Preço da API GLM: $0,15 entrada, $0,50 saída por 1M de tokens

O que você paga, em uma tabela

A tabela de preços da API GLM aqui não tem níveis, assentos ou planos mensais. Você compra crédito e cada solicitação deduz do saldo conforme os tokens utilizados.

Uma breve nota sobre nomenclatura: o domínio corresponde ao que as pessoas pesquisam, mas o serviço é um endpoint independente compatível com OpenAI para um único modelo de texto de pesos abertos, uncensored. Não é a API oficial do fornecedor por trás do GLM, então estas tarifas não são as tarifas desse fornecedor. Se você está comparando, consulte as tarifas atuais deles no site deles e use o método mais abaixo.

Convertendo taxas em custos

Os preços por milhão são difíceis de visualizar. Uma unidade melhor é o custo por requisição. Para qualquer requisição, multiplique os tokens de entrada por $0,15, os tokens de saída por $0,50 e divida cada um por 1.000.000. Quatro cargas de trabalho mostram como isso se aplica.

Um aplicativo de recuperação com contexto longo

Um aplicativo de perguntas e respostas insere 50.000 tokens de texto recuperado no prompt e recebe 800 tokens de volta. O input é 50.000 x $0,15 / 1M = $0,0075. O output é 800 x $0,50 / 1M = $0,0004. Uma resposta custa $0,0079, então 1.000 respostas custam $7,90. O lado do input domina, então reduzir o contexto recuperado compensa mais do que encurtar as respostas.

Um produto de chat

Cada mensagem envia cerca de 3.000 tokens de histórico e persona, e a resposta tem 400 tokens. Isso é $0,00045 + $0,0002 = $0,00065 por mensagem. Um usuário que envia 40 mensagens por dia custa $0,026 por dia, o que é $0,78 em 30 dias. Você pode usar essa figura para definir sua própria precificação com uma margem razoável.

Um trabalho em lote com saída estruturada

Você precisa classificar 200.000 documentos curtos. Cada prompt tem 600 tokens, e o modo JSON mantém cada resposta em cerca de 20 tokens. O input é 200.000 x 600 = 120M tokens, que custam 120 x $0,15 = $18,00. O output é 200.000 x 20 = 4M tokens, que custam 4 x $0,50 = $2,00. O trabalho todo custa $20,00, exatamente uma recarga de nível básico. Lembre-se do limite de requisições ao planejar o tempo real: uma chave completa permite 300 requisições por minuto, então 200.000 requisições levam cerca de 667 minutos no limite.

Um agente com chamada de funções

Um agente faz 8 chamadas por tarefa, cada uma com 5.000 tokens de entrada e 300 de saída. Por tarefa, isso é 40.000 de entrada ($0,006) e 2.400 de saída ($0,0012), totalizando $0,0072. Cem tarefas custam $0,72. Agentes são a carga de trabalho onde o crescimento do histórico tem o maior impacto negativo, já que cada etapa reenvia resultados de ferramentas anteriores, então registre as contagens reais de tokens após algumas dezenas de tarefas e substitua essas estimativas pelas suas médias.

Recargas e bônus

Você escolhe qualquer valor inteiro em dólares de $20 a $500. Recargas maiores adicionam uma porcentagem ao crédito recebido:

A última coluna divide a tarifa pela proporção crédito-pagamento. A $100 você recebe $110, então você paga $100 / $110 = 0,909 do preço de lista: $0,15 vira $0,136 e $0,50 vira $0,455. O bônus de 15% começa em $200, então não há desconto extra para ir de $200 para $500. Escolha o valor que corresponde à velocidade com que você gasta, não o maior disponível.

O pagamento é por cripto (USDT na TRC20, USDC na Base). Como o crédito nunca expira, recarregar $200 de uma vez para o bônus é seguro se você espera usá-lo, e uma recarga menor é igualmente segura se você preferir começar com pouco. Os passos de configuração para ambos estão na página quickstart.

Uma regra prática para escolher: pegue seu gasto mensal esperado dos cenários acima e recarregue cerca de um a dois meses disso. Para o produto de chat de suporte que custa $0,78 por usuário ativo por mês, 100 usuários ativos totalizam $78, então uma recarga de $100 (que adiciona $110 de crédito) cobre o primeiro mês com folga. Recarregue novamente quando o cabeçalho de saldo mostrar uma semana de reserva restante.

O teste gratuito

Novas contas podem reivindicar $0,50 de crédito de teste grátis com um clique na página da chave de API após o cadastro. O cadastro é com Google ou com e-mail e senha. O crédito não precisa de cartão, é válido por 7 dias e é limitado a um por pessoa.

Esse valor é de cerca de 3,33M tokens de input ou 1M de output. Em termos de requisição, uma chamada de chat com 2.000 de input e 500 de output custa $0,00055, então o trial cobre cerca de 900 delas. É suficiente para testar streaming, chamada de funções e modo JSON nos seus próprios prompts. A chave de trial opera sob limites menores do que uma chave paga, 2 requisições simultâneas e 60 por minuto, o que é bom para testes manuais.

Comece na página da chave de API. Se você quiser ver todos os campos de requisição antes de gastar qualquer coisa, o quickstart os lista.

Acompanhando seu saldo

Cada resposta inclui um cabeçalho X-Balance-USD com seu crédito restante, além de X-Request-Id para perguntas de suporte. Respostas em streaming terminam com um bloco de uso, então você pode calcular o custo exato de cada chamada. Um pequeno logger é tudo que você precisa:

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.glmapi.cc/v1", api_key="YOUR_KEY")

raw = client.chat.completions.with_raw_response.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise the plot of a heist film."}],
)
r = raw.parse()
cost = r.usage.prompt_tokens * 0.15 / 1e6 + r.usage.completion_tokens * 0.50 / 1e6
print(round(cost, 6), raw.headers.get("X-Balance-USD"))

Configure um alerta no cabeçalho de saldo no seu próprio monitoramento e recarregue com margem antes de qualquer lote grande.

Comparando com as taxas de outro provedor

As taxas sozinhas não determinam uma comparação, porque as contagens de tokens diferem entre famílias de modelos e assim também a verbosidade. Pegue os mesmos 100 prompts, execute-os em ambos os serviços e registre os tokens reais de input e output. Depois, aplique as duas taxas de cada provedor. Independentemente do que digam os preços de lista, apenas essa medição diz qual será sua conta.

Além do preço, verifique quatro coisas no outro lado: se solicitações falhas ou recusadas são cobradas, se o crédito expira, quais são os limites de requisições padrão e se o modelo recusa solicitações legais que você precisa que sejam respondidas. Recusas são a linha de custo oculta, pois custam retrabalhos e reescritas de prompt. Nosso modelo é ajustado para responder sem recusas de conteúdo para uso adulto legal. Ele mantém um limite rígido: sem conteúdo sexual envolvendo menores de idade.

Também é justo dizer quando esta não é a ferramenta certa. É apenas texto, sem imagens, áudio, embeddings ou fine-tuning, e um modelo em vez de um menu. Se precisar disso, consulte os preços atuais em outro lugar. O fato relevante para privacidade é que os prompts não são usados para treinamento.

Por fim, preveja os limites além do preço. Uma chave completa permite 8 requisições simultâneas e 300 por minuto; uma chave de teste permite 2 e 60. Com 8 requisições em andamento e uma resposta que leva 10 segundos, você conclui cerca de 48 respostas por minuto, bem abaixo do limite por minuto, então a concorrência geralmente é o limite mais restritivo para gerações longas, enquanto respostas curtas atingem o limite de requisições primeiro. Requisições em streaming mantêm sua posição até o fim do streaming, o que importa se seu cliente lê lentamente. Se você precisa de mais margem, pergunte na página de suporte em vez de adivinhar.

Mais guias

• URL base da API GLM: Conecte Qualquer Cliente OpenAI
• API GLM Python: Exemplos de Chat, Streaming e Ferramentas
• API Gemma: Mitos vs Fatos