Billing API OpenAI, dijelaskan dengan angka nyata

Jawaban singkat: cara kerja billing API OpenAI

Tiga angka yang menentukan setiap baris di tagihan Anda: token input yang dikirim, token output yang dihasilkan, dan tarif per juta token dari model yang Anda pilih. Tidak ada langganan dan tidak ada biaya per-request. Kalikan, bagi dengan satu juta, selesai. Jebakannya adalah ketiga angka itu berperilaku berbeda. Token input tumbuh diam-diam seiring riwayat chat terakumulasi, token output membawa premium besar per token, dan tarifnya berubah setiap kali Anda mengganti model. Sisa panduan ini membahas mekanismenya, tarif gpt-5.5 saat ini, tiga contoh perhitungan lengkap, dan titik-titik di mana tagihan melonjak tanpa peringatan.

• Unit billing: token, diukur terpisah untuk input (prompt + riwayat) dan output (balasan)
• Model pembayaran: kredit prepaid, dipotong per request; request gagal saat saldo nol kecuali auto-recharge aktif
• Usage tier mengubah rate limit Anda, bukan harga
• Batch API: setengah harga untuk job asinkron yang bisa menunggu sampai 24 jam

Kredit prepaid, usage tier, dan Batch API

OpenAI memindahkan akun API ke billing prepaid: Anda membeli kredit di muka dan pemakaian memotongnya. Dua hal yang sering membuat orang lengah. Pertama, kredit yang tidak terpakai kedaluwarsa 12 bulan setelah pembelian, jadi mengisi anggaran setahun di Januari adalah sumbangan jika trafik Anda rendah. Kedua, saat saldo mencapai nol, request Anda langsung mengembalikan error, yang terlihat seperti outage kalau tidak ada yang memantau dashboard billing. Auto-recharge memperbaiki penghentian mendadak itu tapi menghilangkan batas pengeluaran alami, jadi gabungkan dengan usage limit. Usage tier adalah mekanisme kedua. Akun naik tier seiring pengeluaran kumulatif dan usia akun bertambah, dan setiap tier menaikkan rate limit Anda (request per menit dan token per menit). Tier tidak mengubah harga per token. Jika Anda kena error 429 pada volume rendah, Anda berada di tier rendah, dan solusinya adalah riwayat pengeluaran atau permintaan kenaikan rate limit, bukan plan yang berbeda. Batch API adalah satu-satunya diskon bawaan yang layak direncanakan: kirim file berisi banyak request, terima hasil dalam jendela 24 jam, dan bayar setengah tarif standar untuk input maupun output. Apa pun yang tidak berhadapan langsung dengan pengguna dan tidak sensitif latency (evaluasi, backfill, ringkasan, klasifikasi) cocok masuk situ. Input yang di-cache juga didiskon ketika prompt Anda berbagi prefix stabil yang panjang, yang memberi insentif menaruh instruksi statis di depan dan konten variabel di belakang.

Lacak pemakaian eksak dari respons API

Anda tidak perlu memperkirakan token dengan library tokenizer setelah faktanya. Setiap respons chat completion menyertakan objek usage dengan jumlah eksak yang Anda bayar. Catat itu di setiap panggilan dan pencatatan biaya Anda jadi kebenaran sesungguhnya, bukan perkiraan. Satu hal yang perlu diperhatikan: dengan streaming aktif, objek usage hanya dikirim jika Anda memintanya lewat stream_options. Jika log Anda menunjukkan request streaming dengan nol token, itulah sebabnya.

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}
  }'

# Respons menyertakan jumlah eksak yang ditagih:
# "usage": {
#   "prompt_tokens": 42,
#   "completion_tokens": 118,
#   "total_tokens": 160
# }

Bangun kalkulator biaya API OpenAI dalam sepuluh baris

Kalkulator biaya online jadi basi begitu satu harga berubah. Fungsi sepuluh baris yang diberi makan objek usage tidak akan basi. Simpan tabel tarif per model, kalikan, dan catat angka dolarnya di samping setiap ID request. Perhatikan bahwa model dengan kemampuan reasoning menagih reasoning token tersembunyi sebagai completion token, jadi kalkulator di bawah tetap benar selama Anda membaca completion_tokens dari respons alih-alih menghitung teks yang terlihat sendiri.

# 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}")

Tabel harga gpt-5.5 dan perbandingan model

Tarif di bawah ini adalah katalog APIsRouter: APIsRouter adalah gateway yang kompatibel dengan OpenAI (Base URL https://api.apisrouter.com/v1) dengan billing pay-as-you-go tanpa langganan, di mana model global dihargai 20% di bawah daftar resmi dan model Tiongkok di bawah tarif resminya. Checkout di /topup tidak butuh pendaftaran: bayar dulu, key dikirim via email, dan top up pertama menambah +100% saldo. Selalu konfirmasi tarif resmi OpenAI di halaman harga mereka sebelum menganggarkan akun langsung, karena harga daftar bisa berubah. Sebagai konteks, katalog yang sama membawa model-model yang benar-benar dibandingkan orang dengan gpt-5.5. kimi-k2.6 dan mimo juga terdaftar untuk beban kerja chat yang berat.

Bagaimana gpt-5.5 dibandingkan dari segi harga

Perhitungan sama, tarif berbeda. Pilihan model adalah cara penekan tagihan token terbesar, dan sebagian besar beban kerja mencampur beberapa model alih-alih memilih satu.

Contoh perhitungan: tiga beban kerja dihitung end to end

Ketiga contoh memakai tarif gpt-5.5 di atas ($4.00 input, $24.00 output per 1M token). Contoh 1, chatbot produksi: 100,000 request per bulan dengan rata-rata 1,500 token input dan 300 token output masing-masing. Input: 150M token dengan $4.00 adalah $600. Output: 30M token dengan $24.00 adalah $720. Total: $1,320 per bulan, dan perhatikan output lebih dari separuh tagihan meski hanya seperlima dari jumlah token. Contoh 2, sesi roleplay atau character-chat 60 giliran di mana frontend mengirim ulang rata-rata context 6,000 token per giliran dengan balasan 250 token. Input: 360K token adalah $1.44. Output: 15K token adalah $0.36. Total: sekitar $1.80 per sesi. Sesi yang sama di deepseek-v4-flash berbiaya sekitar lima sen, itulah sebabnya pengguna sesi panjang jarang menjalankan flagship untuk setiap giliran. Contoh 3, meringkas 20,000 dokumen pada 2,500 token input dan 150 token output masing-masing. Input: 50M token adalah $200. Output: 3M token adalah $72. Total: $272 sebagai job sinkron, atau sekitar $136 lewat Batch API karena tidak ada yang sensitif latency di sini.

Kejutan biaya yang membengkakkan tagihan OpenAI

Tidak satu pun dari ini muncul di test per-request. Semua muncul di bulan kedua, ketika sesi berjalan panjang dan jendela riwayat diam-diam sudah tiga kali lipat. Instrumentasi objek usage sejak hari pertama dan gambarkan grafik token input per sesi dari waktu ke waktu; satu grafik itu menangkap sebagian besar daftar di atas.

• Riwayat dikirim ulang: setiap giliran chat mengirim ulang seluruh percakapan, jadi biaya input per sesi tumbuh kira-kira kuadratik terhadap jumlah giliran sampai Anda memangkasnya
• Premium output: output gpt-5.5 berbiaya 6x tarif inputnya, jadi balasan bertele-tele dan batas panjang yang tidak diset mendominasi tagihan
• Reasoning token: chain-of-thought tersembunyi ditagih sebagai completion token yang tidak pernah Anda lihat di teks
• Timeout klien: jika sisi Anda meninggalkan request setelah server mulai menghasilkan, token yang sudah dihasilkan tetap ditagih
• Input gambar: gambar di-tokenisasi dan satu gambar high-detail bisa berbiaya ribuan token input
• Kedaluwarsa kredit: saldo prepaid yang dibeli lebih dari 12 bulan lalu hilang, terpakai atau tidak

Cara menekan biaya API OpenAI

Routing adalah cara penekan biaya terbesar. Tim yang membagi trafik antara flagship dan model hemat seperti deepseek-v4-flash atau glm-5 biasanya memangkas pengeluaran jauh lebih banyak daripada perubahan prompt apa pun, karena model murah menangani giliran bervolume tinggi. Khusus untuk frontend character-chat dan roleplay, pasangan deepseek-v4-pro dan deepseek-v4-flash adalah jawaban komunitas yang umum untuk value, kimi-k2.6 dan mimo layak dicoba, dan model Claude adalah pilihan ketika prosa SFW yang halus paling penting. Frontend apa pun yang Anda hubungkan, ikuti ketentuan layanan dan syarat usianya. Perhitungan billing-nya sendiri tidak pernah berubah: token masuk, token keluar, tarif. Masukkan tiga angka itu ke log Anda dan setiap keputusan biaya jadi aritmetika, bukan tebak-tebakan.

• Batasi output dengan max_completion_tokens di setiap panggilan; ini pengaman termurah yang ada
• Pangkas riwayat dengan sliding window, atau ringkas giliran lama jadi catatan ringkas alih-alih mengirim ulang secara verbatim
• Pindahkan pekerjaan non-interaktif ke Batch API dan bayar setengah tarif
• Jaga system prompt stabil yang panjang di depan dan konten variabel di belakang agar diskon cached-input benar-benar terpicu
• Routing berdasarkan tugas: klasifikasi, ekstraksi, dan giliran chat kasual tidak butuh flagship; simpan gpt-5.5 untuk langkah yang gagal di model lebih murah
• Set alert saldo dan limit per-key sehingga satu loop yang lepas kendali tidak bisa menguras akun

Pertanyaan umum