صورت‌حساب OpenAI API، توضیح‌داده‌شده با اعداد واقعی

پاسخ سریع: صورت‌حساب OpenAI API چطور کار می‌کند

سه عدد هر خط صورت‌حساب شما را تعیین می‌کند: token‌های input ارسال‌شده، token‌های output تولیدشده و نرخ به ازای هر میلیون token مدلی که انتخاب کرده‌اید. هیچ اشتراک و هیچ کارمزد هر درخواستی وجود ندارد. ضرب کنید، بر یک میلیون تقسیم کنید، تمام. دام این است که این سه عدد متفاوت رفتار می‌کنند. token‌های input بی‌سروصدا با انباشته شدن تاریخچه چت رشد می‌کنند، token‌های output یک premium بزرگ به ازای هر token حمل می‌کنند و نرخ هر بار که مدل را عوض می‌کنید تغییر می‌کند. باقی این راهنما مکانیزم‌ها، نرخ‌های فعلی gpt-5.5، سه مثال کاملاً محاسبه‌شده و جاهایی که صورت‌حساب بدون هشدار جهش می‌کند را بررسی می‌کند.

• واحد صورت‌حساب: token، به‌طور جداگانه برای input (prompt + تاریخچه) و output (پاسخ) شمارش می‌شود
• مدل پرداخت: اعتبار پیش‌پرداخت، به ازای هر درخواست کسر می‌شود؛ درخواست‌ها در موجودی صفر شکست می‌خورند مگر auto-recharge روشن باشد
• سطوح مصرف rate limit شما را تغییر می‌دهند، نه قیمت‌های شما را
• Batch API: نصف قیمت برای job‌های غیرهمزمانی که می‌توانند تا 24 ساعت صبر کنند

اعتبار پیش‌پرداخت، سطوح مصرف و Batch API

OpenAI حساب‌های API را به صورت‌حساب پیش‌پرداخت منتقل کرد: شما از قبل اعتبار می‌خرید و مصرف آن را کسر می‌کند. دو جزئیات مردم را غافلگیر می‌کند. اول، اعتبار استفاده‌نشده 12 ماه بعد از خرید منقضی می‌شود، پس بارگذاری بودجه یک سال در ژانویه اگر ترافیک شما کم باشد یک اهدا است. دوم، وقتی موجودی به صفر برسد درخواست‌های شما فوراً شروع به برگرداندن خطا می‌کنند، که اگر هیچ‌کس مالک dashboard صورت‌حساب نباشد شبیه یک outage به نظر می‌رسد. auto-recharge توقف سخت را برطرف می‌کند اما سقف طبیعی هزینه را حذف می‌کند، پس آن را با محدودیت مصرف جفت کنید. سطوح مصرف مکانیزم دوم هستند. حساب‌ها با رشد هزینه تجمعی و سن حساب سطح بالا می‌روند و هر سطح rate limit شما (درخواست در دقیقه و token در دقیقه) را بالا می‌برد. سطوح قیمت‌های per-token را تغییر نمی‌دهند. اگر با حجم پایین به خطاهای 429 برمی‌خورید، در یک سطح پایین هستید و راه‌حل تاریخچه هزینه یا درخواست افزایش rate-limit است، نه یک plan متفاوت. Batch API یک تخفیف داخلی است که ارزش برنامه‌ریزی دارد: یک فایل از درخواست‌ها ارسال کنید، نتایج را درون یک بازه 24 ساعته بپذیرید و نصف نرخ استاندارد را روی هر دو input و output بپردازید. هر چیزی که رو-به-کاربر نیست و به latency حساس نیست (eval، backfill، خلاصه‌سازی، طبقه‌بندی) به آنجا تعلق دارد. input کش‌شده هم وقتی prompt‌های شما یک prefix پایدار طولانی را به اشتراک بگذارند تخفیف می‌خورد، که برای گذاشتن دستورالعمل‌های ثابت اول و محتوای متغیر آخر پاداش می‌دهد.

ردیابی مصرف دقیق از پاسخ API

لازم نیست بعد از واقعه با یک کتابخانه tokenizer، token‌ها را تخمین بزنید. هر پاسخ chat completion شامل یک شیء usage با شمارش دقیقی است که برای آن‌ها صورت‌حساب شده‌اید. آن را در هر فراخوانی لاگ کنید و حسابداری هزینه شما حقیقت مطلق است، نه تقریب. یک نکته: با streaming فعال، شیء usage فقط اگر از طریق stream_options درخواستش کنید ارسال می‌شود. اگر لاگ‌های شما درخواست‌های streamed با صفر token نشان می‌دهند، دلیلش همین است.

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}
  }'

# پاسخ شامل شمارش دقیق صورت‌حساب‌شده است:
# "usage": {
#   "prompt_tokens": 42,
#   "completion_tokens": 118,
#   "total_tokens": 160
# }

یک محاسبه‌گر هزینه OpenAI API در ده خط بسازید

محاسبه‌گرهای هزینه آنلاین همان هفته‌ای که قیمتی تغییر کند بی‌اعتبار می‌شوند. یک تابع ده‌خطی که با شیء usage تغذیه می‌شود هرگز این‌طور نمی‌شود. یک جدول نرخ به ازای هر مدل نگه دارید، ضرب کنید و رقم دلاری را کنار هر request ID لاگ کنید. توجه کنید مدل‌های دارای قابلیت reasoning، reasoning token‌های پنهان را به‌عنوان completion token صورت‌حساب می‌کنند، پس محاسبه‌گر زیر تا وقتی completion_tokens را از پاسخ بخوانید به‌جای شمردن متن قابل مشاهده خودتان، درست می‌ماند.

# 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}")

جدول قیمت gpt-5.5 و مقایسه مدل‌ها

نرخ‌های زیر کاتالوگ APIsRouter هستند: APIsRouter یک gateway سازگار با OpenAI است (Base URL https://api.apisrouter.com/v1) با صورت‌حساب pay-as-you-go و بدون اشتراک، جایی که مدل‌های global 20% پایین‌تر از لیست رسمی و مدل‌های چینی زیر نرخ‌های رسمی خودشان قیمت‌گذاری می‌شوند. checkout در /topup نیازی به ثبت‌نام ندارد: ابتدا پرداخت کنید، کلید از طریق ایمیل می‌رسد و اولین شارژ +100% موجودی اضافه می‌کند. همیشه قبل از بودجه‌بندی یک حساب مستقیم، نرخ‌های رسمی OpenAI را در صفحه قیمت آن‌ها تأیید کنید، چون قیمت‌های لیست تغییر می‌کنند. برای زمینه، همان کاتالوگ مدل‌هایی که مردم واقعاً gpt-5.5 را در برابر آن‌ها می‌سنجند هم حمل می‌کند. kimi-k2.6 و mimo هم برای حجم کارهای پرچت فهرست شده‌اند.

gpt-5.5 از نظر قیمت چطور مقایسه می‌شود

همان محاسبه، نرخ‌های متفاوت. انتخاب مدل بزرگ‌ترین اهرم تنها روی صورت‌حساب token است، و بیشتر حجم‌های کاری به‌جای انتخاب یک مدل، چند مدل را ترکیب می‌کنند.

مثال‌های محاسبه‌شده: سه حجم کار قیمت‌گذاری‌شده سر تا سر

هر سه مثال از نرخ‌های gpt-5.5 بالا استفاده می‌کنند ($4.00 ورودی، $24.00 خروجی به ازای هر 1M token). مثال 1، یک چت‌بات production: 100,000 درخواست در ماه با میانگین 1,500 token ورودی و 300 token خروجی هرکدام. input: 150M token با $4.00 برابر $600 است. output: 30M token با $24.00 برابر $720 است. مجموع: $1,320 در ماه، و توجه کنید output با وجود اینکه یک‌پنجم token‌ها است، بیش از نصف صورت‌حساب را تشکیل می‌دهد. مثال 2، یک session roleplay یا character-chat 60-turn که در آن frontend در هر turn یک context با میانگین 6,000 token را با پاسخ‌های 250-token دوباره ارسال می‌کند. input: 360K token برابر $1.44 است. output: 15K token برابر $0.36 است. مجموع: حدود $1.80 به ازای هر session. همان session روی deepseek-v4-flash حدود پنج سنت هزینه دارد، به همین دلیل کاربران چت با session طولانی به‌ندرت پرچمدارها را برای هر turn اجرا می‌کنند. مثال 3، خلاصه‌سازی 20,000 سند با 2,500 token ورودی و 150 token خروجی هرکدام. input: 50M token برابر $200 است. output: 3M token برابر $72 است. مجموع: $272 به‌عنوان یک job همزمان، یا حدود $136 از طریق Batch API چون هیچ‌چیز اینجا به latency حساس نیست.

غافلگیری‌های هزینه که صورت‌حساب OpenAI را باد می‌کنند

هیچ‌کدام از این‌ها در یک تست هر-درخواست ظاهر نمی‌شوند. آن‌ها در ماه دوم ظاهر می‌شوند، وقتی session‌ها طولانی می‌شوند و پنجره تاریخچه بی‌سروصدا سه برابر شده است. شیء usage را از روز اول instrument کنید و token‌های input هر session را در طول زمان نمودار کنید؛ همان یک نمودار بیشتر موارد بالا را می‌گیرد.

• ارسال مجدد تاریخچه: هر turn چت کل مکالمه را دوباره ارسال می‌کند، پس هزینه input هر session تقریباً با مجذور تعداد turn رشد می‌کند تا وقتی آن را کوتاه کنید
• premium خروجی: output در gpt-5.5 شش برابر نرخ input آن است، پس پاسخ‌های پرحرف و سقف‌های طول تنظیم‌نشده بر صورت‌حساب‌ها غالب می‌شوند
• reasoning token‌ها: chain-of-thought پنهان به‌عنوان completion token صورت‌حساب می‌شود که هرگز در متن نمی‌بینید
• timeout‌های کلاینت: اگر سمت شما درخواستی را بعد از شروع تولید سرور رها کند، token‌های تولیدشده همچنان صورت‌حساب می‌شوند
• input‌های تصویری: تصاویر tokenize می‌شوند و یک تصویر با جزئیات بالا به‌تنهایی می‌تواند هزاران token input هزینه داشته باشد
• انقضای اعتبار: موجودی پیش‌پرداخت‌شده خریداری‌شده بیش از 12 ماه پیش رفته است، خرج‌شده یا نه

چطور هزینه‌های OpenAI API را کاهش دهیم

مسیردهی بزرگ‌ترین اهرم است. تیم‌هایی که ترافیک را بین یک پرچمدار و یک مدل مقرون‌به‌صرفه مثل deepseek-v4-flash یا glm-5 تقسیم می‌کنند معمولاً هزینه را خیلی بیشتر از هر تغییر prompt کاهش می‌دهند، چون مدل ارزان turn‌های حجم‌بالا را مدیریت می‌کند. به‌طور خاص برای frontend‌های character-chat و roleplay، جفت deepseek-v4-pro و deepseek-v4-flash پاسخ رایج community از نظر ارزش است، kimi-k2.6 و mimo هم ارزش تست کردن دارند و مدل‌های Claude انتخاب زمانی هستند که نثر SFW صیقلی بیشترین اهمیت را دارد. هر frontend‌ای که وصل می‌کنید، شرایط خدمات و الزامات سنی آن را رعایت کنید. خود محاسبات صورت‌حساب هرگز تغییر نمی‌کند: token ورودی، token خروجی، نرخ. این سه عدد را وارد لاگ‌های خود کنید و هر تصمیم هزینه به‌جای حدس زدن، محاسبه ریاضی می‌شود.

• output را در هر فراخوانی با max_completion_tokens محدود کنید؛ ارزان‌ترین guardrail موجود است
• تاریخچه را با یک پنجره لغزان کوتاه کنید، یا turn‌های قدیمی‌تر را به‌جای ارسال کامل مجدد به یک یادداشت فشرده خلاصه کنید
• کار غیرتعاملی را به Batch API منتقل کنید و نصف نرخ بپردازید
• یک system prompt پایدار طولانی را اول نگه دارید و محتوای متغیر را آخر بگذارید تا تخفیف‌های cached-input واقعاً trigger شوند
• بر اساس task مسیردهی کنید: طبقه‌بندی، استخراج و turn‌های چت غیررسمی نیازی به یک پرچمدار ندارند؛ gpt-5.5 را برای مراحلی که روی مدل‌های ارزان‌تر شکست می‌خورند نگه دارید
• هشدارهای موجودی و محدودیت‌های per-key تنظیم کنید تا یک حلقه افسارگسیخته نتواند حساب را خالی کند

پرسش‌های پرتکرار