---
title: "Anggar kos API LLM sebelum pelancaran: langkah demi langkah"
description: "Model kos langkah demi langkah untuk ciri AI baharu: pengguna × tindakan × panggilan × token, dengan cache, penaakulan, cubaan semula, had kadar dan contoh bulanan."
url: https://broadrouter.com/ms/blog/estimate-llm-api-cost-before-launch/
lang: ms
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan daripada bahasa Inggeris dengan bantuan AI. [Baca versi asal dalam bahasa Inggeris](https://broadrouter.com/blog/estimate-llm-api-cost-before-launch/) (dikemas kini 2026-11-15).

# Cara menganggar kos API LLM sebelum melancarkan ciri baharu

Oleh pasukan BroadNet Inference · 6 minit bacaan · Diterbitkan 2026-11-14 · Dikemas kini 2026-11-15

Anggarkan kos API LLM dengan memodelkan satu tindakan pengguna, bukan satu panggilan API: kira panggilan setiap tindakan, ukur token input, cache dan output setiap panggilan pada sampel sebenar, kemudian darab dengan pengguna dan tindakan sebulan. Tambah penaakulan dan cubaan semula, dan tetapkan harga senario rendah, dijangka dan tinggi. Contoh kami pada DeepSeek V4.1 Flash berjumlah $42.67 sebulan.

## Perkara utama

-   Modelkan unit kerja yang dicetuskan pengguna anda, kemudian kira setiap panggilan LLM di sebaliknya, termasuk cubaan semula dan langkah ejen.
-   Ukur token pada 20 hingga 50 sampel sebenar dan baca blok usage. Jangan meneka daripada kiraan perkataan.
-   Pisahkan input kepada token baharu dan token cache serta masukkan penaakulan dalam output, kerana setiap satu berbeza harganya.
-   Contoh kami: 60,000 tindakan sebulan pada 5,000 token input dan 500 token output, separuh input dicache, berkos $42.67.
-   Semak volum berbanding had kadar dan keserentakan, bukan hanya bajet.

**Dalam halaman ini**

1.  Apakah formula kos API LLM?
2.  Bagaimanakah anda membina model kos, langkah demi langkah?
3.  Bagaimanakah rupa contoh anggaran? Penderaf balasan sokongan
4.  Berapa luaskah senario rendah dan tinggi?
5.  Apakah yang paling menggerakkan anggaran?
6.  Adakah volum itu muat dalam had kadar?
7.  Patutkah ciri ini berjalan pada pelan kadar tetap?
8.  Bagaimanakah anda menukar anggaran kepada bajet?
9.  Di manakah BroadNet Inference sesuai

Untuk menganggar kos API LLM sebelum pelancaran, tetapkan harga bagi satu tindakan pengguna dan bukannya satu panggilan API. Kira panggilan di sebaliknya, ukur token input baharu, input cache dan output pada 20 hingga 50 sampel sebenar, darab dengan tindakan sebulan, kemudian tambah penaakulan dan cubaan semula. Contoh balasan sokongan kami pada DeepSeek V4.1 Flash berjumlah $42.67 sebulan.

Ini ramalan pra-pelancaran untuk satu ciri; apabila anda sudah ada pengguna berbayar, [kos LLM setiap pengguna untuk SaaS](https://broadrouter.com/ms/blog/llm-cost-per-user-saas/) merangkumi margin dan peringkat harga.

## Apakah formula kos API LLM?

```text
monthly cost = actions per month × calls per action
             × ( new input tokens × input price
               + cached input tokens × cached price
               + output tokens × output price ) / 1,000,000
```

[Token output](https://broadrouter.com/ms/glossary/input-and-output-tokens/) termasuk penaakulan. [Token cache](https://broadrouter.com/ms/glossary/cached-input-tokens/) ialah input yang digunakan semula oleh penyedia pada harga lebih rendah. Selebihnya ialah pengukuran. [Kalkulator kos API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/) percuma menggunakan formula ini pada harga senarai mana-mana model.

## Bagaimanakah anda membina model kos, langkah demi langkah?

1.  **Namakan unit kerja.** “Draf balasan sokongan”, “ringkaskan panggilan”, “betulkan ujian yang gagal”. Tetapkan harga untuk itu, bukan untuk “satu permintaan”.
2.  **Kira panggilan setiap tindakan.** Jawapan berasaskan pengambilan mungkin satu panggilan. Ejen yang merancang, menyunting dan menyemak mungkin sepuluh. Tambah kadar cubaan semula anda: tamat masa yang dicuba semula dibilkan sekali lagi.
3.  **Ukur token setiap panggilan pada sampel sebenar.** Ambil 20 hingga 50 input yang realistik, bukan demo yang kemas. Untuk kiraan kasar pertama sebelum memanggil mana-mana API, tampalkannya ke dalam [pembilang token](https://broadrouter.com/tools/token-counter/). Baca `usage.prompt_tokens`, `usage.prompt_tokens_details.cached_tokens` dan `usage.completion_tokens` daripada setiap respons. Dengan penstriman, tetapkan `stream_options: {"include_usage": true}`; [panduan penstriman](https://broadrouter.com/ms/guides/streaming-chat-completions/) menunjukkan di mana ia muncul.
4.  **Pisahkan input baharu dan input cache.** Prompt sistem, senarai alat dan dokumen yang dikongsi boleh dicache jika ia datang dahulu dan kekal sama. Teks pengguna tidak boleh.
5.  **Masukkan penaakulan dalam output.** DeepSeek V4.1 Flash, GLM 5.3 dan Qwen3.8 27B berfikir sebelum menjawab. [Token penaakulan](https://broadrouter.com/ms/glossary/reasoning-tokens/) itu dibilkan sebagai output, dan selalunya lebih besar daripada balasan yang kelihatan. [Mengapa penaakulan berkos lebih daripada yang anda nampak](https://broadrouter.com/ms/blog/reasoning-tokens-cost/).
6.  **Anggarkan volum.** Pengguna aktif × tindakan setiap pengguna sehari × 30.
7.  **Darab dan jumlahkan.** Tukar jumlah token kepada juta dan gunakan harga setiap 1M.
8.  **Tetapkan harga tiga senario.** Rendah, dijangka dan tinggi. Trafik pelancaran tidak menentu, dan prompt bertambah panjang dari semasa ke semasa.
9.  **Semak had, bukan hanya wang.** Permintaan seminit pada waktu puncak dan permintaan serentak mesti muat dalam [had kadar](https://broadrouter.com/ms/glossary/rate-limit/) kunci anda.
10.  **Tentukan model pengebilan.** Setiap token untuk trafik yang turun naik dan dipacu pengguna; pelan kadar tetap untuk ejen yang sentiasa aktif.

## Bagaimanakah rupa contoh anggaran? Penderaf balasan sokongan

Sebuah aplikasi meja bantuan menambah “Draft reply”. Angka di bawah ialah andaian untuk ilustrasi. Gantikan setiap satu dengan ukuran anda.

| Input | Nilai | Sumber |
| --- | --- | --- |
| Ejen sokongan (kakitangan) yang menggunakan ciri ini | 500 | Pelan produk |
| Draf setiap ejen sehari | 4 | Penggunaan rintis |
| Hari sebulan | 30 |  |
| Tindakan sebulan | 60,000 | 500 × 4 × 30 |
| Panggilan setiap tindakan | 1 | Satu panggilan dengan artikel yang diambil |
| Token input setiap panggilan | 5,000 | Prompt sistem, bebenang tiket, tiga artikel bantuan |
| Bahagian input yang dicache | 50% | Prompt sistem dan awalan artikel yang stabil |
| Token output setiap panggilan | 500 | Kira-kira 200 kelihatan, 300 penaakulan |
| Model | DeepSeek V4.1 Flash | $0.175 / $0.0055 / $0.52 setiap 1M |

Sekarang jumlahnya:

| Baris | Token sebulan | Harga setiap 1M |
| --- | --- | --- |
| Input baharu | 150M | $0.175 |
| Input cache | 150M | $0.0055 |
| Output, termasuk penaakulan | 30M | $0.52 |
| **Kos bulanan dijangka** |  | **$42.67** |

Itu 300M token input dan 30M token output: 60,000 × 5,000 dan 60,000 × 500.

## Berapa luaskah senario rendah dan tinggi?

| Senario | Tindakan sebulan | Token input / output | Kos bulanan |
| --- | --- | --- | --- |
| Rendah: penerimaan perlahan | 20,000 | 100M / 10M | $14.23 |
| Dijangka | 60,000 | 300M / 30M | $42.67 |
| Tinggi: penerimaan 3× | 180,000 | 900M / 90M | 3 × $42.67 |

Ketiga-tiganya mengekalkan bahagian cache 50% yang sama. Jika bahagian cache turun, bil naik: input baharu berharga $0.175 setiap 1M pada model ini berbanding $0.0055 untuk cache. [Cara mengekalkan bahagian cache yang tinggi](https://broadrouter.com/ms/blog/cached-input-tokens-explained/).

## Apakah yang paling menggerakkan anggaran?

-   **Panjang konteks.** Pengambilan yang menarik sepuluh artikel dan bukannya tiga boleh menggandakan input. Ukur token selepas setiap perubahan prompt.
-   **Penaakulan.** Menetapkan `reasoning_effort` kepada `low` pada draf mudah mengecilkan output tersembunyi. [Penaakulan dan max\_tokens](https://broadrouter.com/ms/guides/reasoning-tokens-empty-response/).
-   **Cubaan semula dan gelung.** Kadar cubaan semula 5% menambah 5% pada setiap baris. Gelung ejen tanpa had langkah langsung tiada siling. [Kawalan perbelanjaan untuk API LLM](https://broadrouter.com/ms/blog/llm-api-spend-control/).
-   **Pilihan model.** Gemma 4 VL 26B berharga $0.10 input dan $0.22 output setiap 1M, tetapi konteksnya 32,768 token dan BroadNet tidak menyenaraikan penaakulan untuknya. Uji kualiti sebelum bertukar untuk berjimat.
-   **Bahasa.** Kandungan yang sama boleh memerlukan jauh lebih banyak token dalam bahasa Arab atau Hindi berbanding bahasa Inggeris, dan jurangnya bergantung pada tokenizer. [Set data kos sebenar mengikut bahasa](https://broadrouter.com/data/real-cost-by-language/) kami menunjukkan harga setiap 1M aksara bagi setiap bahasa pada setiap model dan penyedia.
-   **Pertumbuhan prompt.** Prompt cenderung bertambah panjang selepas pelancaran apabila kes tepi ditangani. Ulang pengukuran pada setiap keluaran.
-   **Perubahan harga.** Harga senarai jarang berubah, tetapi boleh naik. Dalam halaman harga yang diarkibkan daripada 11 penyedia, kami merekodkan 52 kenaikan harga senarai antara 2024 dan November 2026, setiap satu membandingkan harga sesuatu model dengan harganya sendiri sebelum itu (berbanding 100 penurunan); median kenaikan ialah 40% pada harga gabungan. Lihat [cara membuat bajet untuk kenaikan harga API LLM](https://broadrouter.com/ms/blog/llm-api-price-increases/).

Jika anggaran keluar terlalu tinggi, ikuti [senarai semak 10 langkah untuk mengurangkan kos API LLM](https://broadrouter.com/ms/blog/how-to-reduce-llm-api-costs/) sebelum anda mengubah ciri itu.

## Adakah volum itu muat dalam had kadar?

60,000 tindakan sebulan ialah kira-kira 2,000 sehari. Jika satu persepuluh draf sehari jatuh pada jam paling sibuk, itu 200 sejam, atau kira-kira 3 seminit. Kunci bayar ikut guna BroadNet membenarkan 30 permintaan seminit dan 4 serentak, jadi ini muat dalam satu kunci. Semak senario tinggi juga, atau masukkan waktu puncak anda sendiri ke dalam [kalkulator had kadar](https://broadrouter.com/tools/llm-rate-limit-calculator/). Untuk kiraan antara kadar dan permintaan serentak, lihat [keserentakan](https://broadrouter.com/ms/glossary/concurrency/). Jika anda menerima 429, [tunggu dan cuba semula](https://broadrouter.com/ms/guides/errors-and-retries/).

## Patutkah ciri ini berjalan pada pelan kadar tetap?

Mungkin tidak. Sesi Full Moon berharga $60 sebulan, tetapi satu sesi menjalankan satu permintaan pada satu masa, dan ramai pengguna yang mengklik “Draft” serentak memerlukan permintaan selari. Pelan kadar tetap sesuai untuk ejen yang bekerja berterusan, seperti ejen pengekodan. [Kiraan pulang modal](https://broadrouter.com/ms/blog/flat-rate-vs-pay-per-token-llm-api/) menunjukkan ejen pengekodan sepenuh masa pada $65.40 sebulan jika dibayar setiap token, melebihi harga pelan.

## Bagaimanakah anda menukar anggaran kepada bajet?

1.  Letakkan angka dijangka dalam rancangan anda dan angka tinggi dalam ambang amaran anda.
2.  Rekodkan token setiap tindakan dalam pengeluaran dan bandingkan dengan model setiap minggu.
3.  Tetapkan had keras dalam kod: `max_tokens`, had langkah dan had cubaan semula.
4.  Ulang anggaran setiap kali anda menukar model, prompt atau tetapan pengambilan.

Anda boleh mengulangi kiraan setiap token dengan angka anda sendiri dalam [kalkulator kos API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/), atau membandingkan pelan dengan setiap token di [halaman harga](https://broadrouter.com/ms/pricing/).

## Di manakah BroadNet Inference sesuai

BroadNet Inference menerbitkan harga setiap token bagi setiap model chat dan transkripsi yang disediakannya dalam satu [fail harga](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-estimate-llm-api-cost-before-launch&utm_content=body), jadi anggaran di atas boleh disimpan dalam kod. Akaun baharu mendapat kredit permulaan $5 yang boleh digunakan pada Gemma 4 VL 26B dan kedua-dua model transkripsi, jadi anda boleh mengukur sampel anda pada Gemma; DeepSeek, GLM dan Qwen memerlukan tambah nilai. Jika ciri anda memerlukan model terdepan tertutup, BroadNet bukan penyedia yang tepat untuk bahagian itu.

Alat percuma untuk topik ini (Bahasa Inggeris)

-   [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.

[Alatan percuma (Bahasa Inggeris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[Token](https://broadrouter.com/ms/glossary/token/)

Token ialah unit teks yang dibaca dan ditulis oleh model bahasa: satu perkataan, sebahagian perkataan, tanda baca atau jujukan bait yang dihasilkan oleh tokenizer model itu. API LLM mengira, mengehadkan dan biasanya mengebil penggunaan dalam token.

[Bayar ikut guna (pay-as-you-go)](https://broadrouter.com/ms/glossary/pay-as-you-go/)

Bayar ikut guna ialah model harga di mana anda hanya membayar apa yang anda guna, dimeter mengikut unit seperti token, permintaan atau minit audio, tanpa langganan atau komitmen minimum. Kebanyakan API LLM mengebil dengan cara ini, daripada baki prabayar atau invois berkala.

[Keserentakan (concurrency)](https://broadrouter.com/ms/glossary/concurrency/)

Keserentakan ialah bilangan permintaan yang sedang berjalan serentak daripada satu klien. API LLM sering mengehadkannya bagi setiap kunci atau pelan, berasingan daripada permintaan seminit, kerana setiap permintaan yang terbuka memegang kapasiti GPU sehingga responsnya selesai.

[Token input dan output (input and output tokens)](https://broadrouter.com/ms/glossary/input-and-output-tokens/)

Token input ialah token yang dibaca oleh model bahasa dalam satu permintaan, termasuk prompt sistem, sejarah perbualan, definisi alatan dan imej. Token output ialah token yang dijananya sebagai balasan, termasuk sebarang penaakulan. API LLM biasanya meletakkan harga berasingan, dan output biasanya lebih mahal.

[Token input cache (cached input tokens)](https://broadrouter.com/ms/glossary/cached-input-tokens/)

Token input cache ialah token prompt yang baru sahaja diproses oleh penyedia LLM dan boleh diguna semula daripada cache tanpa dikira semula, biasanya awalan yang berulang seperti prompt sistem atau dokumen. Penyedia mengebilnya pada kadar lebih rendah daripada token input baharu.

[Tool calling (panggilan alatan)](https://broadrouter.com/ms/glossary/tool-calling/)

Tool calling, juga dipanggil function calling, ialah ciri API LLM di mana model memulangkan permintaan berstruktur untuk menjalankan fungsi yang ditakrifkan oleh pembangun, bersama argumen JSON. Aplikasi menjalankan fungsi itu dan menghantar hasilnya kembali; model sendiri tidak pernah menjalankan kod.

[Baris Arab (tashkeel, Arabic diacritics)](https://broadrouter.com/ms/glossary/arabic-diacritics/)

Baris Arab, atau tashkeel, ialah tanda kecil yang ditulis di atas atau di bawah huruf untuk menunjukkan vokal pendek, konsonan berganda dan ketiadaan vokal. Ia pilihan: kebanyakan teks Arab, termasuk berita, meninggalkannya, jadi pembaca dan perisian meneka vokal daripada konteks.

[Ejen pengekodan AI (AI coding agent)](https://broadrouter.com/ms/glossary/coding-agent/)

Ejen pengekodan AI ialah alat perisian di mana model bahasa bekerja pada codebase dalam satu gelung: ia membaca fail, menyuntingnya, menjalankan arahan seperti ujian, membaca output dan menentukan langkah seterusnya sehingga tugas selesai atau had dicapai.

## Soalan lazim

### Bagaimanakah saya menganggar bilangan token sebelum ada pengguna?

Bina 20 hingga 50 input yang realistik, jalankan melalui model yang anda rancang untuk gunakan dan baca prompt\_tokens, cached\_tokens dan completion\_tokens daripada blok usage. Kira puratanya bagi setiap panggilan.

### Berapa banyak token dalam permintaan chat biasa?

Ia sangat berbeza. Satu giliran chat pendek mungkin beberapa ratus token, manakala permintaan dengan dokumen yang diambil atau sejarah panjang boleh mencecah puluhan ribu. Ukur prompt anda sendiri.

### Patutkah saya menambah margin keselamatan pada anggaran kos LLM?

Ya. Tetapkan harga senario tinggi pada dua hingga tiga kali volum dijangka, dan peruntukkan bajet untuk cubaan semula dan prompt yang lebih panjang apabila ciri berkembang. Kemudian tetapkan had keras supaya pepijat tidak boleh melepasinya.

### Bilakah saya patut mempertimbangkan pelan kadar tetap?

Apabila satu ejen atau pekerja berjalan sebahagian besar hari pada satu model. Untuk DeepSeek V4.1 Flash di BroadNet, sesi Full Moon berharga $60 sebulan tanpa meter token, satu permintaan pada satu masa.

## Teruskan membaca

-   [Harga API LLM dijelaskan: input, cache, output dan penaakulan](https://broadrouter.com/ms/blog/llm-api-pricing-explained/)
-   [API LLM kadar tetap vs bayar setiap token: kiraan pulang modal](https://broadrouter.com/ms/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Token input cache: cara mengurangkan bil API LLM](https://broadrouter.com/ms/blog/cached-input-tokens-explained/)
-   [Kawalan perbelanjaan API LLM: bajet, had kunci dan perlindungan gelung](https://broadrouter.com/ms/blog/llm-api-spend-control/)
-   [Kredit API LLM percuma: sejauh mana kredit permulaan sebenarnya](https://broadrouter.com/ms/blog/free-llm-api-credit/)
-   [Kos LLM setiap pengguna: ekonomi unit ciri AI SaaS](https://broadrouter.com/ms/blog/llm-cost-per-user-saas/)
-   [Perubahan harga API LLM Oktober 2026: 3 kenaikan, tiada penurunan](https://broadrouter.com/ms/blog/llm-api-price-changes-october-2026/)
-   [Berapa kerap harga API LLM berubah? 3 tahun halaman harga berarkib](https://broadrouter.com/ms/blog/how-often-llm-api-prices-change/)
-   [Panduan: Strim chat completions dan kendalikan sambungan yang terputus](https://broadrouter.com/ms/guides/streaming-chat-completions/)
-   [Panduan: Kod ralat BroadNet Inference dan bila perlu cuba semula](https://broadrouter.com/ms/guides/errors-and-retries/)

Cuba dengan beban kerja sebenar anda. Akaun baharu bermula dengan kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM dan Qwen3.8 memerlukan tambah nilai.

[Mulakan](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-estimate-llm-api-cost-before-launch&utm_content=page-cta) ·

**Sumber**

-   [Harga BroadNet Inference yang boleh dibaca mesin (pricing.json) (disemak 2026-11-15) (Bahasa Inggeris)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-estimate-llm-api-cost-before-launch&utm_content=sources)
-   [Rujukan API BroadNet Inference, had dan penggunaan (disemak 2026-11-15) (Bahasa Inggeris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-estimate-llm-api-cost-before-launch&utm_content=sources#limits)
-   [Halaman harga BroadNet Inference (disemak 2026-11-15) (Bahasa Inggeris)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-estimate-llm-api-cost-before-launch&utm_content=sources)
