dan $0.22 output, jadi BroadNet lebih murah apabila jawapan panjang.

Model penglihatan manakah yang terbaik untuk invois bahasa Arab?

Qwen3.8 27B ialah model yang diuji BroadNet dalam bahasa Arab, dengan penulisan yang fasih serta memahami dialek Teluk dan Mesir. Ujinya pada dokumen anda sendiri.

Baca sebagai MarkdownTanya ChatGPTTanya ClaudeTanya Perplexity