OpenAI API বিলিং, বাস্তব সংখ্যা দিয়ে ব্যাখ্যা

দ্রুত উত্তর: OpenAI API বিলিং কীভাবে কাজ করে

তিনটি সংখ্যা আপনার বিলের প্রতিটি লাইন নির্ধারণ করে: পাঠানো input token, generate হওয়া output token, এবং আপনার বাছাই করা মডেলের প্রতি-million-token রেট। কোনো subscription নেই এবং কোনো per-request fee নেই। গুণ করুন, এক million দিয়ে ভাগ করুন, শেষ। Trap হলো তিনটি সংখ্যা ভিন্নভাবে আচরণ করে। Chat history জমা হওয়ার সাথে সাথে input token নীরবে বাড়ে, output token একটি বড় per-token premium বহন করে, এবং আপনি মডেল পরিবর্তন করার প্রতিবার রেট পরিবর্তিত হয়। এই গাইডের বাকি অংশ mechanic, বর্তমান gpt-5.5 রেট, তিনটি সম্পূর্ণ বাস্তব উদাহরণ, এবং যেখানে বিল সতর্কতা ছাড়াই লাফিয়ে ওঠে সেই জায়গাগুলো দিয়ে যায়।

• বিলিং ইউনিট: token, input (prompt + history) এবং output (reply)-এর জন্য আলাদাভাবে metered
• পেমেন্ট মডেল: prepaid credit, প্রতি request-এ কাটা হয়; auto-recharge চালু না থাকলে zero balance-এ request ব্যর্থ হয়
• Usage tier আপনার rate limit পরিবর্তন করে, দাম নয়
• Batch API: 24 ঘণ্টা পর্যন্ত অপেক্ষা করতে পারা asynchronous job-এর জন্য অর্ধেক দাম

Prepaid credit, usage tier, এবং Batch API

OpenAI API account-কে prepaid বিলিং-এ সরিয়েছে: আপনি আগে credit কেনেন এবং ব্যবহার সেগুলো কাটে। দুটি বিষয় মানুষকে ধরে ফেলে। প্রথমত, অব্যবহৃত credit কেনার 12 মাস পর expire হয়, তাই আপনার traffic কম হলে জানুয়ারিতে একবছরের budget লোড করা একটি দান। দ্বিতীয়ত, balance শূন্যে পৌঁছালে আপনার request সাথে সাথে error ফেরত দেওয়া শুরু করে, যা কেউ billing dashboard-এর মালিক না হলে একটি outage-এর মতো দেখায়। Auto-recharge hard stop ঠিক করে কিন্তু স্বাভাবিক spending cap সরিয়ে দেয়, তাই এটাকে usage limit-এর সাথে জোড়া লাগান। Usage tier হলো দ্বিতীয় mechanic। Cumulative spend এবং account age বাড়ার সাথে সাথে account tier-এ ওঠে, এবং প্রতিটি tier আপনার rate limit (প্রতি মিনিটে request এবং প্রতি মিনিটে token) বাড়ায়। Tier per-token দাম পরিবর্তন করে না। আপনি কম volume-এ 429 error পেলে, আপনি একটি low tier-এ আছেন, এবং সমাধান হলো spend history বা একটি rate-limit বৃদ্ধির request, ভিন্ন plan নয়। Batch API হলো একমাত্র built-in discount যা নিয়ে planning করার মতো: request-এর একটি file submit করুন, 24-ঘণ্টার window-এর মধ্যে ফলাফল গ্রহণ করুন, এবং input ও output উভয়ে standard রেটের অর্ধেক পেমেন্ট করুন। যেকোনো কিছু যা user-facing এবং latency-sensitive নয় (eval, backfill, summarization, classification) সেখানে যায়। আপনার prompt একটি দীর্ঘ স্থিতিশীল prefix share করলে cached input-ও discount পায়, যা static instruction প্রথমে এবং variable content শেষে রাখাকে পুরস্কৃত করে।

API response থেকে সঠিক usage track করুন

পরে একটি tokenizer library দিয়ে token estimate করার দরকার নেই। প্রতিটি chat completion response-এ একটি usage object থাকে যাতে আপনাকে যে সঠিক count-এর জন্য বিল করা হয়েছে তা থাকে। প্রতিটি call-এ এটা লগ করুন এবং আপনার cost accounting approximation নয়, ground truth হয়ে যায়। একটি সমস্যা: streaming সক্ষম থাকলে, আপনি stream_options-এর মাধ্যমে না চাইলে usage object পাঠানো হয় না। আপনার লগে zero-token streamed request দেখালে, এটাই কারণ।

curl https://api.openai.com/v1/chat/completions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.5",
    "messages": [{"role": "user", "content": "Summarize the attached notes in one line."}],
    "max_completion_tokens": 200,
    "stream_options": {"include_usage": true}
  }'

# Response includes the exact billed counts:
# "usage": {
#   "prompt_tokens": 42,
#   "completion_tokens": 118,
#   "total_tokens": 160
# }

দশ লাইনে একটি OpenAI API cost calculator তৈরি করুন

Online cost calculator যে সপ্তাহে দাম পরিবর্তন হয় সেই সপ্তাহে stale হয়ে যায়। usage object দ্বারা fed একটি দশ-লাইনের function কখনো হয় না। প্রতি মডেলে একটি রেট টেবিল রাখুন, গুণ করুন, এবং প্রতিটি request ID-র পাশে ডলার সংখ্যা লগ করুন। লক্ষ্য করুন reasoning-সক্ষম মডেল hidden reasoning token-কে completion token হিসেবে বিল করে, তাই আপনি নিজে visible text গণনা না করে response থেকে completion_tokens পড়লে নিচের calculator সঠিক থাকে।

# USD per 1M tokens: {"in": input_rate, "out": output_rate}
RATES = {
    "gpt-5.5": {"in": 4.00, "out": 24.00},
    "claude-sonnet-4-6": {"in": 2.40, "out": 12.00},
    "deepseek-v4-flash": {"in": 0.126, "out": 0.252},
}

def cost_usd(model: str, prompt_tokens: int, completion_tokens: int) -> float:
    rate = RATES[model]
    return (prompt_tokens * rate["in"] + completion_tokens * rate["out"]) / 1_000_000

usage = response.usage
print(f"{cost_usd('gpt-5.5', usage.prompt_tokens, usage.completion_tokens):.6f}")

gpt-5.5 মূল্য টেবিল ও মডেল তুলনা

নিচের রেটগুলো APIsRouter catalog: APIsRouter একটি OpenAI-compatible gateway (Base URL https://api.apisrouter.com/v1) pay-as-you-go বিলিং এবং কোনো subscription ছাড়া, যেখানে global মডেল অফিসিয়াল list-এর চেয়ে 20% কমে এবং Chinese মডেল তাদের অফিসিয়াল রেটের নিচে দাম নির্ধারিত। /topup-এ checkout-এ কোনো signup লাগে না: প্রথমে পেমেন্ট করুন, key ইমেইলে আসে, এবং প্রথম top-up +100% balance যোগ করে। একটি direct account budget করার আগে সবসময় OpenAI-এর pricing পেজে তাদের অফিসিয়াল রেট নিশ্চিত করুন, কারণ list দাম পরিবর্তিত হয়। Context-এর জন্য, একই catalog সেই মডেল বহন করে যেগুলোর বিপরীতে মানুষ আসলে gpt-5.5 ওজন করে। Chat-heavy workload-এর জন্য kimi-k2.6 এবং mimo-ও list করা আছে।

দামের দিক থেকে gpt-5.5 কীভাবে তুলনা করে

একই অংক, ভিন্ন রেট। Model choice হলো token বিলের সবচেয়ে বড় একক lever, এবং বেশিরভাগ workload একটি মডেল বাছাই করার বদলে মডেল mix করে।

বাস্তব উদাহরণ: তিনটি workload-এর সম্পূর্ণ দাম

তিনটি উদাহরণই উপরের gpt-5.5 রেট ব্যবহার করে (প্রতি 1M token input $4.00, output $24.00)। উদাহরণ 1, একটি production chatbot: প্রতি মাসে 100,000 request, গড়ে প্রতিটিতে 1,500 input এবং 300 output token। Input: $4.00-এ 150M token হলো $600। Output: $24.00-এ 30M token হলো $720। মোট: প্রতি মাসে $1,320, এবং লক্ষ্য করুন output token-এর এক-পঞ্চমাংশ হওয়া সত্ত্বেও বিলের অর্ধেকের বেশি। উদাহরণ 2, একটি 60-turn roleplay বা character-chat session যেখানে frontend প্রতিটি turn-এ গড়ে 6,000-token context 250-token reply সহ পুনরায় পাঠায়। Input: 360K token হলো $1.44। Output: 15K token হলো $0.36। মোট: প্রতি session প্রায় $1.80। deepseek-v4-flash-এ একই session প্রায় পাঁচ সেন্ট খরচ করে, যে কারণে long-session chat ব্যবহারকারীরা কদাচিৎ প্রতিটি turn-এ flagship চালান। উদাহরণ 3, 20,000 document summarize করা, প্রতিটিতে 2,500 input এবং 150 output token। Input: 50M token হলো $200। Output: 3M token হলো $72। মোট: একটি synchronous job হিসেবে $272, বা Batch API-এর মাধ্যমে প্রায় $136 যেহেতু এখানে কিছুই latency-sensitive নয়।

OpenAI বিল ফুলিয়ে তোলা খরচের বিস্ময়

এগুলোর কোনোটাই একটি per-request test-এ দেখা যায় না। এগুলো দ্বিতীয় মাসে দেখা যায়, যখন session দীর্ঘ চলে এবং history window চুপচাপ তিনগুণ হয়ে গেছে। প্রথম দিন থেকে usage object instrument করুন এবং সময়ের সাথে প্রতি session input token গ্রাফ করুন; সেই একটা chart উপরের list-এর বেশিরভাগ ধরে ফেলে।

• History resend: প্রতিটি chat turn সম্পূর্ণ conversation পুনরায় পাঠায়, তাই আপনি trim না করা পর্যন্ত প্রতি session input খরচ মোটামুটি turn count-এর বর্গ অনুপাতে বাড়ে
• Output premium: gpt-5.5 output তার input রেটের 6x, তাই verbose reply এবং unset length cap বিলে প্রাধান্য পায়
• Reasoning token: hidden chain-of-thought completion token হিসেবে বিল হয় যা আপনি text-এ কখনো দেখেন না
• Client timeout: server generate শুরু করার পরে আপনার দিক request abandon করলে, generate হওয়া token তখনও বিল হয়
• Vision input: image tokenized হয় এবং একটি single high-detail image হাজার হাজার input token খরচ করতে পারে
• Credit expiry: 12 মাসের বেশি আগে কেনা prepaid balance চলে যায়, খরচ হোক বা না হোক

OpenAI API খরচ কীভাবে কমাবেন

Routing হলো সবচেয়ে বড় lever। যে team flagship এবং deepseek-v4-flash বা glm-5-এর মতো একটি value মডেলের মধ্যে traffic split করে তারা সাধারণত যেকোনো prompt tweak-এর চেয়ে অনেক বেশি spend কমায়, কারণ সস্তা মডেল high-volume turn handle করে। বিশেষভাবে character-chat এবং roleplay frontend-এর জন্য, deepseek-v4-pro ও deepseek-v4-flash জুটি value-তে সাধারণ community উত্তর, kimi-k2.6 ও mimo test করার মতো, এবং যখন polished SFW prose সবচেয়ে বেশি গুরুত্বপূর্ণ তখন Claude মডেল হলো পছন্দ। আপনি যে frontend-ই connect করুন না কেন, এর terms of service এবং বয়সের প্রয়োজনীয়তা মেনে চলুন। বিলিং অংক নিজেই কখনো পরিবর্তন হয় না: token in, token out, রেট। এই তিনটি সংখ্যাকে আপনার লগে আনুন এবং প্রতিটি খরচের সিদ্ধান্ত অনুমানের বদলে arithmetic হয়ে যায়।

• প্রতিটি call-এ max_completion_tokens দিয়ে output cap করুন; এটা বিদ্যমান সবচেয়ে সস্তা guardrail
• একটি sliding window দিয়ে history trim করুন, বা পুরনো turn verbatim পুনরায় পাঠানোর বদলে একটি compact note-এ summarize করুন
• Non-interactive কাজ Batch API-তে সরান এবং অর্ধেক রেট পেমেন্ট করুন
• একটি দীর্ঘ স্থিতিশীল system prompt প্রথমে এবং variable content শেষে রাখুন যাতে cached-input discount আসলে trigger হয়
• Task অনুযায়ী route করুন: classification, extraction এবং casual chat turn-এর একটি flagship দরকার নেই; সস্তা মডেলে ব্যর্থ হওয়া step-এর জন্য gpt-5.5 রাখুন
• Balance alert এবং per-key limit সেট করুন যাতে একটি runaway loop account drain করতে না পারে

সাধারণ প্রশ্ন