محاسبه‌ی هزینه و توکن در API پیکو هوش؛ فرمول دقیق

صرفه‌جویی ناشی از کش در این مثال حدود ۷۵٪ از هزینه‌ی همان ۱٬۵۰۰ توکن است. کش‌شدن تضمین‌شده نیست و به مسیر پردازش و تکرار پیشوند پرامپت بستگی دارد. برای بیشینه‌شدن احتمال کش، بخش ثابت (دستورالعمل سیستم، مثال‌ها) را ابتدای پیام‌ها و بخش متغیر را انتها بگذارید.

رزرو و تسویه

• قبل از اجرا (رزرو/بررسی): در API با کلید، سیستم بررسی می‌کند موجودی کیف پول مثبت باشد؛ در حساب‌های استودیویی، اعتبار لازم برای مدل رزرو می‌شود. اگر کافی نباشد 402 می‌گیرید.
• اجرا: درخواست به یکی از مسیرهای پردازشی می‌رود و در صورت شکست مسیر، خودکار به مسیر بعدی می‌رود.
• تسویه: اگر پاسخ موفق بود، توکن‌های واقعی از پاسخ خوانده و هزینه‌ی دقیق کسر می‌شود.
• شکست: اگر همه‌ی مسیرها ناموفق باشند، رزرو برگردانده می‌شود و هزینه‌ای ثبت نمی‌شود.

نتیجه: ریسک مالی تلاش مجدد بسیار کم است. نکته‌ی ظریف: چون تسویه پس از پاسخ انجام می‌شود، موجودی ممکن است با یک درخواست پرمصرف به صفر برسد؛ موجودی را بالاتر از بدترین هزینه‌ی هر درخواست نگه دارید.

مدل‌های غیرمتنی (تصویر، گفتار) معمولاً هزینه‌ی ثابت هر فراخوان دارند، نه توکنی؛ قیمت آن‌ها را در pricing ببینید.

گرفتن توکن واقعی از پاسخ

r = client.chat.completions.create(model="gpt-6-sol", messages=msgs)
u = r.usage
print(u.prompt_tokens, u.completion_tokens)
cached = getattr(getattr(u, "prompt_tokens_details", None), "cached_tokens", 0) or 0

در استریم، usage در رویداد نزدیک پایان می‌آید (راهنمای SSE). رکورد مصرف هر درخواست هم در داشبورد شما ثبت می‌شود.

تخمین قبل از ارسال

تعداد توکن بسته به توکنایزر مدل متفاوت است و برای فارسی معمولاً بیشتر از انگلیسی (برای همان طول معنایی). قاعده‌ی سرانگشتی: هر ۳ تا ۴ نویسه حدود یک توکن. این فقط تقریب است؛ برای تخمین دقیق، ابتدا چند درخواست واقعی بفرستید و میانگین usage را بسنجید.

ماشین‌حساب ماهانه با پایتون

def cost_toman(prompt, completion, price_in, price_out, cached=0):
    fresh = max(prompt - cached, 0)
    return (fresh * price_in + cached * price_in * 0.25 + completion * price_out) / 1_000_000

# مقادیر نمونه؛ قیمت واقعی را از صفحه‌ی pricing بردارید
PRICE_IN, PRICE_OUT = 140_000, 420_000
per_req = cost_toman(2000, 500, PRICE_IN, PRICE_OUT)
requests_per_day = 3000
monthly = per_req * requests_per_day * 30
print(f"هر درخواست ≈ {per_req:,.0f} تومان | ماهانه ≈ {monthly:,.0f} تومان")

برای برآورد واقع‌بینانه، توزیع طول ورودی‌ها را بسنجید؛ میانگین ساده با ورودی‌های بلند گاه گمراه‌کننده است.

۸ راه کاهش هزینه

1. مدل را با کار هماهنگ کنید: دسته‌بندی و استخراج ساده با مدل اقتصادی (claude-haiku-5-5) و کارهای دشوار با مدل قوی.
2. max_tokens را بگذارید.
3. تاریخچه‌ی گفتگو را خلاصه یا کوتاه کنید؛ توکن ورودی با هر دور بزرگ‌تر می‌شود.
4. دستورالعمل سیستم را کوتاه و ثابت نگه دارید تا کش شود.
5. در RAG تعداد تکه‌ها را محدود کنید.
6. پاسخ‌های تکراری را در سمت خود کش کنید.
7. برای کلیدها سقف ماهانه بگذارید.
8. در ایجنت‌ها سقف تکرار تعریف کنید (ایجنت در LangChain).

سوالات متداول

آیا خطا یا درخواست ناموفق هزینه دارد؟

خیر. فقط درخواست موفق تسویه می‌شود؛ جزئیات خطاها در کدهای خطا.

آیا حداقل مصرف دارید؟

بر اساس مصرف پرداخت می‌کنید؛ شرایط و بسته‌ها را در pricing ببینید.

چرا هزینه‌ی من با تخمینم فرق دارد؟

معمولاً به‌دلیل تفاوت توکنایزر، پیام‌های سیستمی یا تاریخچه‌ی اضافه، یا کش. usage پاسخ را مرجع قرار دهید.

توکن‌های تصویر چطور حساب می‌شوند؟

برای مدل‌های بینایی، ورودی تصویر به توکن تبدیل می‌شود و در prompt_tokens می‌آید؛ مقدار را از usage بخوانید.

مرجع؟

مستندات، کاتالوگ، curl.