آموزش و راهنما

قیمت API هوش مصنوعی چگونه محاسبه می‌شود؟ راهنمای Token، مدل‌ها و کاهش هزینه

راهنمای محاسبه قیمت API هوش مصنوعی؛ از Token ورودی و خروجی تا هزینه مدل‌های متن، تصویر، صوت، ویدئو و Agentها و روش‌های عملی کاهش مصرف.

Darvareh API Token

مقدمه

قیمت API هوش مصنوعی یکی از مهم‌ترین معیارها برای انتخاب مدل و زیرساخت مناسب است. بسیاری از توسعه‌دهندگان در ابتدا تصور می‌کنند هر درخواست API قیمت ثابتی دارد، اما هزینه نهایی می‌تواند به عوامل متعددی وابسته باشد.

در مدل‌های متنی معمولاً تعداد Tokenهای ورودی و خروجی مهم است. در مدل‌های تصویر، تعداد تصویر، کیفیت و Resolution اثر دارد. هزینه مدل‌های صوتی ممکن است بر اساس مدت فایل یا تعداد کاراکتر محاسبه شود و قیمت مدل‌های ویدئویی معمولاً به مدت، ابعاد، Frame Rate و نوع مدل وابسته است.

در سیستم‌های پیشرفته‌تر مانند RAG و AI Agent، یک درخواست کاربر ممکن است چند فراخوانی مدل، جست‌وجوی برداری، Tool Calling، Retry و Fallback ایجاد کند. بنابراین هزینه واقعی این سیستم‌ها فقط قیمت یک پاسخ نیست.

برای محاسبه درست قیمت API هوش مصنوعی باید این موارد را در نظر بگیرید:

مدل انتخاب‌شده
Token ورودی
Token خروجی
Cached Token
Reasoning Token
حجم Context
تعداد تصویر
کیفیت و ابعاد تصویر
مدت صوت
مدت و Resolution ویدئو
تعداد مراحل Agent
Tool Calling
RAG
Retry
Fallback
نرخ ارز
هزینه زیرساخت و Provider

در این مقاله، روش محاسبه هزینه مدل‌های مختلف را بررسی می‌کنیم و یاد می‌گیریم چگونه مصرف API را در محیط واقعی اندازه‌گیری و کنترل کنیم.

پاسخ کوتاه: قیمت API هوش مصنوعی چگونه محاسبه می‌شود؟

قیمت API هوش مصنوعی براساس مدل و نوع ورودی و خروجی محاسبه می‌شود. در مدل‌های متنی، هزینه معمولاً از مجموع Tokenهای ورودی و خروجی به دست می‌آید. در مدل‌های تصویر، صوت و ویدئو، عواملی مانند تعداد، کیفیت، Resolution و مدت نیز مؤثرند.

فرمول کلی مدل‌های متنی:

هزینه ورودی =
تعداد Token ورودی
÷ ۱٬۰۰۰٬۰۰۰
× قیمت یک میلیون Token ورودی

هزینه خروجی =
تعداد Token خروجی
÷ ۱٬۰۰۰٬۰۰۰
× قیمت یک میلیون Token خروجی

هزینه کل =
هزینه ورودی
+ هزینه خروجی
+ سایر هزینه‌های قابل اعمال

اگر Agent، RAG، ابزار یا Retry داشته باشید، هزینه تمام فراخوانی‌های ایجادشده باید با یکدیگر جمع شوند.

تفاوت قیمت اشتراک با قیمت API هوش مصنوعی

اشتراک یک اپلیکیشن چت با حساب API یکسان نیست.

در اشتراک اپلیکیشن، کاربر معمولاً مبلغ ثابتی برای استفاده از رابط آماده پرداخت می‌کند. محدودیت‌های مصرف نیز توسط همان اپلیکیشن تعیین می‌شوند.

در API، هزینه براساس مصرف واقعی نرم‌افزار محاسبه می‌شود.

ویژگی	اشتراک اپلیکیشن	API هوش مصنوعی
پرداخت ثابت ماهانه	معمولاً بله	معمولاً خیر
محاسبه بر اساس Token	برای کاربر قابل مشاهده نیست	معمولاً بله
استفاده در نرم‌افزار	محدود	بله
API Key	معمولاً ندارد	بله
کنترل Model ID	محدود	بله
اتصال به Backend	مستقیم نیست	بله
Tool Calling و RAG	محدود به محصول	قابل پیاده‌سازی
مدیریت بودجه	محدود	قابل برنامه‌ریزی

داشتن اشتراک یک سرویس چت معمولاً به معنی داشتن اعتبار API نیست. برای استفاده برنامه‌نویسی باید حساب API و Billing مربوط به آن را جداگانه بررسی کنید.

Token چیست؟

مدل‌های زبانی متن را مستقیماً به شکل کلمه کامل پردازش نمی‌کنند. متن به واحدهای کوچک‌تری به نام Token تقسیم می‌شود.

Token ممکن است:

یک کلمه
بخشی از کلمه
علامت نگارشی
عدد
فاصله
بخشی از کد

باشد.

تعداد Token دقیقاً با تعداد کلمات برابر نیست. زبان، Tokenizer و مدل بر تعداد Token اثر دارند.

برای مثال، این جمله:

API هوش مصنوعی برای اتصال نرم‌افزارها به مدل‌ها استفاده می‌شود.

ممکن است بسته به Tokenizer به تعداد متفاوتی Token تبدیل شود.

برای تخمین هزینه دقیق، بهتر است از اطلاعات Usage پاسخ API یا Tokenizer سازگار با همان مدل استفاده کنید.

Input Token چیست؟

Input Token تمام Tokenهایی است که به مدل ارسال می‌شوند.

ورودی فقط پیام جدید کاربر نیست و ممکن است شامل این موارد باشد:

System Prompt
پیام کاربر
تاریخچه گفتگو
اسناد RAG
توضیحات ابزارها
JSON Schema
نتیجه Toolهای قبلی
دستورهای امنیتی
نمونه‌های Few-shot
Memory
Metadata
پیام Agentهای دیگر

بنابراین ممکن است پیام کاربر فقط ۲۰ Token باشد، اما درخواست نهایی هزاران Token ورودی داشته باشد.

نمونه:

System Prompt: ۵۰۰ Token
تاریخچه گفتگو: ۳۰۰۰ Token
اسناد RAG: ۶۰۰۰ Token
پیام جدید کاربر: ۵۰ Token
Tool Schema: ۱۲۰۰ Token

مجموع ورودی:
۱۰٬۷۵۰ Token

اگر فقط متن پیام کاربر را برای محاسبه هزینه در نظر بگیرید، تخمین شما بسیار کمتر از مصرف واقعی خواهد بود.

Output Token چیست؟

Output Token مقدار محتوایی است که مدل تولید می‌کند.

خروجی می‌تواند شامل:

پاسخ متنی
کد
JSON
Tool Call
Structured Output
بعضی Tokenهای استدلالی، بسته به مدل و API

باشد.

قیمت Output Token در بسیاری از مدل‌ها بیشتر از Input Token است؛ زیرا تولید خروجی معمولاً منابع محاسباتی بیشتری مصرف می‌کند.

برای کاهش هزینه خروجی:

پاسخ را کوتاه درخواست کنید
قالب خروجی تعیین کنید
max_tokens یا سقف خروجی مناسب قرار دهید
از مدل نخواهید اطلاعات تکراری تولید کند
Structured Output محدود بسازید
توضیح طولانی را فقط هنگام نیاز فعال کنید

Cached Token چیست؟

بعضی مدل‌ها و Providerها از Prompt Caching پشتیبانی می‌کنند. اگر بخش بزرگی از Prompt در درخواست‌های بعدی تکرار شود، ممکن است Tokenهای کش‌شده با قیمت متفاوتی محاسبه شوند.

بخش‌های مناسب Cache:

System Prompt ثابت
دستورهای سازمانی
Tool Schema
مستندات ثابت
Context پایه
نمونه‌های Few-shot

Prompt Caching می‌تواند هزینه و Latency را کاهش دهد، اما چند شرط دارد:

مدل باید از Cache پشتیبانی کند
ساختار Prompt باید پایدار باشد
بخش ثابت معمولاً باید قبل از بخش متغیر قرار گیرد
حداقل طول برای Cache ممکن است وجود داشته باشد
Cache ممکن است TTL داشته باشد
Cache Hit تضمین‌شده نیست

اطلاعات Usage ممکن است Tokenهای Cached را جدا نشان دهد:

{
  "usage": {
    "prompt_tokens": 12000,
    "completion_tokens": 500,
    "prompt_tokens_details": {
      "cached_tokens": 8000
    }
  }
}

ساختار دقیق Usage به مدل و Provider بستگی دارد.

Reasoning Token چیست؟

مدل‌های استدلالی ممکن است پیش از تولید پاسخ نهایی، پردازش بیشتری انجام دهند. این بخش می‌تواند با عنوان‌هایی مانند Reasoning Token یا Thinking Token گزارش شود.

Reasoning بیشتر ممکن است کیفیت را برای مسائل پیچیده افزایش دهد، اما:

هزینه بیشتر می‌شود
Latency افزایش می‌یابد
برای وظایف ساده ارزش اقتصادی ندارد

مدل استدلالی برای این موارد مناسب‌تر است:

Debug پیچیده
تحلیل معماری
حل مسئله چندمرحله‌ای
برنامه‌ریزی Agent
تحلیل امنیتی
استدلال ریاضی
تصمیم‌سازی پیچیده

برای طبقه‌بندی ساده، استخراج فیلد، ترجمه کوتاه یا پاسخ FAQ معمولاً مدل سریع و اقتصادی مناسب‌تر است.

فرمول محاسبه قیمت مدل متنی

فرض کنید قیمت یک مدل به‌صورت زیر است:

ورودی:
A دلار برای یک میلیون Token

خروجی:
B دلار برای یک میلیون Token

اگر درخواست دارای:

۲۰٬۰۰۰ Token ورودی
۲٬۰۰۰ Token خروجی

باشد:

هزینه ورودی =
۲۰٬۰۰۰ ÷ ۱٬۰۰۰٬۰۰۰ × A

هزینه خروجی =
۲٬۰۰۰ ÷ ۱٬۰۰۰٬۰۰۰ × B

هزینه کل =
هزینه ورودی + هزینه خروجی

مثال فرضی:

قیمت ورودی:
۱ دلار برای یک میلیون Token

قیمت خروجی:
۴ دلار برای یک میلیون Token

محاسبه:

هزینه ورودی =
۲۰٬۰۰۰ ÷ ۱٬۰۰۰٬۰۰۰ × ۱
= ۰٫۰۲ دلار

هزینه خروجی =
۲٬۰۰۰ ÷ ۱٬۰۰۰٬۰۰۰ × ۴
= ۰٫۰۰۸ دلار

هزینه کل =
۰٫۰۲۸ دلار

این اعداد فقط مثال آموزشی هستند و قیمت واقعی مدل‌ها ممکن است تغییر کند.

تبدیل هزینه دلاری به ریالی

اگر قیمت پایه مدل دلاری باشد، هزینه ریالی به نرخ تبدیل ارز وابسته است.

فرمول ساده:

هزینه ریالی خام =
هزینه دلاری
× نرخ تبدیل دلار به ریال

هزینه نهایی ممکن است شامل این موارد نیز باشد:

هزینه Provider
هزینه انتقال و پرداخت
هزینه زیرساخت
هزینه Routing
هزینه Monitoring
هزینه پشتیبانی
حاشیه سرویس
مالیات یا هزینه‌های قانونی، در صورت اعمال

بنابراین مقایسه مبلغ کسرشده فقط با قیمت خام Provider ممکن است کامل نباشد. پلتفرم باید روش قیمت‌گذاری، نرخ تبدیل و هزینه نهایی را تا حد امکان شفاف نمایش دهد.

حداقل هزینه هر درخواست

بعضی زیرساخت‌ها ممکن است حداقل هزینه‌ای برای هر درخواست داشته باشند.

اگر هزینه محاسبه‌شده از حداقل کمتر باشد:

هزینه نهایی =
حداقل هزینه درخواست

این سیاست برای پوشش هزینه‌های ثابت پردازش، Routing، Logging و Billing استفاده می‌شود.

وجود حداقل هزینه باید در مستندات قیمت‌گذاری اعلام شود، زیرا روی درخواست‌های بسیار کوچک اثر بیشتری دارد.

چرا هزینه یک درخواست با شمارش Token پیام کاربر برابر نیست؟

هزینه براساس کل Payload پردازش‌شده محاسبه می‌شود، نه فقط سؤال جدید.

مواردی که ممکن است فراموش شوند:

System Prompt
تاریخچه کامل گفتگو
اسناد RAG
Tool Schema
خروجی ابزار
پیام‌های Agent
Retry
Fallback
Reasoning
تصویر ورودی
حداقل هزینه درخواست
نرخ تبدیل
هزینه‌های غیرTokenی مدل

اگر درخواست چند بار به دلیل Retry اجرا شود، هر تلاش می‌تواند مصرف جداگانه داشته باشد.

هزینه Context Window

Context Window ظرفیت مدل است، اما استفاده از Context بزرگ رایگان نیست. هر Token واردشده می‌تواند هزینه ایجاد کند.

برای مثال، اگر در هر درخواست ۵۰ هزار Token تاریخچه ارسال شود، حتی پاسخ کوتاه ممکن است هزینه قابل‌توجهی داشته باشد.

روش‌های کاهش هزینه Context:

محدود کردن تاریخچه
خلاصه‌سازی مکالمه
حذف پیام‌های نامرتبط
بازیابی هدفمند اسناد
کاهش تعداد Chunkهای RAG
استفاده از Metadata Filter
فشرده کردن Tool Result
شروع Session جدید هنگام تغییر موضوع
استفاده از حافظه ساختاریافته
نگهداری تصمیم‌ها به‌جای کل گفتگو

Context Window بزرگ‌تر به این معنی نیست که باید همیشه از تمام ظرفیت آن استفاده کنید.

هزینه Streaming

Streaming پاسخ را به‌تدریج ارسال می‌کند. در اغلب موارد، Streaming قیمت Token را کاهش نمی‌دهد.

مزیت Streaming:

نمایش سریع‌تر پاسخ
تجربه کاربری بهتر
کاهش زمان انتظار ادراکی
امکان توقف زودهنگام توسط کاربر

اگر کاربر پاسخ را زود متوقف کند و Provider تولید را لغو کند، ممکن است Output Token کمتری مصرف شود. اما این رفتار باید در همان API آزمایش شود.

در Streaming، اطلاعات Usage ممکن است:

در Chunk نهایی ارسال شود
نیازمند گزینه خاص باشد
در بعضی مدل‌ها ارائه نشود
با تأخیر در Log ثبت شود

برای Billing نباید فقط به متن دریافت‌شده در UI متکی باشید.

هزینه Structured Outputs

Structured Output معمولاً هزینه مستقلی جدا از Token ندارد، اما می‌تواند بر تعداد Tokenها و Retry اثر بگذارد.

مزایای اقتصادی:

خروجی کوتاه‌تر
Parsing ساده‌تر
کاهش پاسخ نامعتبر
کاهش Retry
اتصال مستقیم به Workflow

نمونه:

{
  "category": "billing",
  "priority": "high",
  "requires_human": true
}

در مقابل، اگر از مدل بخواهید توضیحی چندصفحه‌ای تولید کند و سپس آن را Parse کنید، Token خروجی و احتمال خطا افزایش می‌یابد.

هزینه Tool Calling

Tool Calling می‌تواند چند مرحله ایجاد کند:

کاربر
→ مدل
→ Tool Call
→ اجرای ابزار
→ نتیجه ابزار
→ مدل
→ پاسخ نهایی

در این جریان حداقل دو فراخوانی مدل ممکن است انجام شود:

انتخاب ابزار
تولید پاسخ نهایی پس از مشاهده نتیجه

اگر ابزار دیگری لازم باشد، مراحل بیشتر می‌شوند.

هزینه Tool Calling شامل:

Tokenهای مدل در هر Turn
Tool Schema
نتیجه ابزار
زیرساخت اجرای ابزار
API خارجی
Retry
Log و Monitoring

است.

هزینه RAG

یک سیستم RAG معمولاً این مراحل را دارد:

دریافت سؤال
ساخت Embedding سؤال
جست‌وجوی Vector Database
بازیابی Chunkها
افزودن Chunkها به Prompt
فراخوانی مدل زبانی
تولید پاسخ

هزینه RAG می‌تواند شامل این موارد باشد:

Embedding اسناد
Embedding سؤال
Vector Database
Storage
Search
Reranking
Token اسناد بازیابی‌شده
مدل تولید پاسخ
Citation و پردازش خروجی

هزینه یک‌باره Indexing

برای ساخت اولیه پایگاه دانش، تمام اسناد Chunk و Embedding می‌شوند.

هزینه Indexing =
مجموع Token اسناد
× قیمت Embedding

هزینه هر Query

هزینه Query =
Embedding سؤال
+ جست‌وجوی برداری
+ Reranking
+ Token Context بازیابی‌شده
+ Token خروجی مدل

بزرگ کردن تعداد Chunkهای بازیابی‌شده همیشه کیفیت را بهتر نمی‌کند و هزینه ورودی را افزایش می‌دهد.

هزینه AI Agent

در Agent، یک درخواست کاربر ممکن است چند Turn ایجاد کند.

نمونه:

۱. مدل درخواست را تحلیل می‌کند
۲. ابزار جست‌وجو را فراخوانی می‌کند
۳. مدل نتیجه را بررسی می‌کند
۴. API سفارش را فراخوانی می‌کند
۵. مدل درخواست تأیید می‌کند
۶. کاربر تأیید می‌کند
۷. ابزار ثبت Ticket اجرا می‌شود
۸. مدل پاسخ نهایی می‌سازد

هزینه Agent:

هزینه Agent =
مجموع هزینه تمام Model Callها
+ Tool Callها
+ RAG
+ Retry
+ Fallback
+ حافظه و Storage
+ Monitoring

بنابراین بهتر است به‌جای Cost per Request از این معیار استفاده کنید:

Cost per Successful Task

Cost per Successful Task چیست؟

ممکن است مدل ارزان در اولین تلاش وظیفه را حل نکند و چند Retry نیاز داشته باشد. مدل گران‌تر ممکن است با مراحل کمتر موفق شود.

فرمول:

Cost per Successful Task =
هزینه تمام تلاش‌ها
÷ تعداد Taskهای موفق

مثال:

مدل A:
هزینه هر تلاش ۰٫۰۱ دلار
نرخ موفقیت ۳۰ درصد

مدل B:
هزینه هر تلاش ۰٫۰۳ دلار
نرخ موفقیت ۹۰ درصد

مدل A لزوماً اقتصادی‌تر نیست، زیرا برای رسیدن به موفقیت ممکن است تلاش‌های بیشتری لازم باشد.

در Agentها این موارد را هم اندازه‌گیری کنید:

تعداد Turn
تعداد Tool Call
Retry
زمان توسعه‌دهنده
نرخ نیاز به مداخله انسانی
نرخ شکست
Latency
Regression

هزینه Multi-Agent

در سیستم Multi-Agent چند Agent تخصصی با یکدیگر کار می‌کنند.

برای مثال:

Triage Agent
Research Agent
Analysis Agent
Reviewer Agent
Final Response Agent

هر Agent می‌تواند یک یا چند Model Call داشته باشد. اگر Agentها موازی اجرا شوند، Latency کاهش می‌یابد، اما هزینه کل افزایش پیدا می‌کند.

فرمول مفهومی:

هزینه Multi-Agent =
مجموع هزینه تمام Agentها
+ Orchestration
+ Shared Context
+ Review
+ Retry

Multi-Agent را فقط زمانی استفاده کنید که تخصص و جداسازی وظایف ارزش واقعی ایجاد کند.

قیمت API تولید تصویر

مدل‌های تصویر ممکن است به روش‌های مختلف قیمت‌گذاری شوند:

قیمت ثابت هر تصویر
ابعاد تصویر
کیفیت
تعداد تصویر
Token ورودی
Token خروجی تصویری
تعداد مراحل
نوع مدل
ویرایش یا تولید
Reference Image
Batch

عوامل مؤثر:

Resolution

تصویر بزرگ‌تر معمولاً پردازش بیشتری نیاز دارد.

نمونه ابعاد:

1024×1024
1536×1024
1024×1536

کیفیت

سطوحی مانند:

low
medium
high

می‌توانند قیمت متفاوت داشته باشند.

تعداد خروجی

اگر n=4 باشد، ممکن است هزینه چهار تصویر محاسبه شود.

ورودی تصویر

در Image Editing یا Image-to-Image، پردازش تصویر ورودی نیز ممکن است هزینه داشته باشد.

Tokenهای تصویری

بعضی مدل‌ها هزینه را بر اساس Tokenهای تصویری محاسبه می‌کنند. در این حالت، فقط usage متنی پاسخ برای تخمین کافی نیست.

چرا هزینه تصویر از Token نشان‌داده‌شده بیشتر است؟

دلایل احتمالی:

هزینه خروجی تصویر جدا محاسبه شده است
Resolution بالاتر انتخاب شده است
کیفیت High بوده است
چند تصویر تولید شده است
Token تصویری جداست
هزینه Generation در Usage متنی نمایش داده نشده است
حداقل هزینه درخواست اعمال شده است
نرخ تبدیل ارز و هزینه سرویس اضافه شده است

برای محاسبه دقیق، باید مدل قیمت‌گذاری همان Endpoint تصویری را بررسی کرد.

قیمت API تحلیل تصویر

در مدل‌های Vision، تصویر ورودی می‌تواند به Token تصویری تبدیل شود.

عوامل مؤثر:

ابعاد تصویر
Detail Level
تعداد تصاویر
مدل
Prompt متنی
پاسخ خروجی
Base64 یا URL
پیش‌پردازش Provider

اگر چند تصویر ارسال کنید، مصرف هر تصویر می‌تواند به هزینه اضافه شود.

برای کاهش هزینه:

تصویر را به اندازه لازم Resize کنید
از Detail پایین‌تر برای تحلیل عمومی استفاده کنید
تصاویر تکراری را Cache کنید
فقط بخش لازم را Crop کنید
تعداد تصویر را محدود کنید

قیمت تبدیل گفتار به متن

Speech-to-Text معمولاً براساس مدت صوت قیمت‌گذاری می‌شود.

فرمول کلی:

هزینه =
مدت صوت
× قیمت هر دقیقه یا ساعت

عوامل دیگر:

مدل
زبان
Diarization
Timestamp
کیفیت صوت
Realtime یا Batch
تعداد کانال
Translation

برای کاهش هزینه:

سکوت‌های طولانی را حذف کنید
فایل‌ها را فشرده کنید
بخش‌های غیرضروری را ارسال نکنید
Batch Processing را بررسی کنید
مدل مناسب کیفیت صوت را انتخاب کنید

قیمت تبدیل متن به گفتار

Text-to-Speech ممکن است براساس موارد زیر قیمت‌گذاری شود:

تعداد کاراکتر
Token
مدت صوت خروجی
نوع صدا
کیفیت
مدل
Voice Cloning
Realtime

فرمول کلی:

هزینه =
تعداد کاراکتر یا Token ورودی
× نرخ مدل

صدای باکیفیت‌تر یا مدل چندزبانه ممکن است قیمت بیشتری داشته باشد.

قیمت API تولید ویدئو

تولید ویدئو از پرهزینه‌ترین کاربردهای AI API است.

عوامل مهم:

مدت ویدئو
Resolution
Frame Rate
نسبت تصویر
کیفیت
مدل
صدا
Text-to-Video
Image-to-Video
Reference Video
تعداد Generation

یک فرمول عمومی ثابت برای تمام مدل‌های ویدئویی وجود ندارد.

بعضی مدل‌ها قیمت ثابت برای هر ثانیه دارند. برخی هزینه را بر اساس Tokenهای ویدئویی محاسبه می‌کنند.

فرمول نمونه Token ویدئویی ممکن است شکلی شبیه این داشته باشد:

Video Tokens =
عرض
× ارتفاع
× مدت
× Frame Rate
÷ ضریب مدل

ضریب و فرمول دقیق باید از مستندات همان مدل دریافت شود.

تأثیر Resolution بر قیمت ویدئو

افزایش عرض و ارتفاع باعث رشد تعداد Pixelها می‌شود.

برای مثال، دو برابر کردن عرض و ارتفاع به معنی چهار برابر شدن تعداد Pixel است:

عرض × ۲
ارتفاع × ۲

تعداد Pixel:
× ۴

بنابراین افزایش Resolution می‌تواند هزینه را به‌صورت غیرخطی افزایش دهد.

تأثیر مدت ویدئو

اگر قیمت براساس ثانیه یا Token ویدئویی باشد، افزایش مدت مستقیماً هزینه را افزایش می‌دهد.

برای کنترل هزینه:

ابتدا نسخه کوتاه تولید کنید
Prompt را قبل از Generation نهایی آزمایش کنید
از Resolution پایین برای Preview استفاده کنید
خروجی‌های ناموفق را تحلیل کنید
تعداد Variation را محدود کنید
Seed یا Reference مناسب استفاده کنید

هزینه Retry

اگر درخواست به دلیل Timeout یا خطای موقت دوباره ارسال شود، ممکن است تلاش قبلی نیز مصرف ایجاد کرده باشد.

Retry باید فقط برای خطاهای مناسب انجام شود:

Timeout
429
خطای شبکه
۵xx

این خطاها معمولاً نباید Retry شوند:

401
403
Model not found
ورودی نامعتبر
موجودی ناکافی

Retry نامحدود می‌تواند هزینه را چند برابر کند.

هزینه Fallback

Fallback یعنی پس از شکست مدل اصلی، مدل دیگری استفاده شود.

مدل اصلی
→ شکست
→ مدل جایگزین

اگر مدل اصلی بخشی از پاسخ را پردازش کرده باشد، ممکن است هزینه آن نیز محاسبه شود. سپس درخواست کامل یا بخشی از آن برای مدل جایگزین ارسال می‌شود.

بنابراین:

هزینه Fallback =
هزینه تلاش اول
+ هزینه مدل جایگزین

Fallback باید:

برای خطاهای مناسب فعال شود
سقف تعداد داشته باشد
مدل سازگار انتخاب کند
در Observability ثبت شود
در محاسبه Billing لحاظ شود

هزینه Batch API

Batch Processing برای کارهایی مناسب است که پاسخ فوری لازم ندارند:

پردازش هزاران متن
Embedding اسناد
طبقه‌بندی
خلاصه‌سازی انبوه
تولید Metadata
ارزیابی Dataset

بعضی Providerها برای Batch قیمت کمتر یا Rate Limit متفاوت ارائه می‌کنند.

مزایا:

هزینه کمتر در بعضی سرویس‌ها
پردازش انبوه
مدیریت بهتر Queue
مناسب Taskهای آفلاین

محدودیت:

پاسخ فوری نیست
مدیریت Job لازم است
خطای هر Item باید بررسی شود
نتیجه ممکن است با تأخیر آماده شود

چگونه هزینه ماهانه را تخمین بزنیم؟

ابتدا این متغیرها را مشخص کنید:

کاربران فعال روزانه
درخواست هر کاربر
Token ورودی متوسط
Token خروجی متوسط
روزهای فعالیت
نرخ Retry
درصد Fallback
درخواست‌های RAG
تعداد Tool Call
نوع مدل

فرمول ساده:

درخواست ماهانه =
کاربران فعال روزانه
× درخواست هر کاربر
× روزهای ماه

Token ورودی ماهانه:

درخواست ماهانه
× میانگین Token ورودی

Token خروجی ماهانه:

درخواست ماهانه
× میانگین Token خروجی

سپس قیمت مدل اعمال می‌شود.

مثال تخمین هزینه ماهانه

فرض کنید:

۱۰۰۰ کاربر فعال روزانه
۵ درخواست برای هر کاربر
۳۰ روز
۱۵۰۰ Token ورودی در هر درخواست
۳۰۰ Token خروجی در هر درخواست

تعداد درخواست:

۱۰۰۰ × ۵ × ۳۰
= ۱۵۰٬۰۰۰ درخواست

Token ورودی:

۱۵۰٬۰۰۰ × ۱۵۰۰
= ۲۲۵٬۰۰۰٬۰۰۰ Token

Token خروجی:

۱۵۰٬۰۰۰ × ۳۰۰
= ۴۵٬۰۰۰٬۰۰۰ Token

حالا باید نرخ ورودی و خروجی مدل انتخاب‌شده اعمال شود. سپس هزینه Retry، Fallback، Embedding و زیرساخت اضافه شود.

محاسبه هزینه با Python

from dataclasses import dataclass


@dataclass
class ModelPrice:
    input_per_million: float
    output_per_million: float
    cached_input_per_million: (
        float | None
    ) = None


def calculate_text_cost(
    input_tokens: int,
    output_tokens: int,
    price: ModelPrice,
    cached_tokens: int = 0,
) -> dict:
    normal_input_tokens = max(
        input_tokens - cached_tokens,
        0,
    )

    input_cost = (
        normal_input_tokens
        / 1_000_000
        * price.input_per_million
    )

    cached_rate = (
        price.cached_input_per_million
        if price.cached_input_per_million
        is not None
        else price.input_per_million
    )

    cached_cost = (
        cached_tokens
        / 1_000_000
        * cached_rate
    )

    output_cost = (
        output_tokens
        / 1_000_000
        * price.output_per_million
    )

    total_cost = (
        input_cost
        + cached_cost
        + output_cost
    )

    return {
        "input_cost": input_cost,
        "cached_cost": cached_cost,
        "output_cost": output_cost,
        "total_cost": total_cost,
    }

استفاده با قیمت فرضی:

price = ModelPrice(
    input_per_million=1.0,
    output_per_million=4.0,
    cached_input_per_million=0.2,
)

result = calculate_text_cost(
    input_tokens=20_000,
    output_tokens=2_000,
    cached_tokens=8_000,
    price=price,
)

print(result)

قیمت‌ها را Hard-code نکنید. بهتر است از Model Registry یا تنظیمات قابل به‌روزرسانی استفاده کنید.

محاسبه هزینه با JavaScript

function calculateTextCost({
  inputTokens,
  outputTokens,
  cachedTokens = 0,
  inputPricePerMillion,
  outputPricePerMillion,
  cachedPricePerMillion,
}) {
  const normalInputTokens =
    Math.max(
      inputTokens - cachedTokens,
      0
    );

  const inputCost =
    normalInputTokens
    / 1_000_000
    * inputPricePerMillion;

  const cachedRate =
    cachedPricePerMillion
    ?? inputPricePerMillion;

  const cachedCost =
    cachedTokens
    / 1_000_000
    * cachedRate;

  const outputCost =
    outputTokens
    / 1_000_000
    * outputPricePerMillion;

  return {
    inputCost,
    cachedCost,
    outputCost,
    totalCost:
      inputCost
      + cachedCost
      + outputCost,
  };
}

ثبت Usage در Python

اتصال به API درواره:

import os

from openai import OpenAI


client = OpenAI(
    api_key=os.environ[
        "DARVAREH_API_KEY"
    ],
    base_url=(
        "https://api.darvareh.ir/v1"
    ),
)

response = (
    client.chat.completions.create(
        model="YOUR_MODEL_ID",
        messages=[
            {
                "role": "user",
                "content": (
                    "API هوش مصنوعی "
                    "را توضیح بده."
                ),
            }
        ],
    )
)

usage = response.usage

print({
    "input_tokens":
        usage.prompt_tokens,
    "output_tokens":
        usage.completion_tokens,
    "total_tokens":
        usage.total_tokens,
})

ساختار Usage ممکن است بسته به مدل متفاوت باشد.

مدیریت قیمت مدل‌ها

یک جدول Model Registry بسازید:

CREATE TABLE model_pricing (
    model_id TEXT PRIMARY KEY,
    input_price_per_million NUMERIC,
    output_price_per_million NUMERIC,
    cached_input_price_per_million NUMERIC,
    pricing_unit TEXT NOT NULL,
    currency TEXT NOT NULL,
    effective_from TIMESTAMPTZ NOT NULL,
    effective_to TIMESTAMPTZ
);

قیمت باید دارای تاریخ اعتبار باشد. اگر قیمت تغییر کند، مصرف قبلی نباید با قیمت جدید دوباره محاسبه شود.

برای هر درخواست ثبت کنید:

Model ID
قیمت در زمان درخواست
نرخ ارز در زمان درخواست
Token
هزینه خام
هزینه نهایی
Request ID

نرخ ارز و تاریخچه قیمت

اگر Billing ریالی و قیمت پایه دلاری است، نرخ ارز باید در زمان درخواست ثبت شود.

ساختار مناسب:

CREATE TABLE exchange_rates (
    id UUID PRIMARY KEY,
    base_currency TEXT NOT NULL,
    quote_currency TEXT NOT NULL,
    rate NUMERIC NOT NULL,
    effective_at TIMESTAMPTZ NOT NULL
);

در Usage Log بهتر است exchange_rate_id یا نرخ Snapshotشده ذخیره شود.

این کار باعث می‌شود:

صورتحساب قابل بازسازی باشد
تغییر نرخ فقط روی مصرف آینده اعمال شود
اختلاف مالی قابل بررسی باشد
گزارش تاریخی دقیق بماند

کنترل هزینه برای هر کاربر

در SaaS، مصرف باید به کاربر یا Organization نسبت داده شود.

اطلاعات پیشنهادی:

{
  "user_id": "user-42",
  "organization_id": "org-1",
  "api_key_id": "key-10",
  "model_id": "MODEL_ID",
  "input_tokens": 1200,
  "output_tokens": 300,
  "cost": 0.0024,
  "request_id": "req-123"
}

بودجه می‌تواند در چند سطح باشد:

حساب
Organization
API Key
کاربر
پروژه
مدل
روزانه
ماهانه

محدود کردن Max Tokens

برای جلوگیری از خروجی بسیار بلند:

response = (
    client.chat.completions.create(
        model="YOUR_MODEL_ID",
        messages=messages,
        max_tokens=500,
    )
)

بعضی مدل‌ها به‌جای max_tokens از پارامتر دیگری مانند max_completion_tokens استفاده می‌کنند. سازگاری Model ID را بررسی کنید.

سقف بیش از حد پایین ممکن است پاسخ را ناقص کند. مقدار باید متناسب با Task باشد.

کاهش هزینه با Model Routing

همه درخواست‌ها را به مدل گران ارسال نکنید.

نمونه:

وظیفه	مدل پیشنهادی
طبقه‌بندی	سریع و اقتصادی
استخراج اطلاعات	مدل کوچک با خروجی ساختاریافته
خلاصه‌سازی	مدل استاندارد
استدلال پیچیده	مدل قوی
کدنویسی	مدل Coding
تصویر	مدل تصویری متناسب با کیفیت
Preview ویدئو	Resolution پایین
خروجی نهایی ویدئو	مدل و کیفیت بالاتر

Router می‌تواند نوع Task، ریسک، بودجه و Latency را بررسی کند.

کاهش هزینه RAG

Chunk مناسب بسازید
تعداد نتایج را محدود کنید
Metadata Filter اعمال کنید
Hybrid Search استفاده کنید
Reranking انجام دهید
اسناد تکراری را حذف کنید
Context را فشرده کنید
پاسخ‌های پرتکرار را Cache کنید
Embedding سند را دوباره نسازید
فقط اسناد تغییرکرده را Re-index کنید

کاهش هزینه Agent

سقف Turn تعیین کنید
Tool Call تکراری را تشخیص دهید
نتیجه ابزار را خلاصه کنید
Agentهای غیرضروری را حذف کنید
Task ساده را به Workflow تبدیل کنید
مدل سریع برای Triage استفاده کنید
Human Approval را فقط برای عملیات حساس قرار دهید
Retry را محدود کنید
Deadline و Budget تعریف کنید
Context Agentها را جدا کنید

Cache پاسخ

برای درخواست‌های قطعی یا پرتکرار می‌توان پاسخ را Cache کرد.

Cache Key باید شامل موارد زیر باشد:

Model ID
Prompt Version
ورودی
تنظیمات
Tenant
زبان
نسخه داده

برای داده شخصی، پویا یا حساس، Cache باید Scope و TTL مناسب داشته باشد.

Monitoring هزینه

Metricهای ضروری:

هزینه روزانه
هزینه ماهانه
هزینه هر مدل
هزینه هر API Key
هزینه هر کاربر
هزینه هر Organization
Cost per Request
Cost per Successful Task
Token ورودی
Token خروجی
Cache Hit Rate
Retry Rate
Fallback Rate
Tool Calls
Agent Turns

Alertها:

عبور از بودجه روزانه
رشد ناگهانی مصرف
افزایش Output Token
افزایش Retry
استفاده از مدل گران غیرمنتظره
افزایش مصرف API Key
کاهش Cache Hit
Loop Agent

خطاهای رایج در محاسبه قیمت

محاسبه فقط پیام آخر

تاریخچه، System Prompt و RAG نادیده گرفته می‌شوند.

استفاده از قیمت یکسان برای ورودی و خروجی

در بسیاری از مدل‌ها قیمت متفاوت است.

نادیده گرفتن Cached Token

ممکن است قیمت متفاوتی داشته باشد.

نادیده گرفتن Tool Loop

یک درخواست کاربر چند Model Call ایجاد می‌کند.

نادیده گرفتن Retry و Fallback

تلاش‌های شکست‌خورده ممکن است مصرف داشته باشند.

محاسبه تصویر از روی Token متن

هزینه Generation یا Token تصویری ممکن است جدا باشد.

استفاده از قیمت فعلی برای Usage تاریخی

قیمت و نرخ ارز باید Snapshot شوند.

Hard-code کردن قیمت‌ها

قیمت مدل‌ها تغییر می‌کند و نیاز به Registry دارد.

نداشتن حداقل هزینه

اگر پلتفرم حداقل هزینه اعمال می‌کند، باید در Calculator لحاظ شود.

انتخاب API هوش مصنوعی ارزان

«ارزان» فقط به قیمت Token مربوط نیست.

معیارهای درست:

Cost per Successful Task
کیفیت پاسخ
Retry
Latency
پایداری
Rate Limit
Context
Tool Calling
هزینه توسعه
هزینه Review
Fallback
دسترسی و روش پرداخت

مدلی با قیمت بالاتر ممکن است با مراحل کمتر، نتیجه اقتصادی‌تری ایجاد کند.

قیمت API هوش مصنوعی درواره

درواره یک API سازگار با OpenAI ارائه می‌کند و توسعه‌دهندگان می‌توانند از طریق آن به مدل‌های مختلف دسترسی داشته باشند.

Base URL:

https://api.darvareh.ir/v1

قیمت هر مدل می‌تواند بر اساس موارد زیر متفاوت باشد:

Provider
مدل
نوع ورودی و خروجی
Token
تصویر
صوت
ویدئو
نرخ ارز
سیاست قیمت‌گذاری

پیش از استفاده:

صفحه مدل را بررسی کنید
واحد قیمت‌گذاری را بخوانید
ورودی و خروجی را جدا ببینید
ویژگی‌های غیرTokenی را بررسی کنید
درخواست آزمایشی ارسال کنید
Usage و مبلغ کسرشده را مقایسه کنید
سپس تخمین Production بسازید

چک‌لیست کنترل هزینه Production

قیمت

قیمت مدل ثبت شده است
واحد قیمت‌گذاری مشخص است
ورودی و خروجی جدا هستند
تاریخ اعتبار قیمت وجود دارد
نرخ ارز Snapshot می‌شود

Usage

Token ثبت می‌شود
تصویر و ویدئو جدا ثبت می‌شوند
Tool Call ثبت می‌شود
Retry و Fallback ثبت می‌شوند
Request ID وجود دارد

بودجه

سقف روزانه وجود دارد
سقف ماهانه وجود دارد
بودجه API Key تعریف شده است
Alert فعال است
رفتار پس از عبور از بودجه مشخص است

بهینه‌سازی

Model Routing وجود دارد
Context محدود است
Max Tokens تعیین شده است
Cache بررسی شده است
Agent Loop محدود است
Batch برای Taskهای آفلاین بررسی شده است

امنیت

API Key در Frontend نیست
مصرف هر Tenant جداست
Rate Limit وجود دارد
سوءاستفاده شناسایی می‌شود
کلید افشاشده سریع ابطال می‌شود

پرسش‌های متداول

قیمت API هوش مصنوعی چگونه محاسبه می‌شود؟

در مدل متنی معمولاً براساس Token ورودی و خروجی و در مدل‌های تصویر، صوت و ویدئو براساس واحدهایی مانند تعداد، کیفیت، Resolution و مدت محاسبه می‌شود.

Token چیست؟

واحدی است که مدل برای پردازش ورودی و تولید خروجی استفاده می‌کند. Token الزاماً یک کلمه کامل نیست.

آیا Token ورودی و خروجی قیمت یکسان دارند؟

در بسیاری از مدل‌ها خیر. قیمت خروجی ممکن است بیشتر باشد.

آیا System Prompt هم هزینه دارد؟

بله. تمام محتوای ارسال‌شده به مدل بخشی از Input Token است.

آیا تاریخچه چت هزینه دارد؟

بله. اگر تاریخچه در هر درخواست دوباره ارسال شود، Token ورودی ایجاد می‌کند.

Streaming ارزان‌تر است؟

معمولاً خیر. Streaming روش دریافت پاسخ را تغییر می‌دهد.

آیا RAG هزینه را افزایش می‌دهد؟

RAG هزینه Embedding، جست‌وجو، Context اسناد و تولید پاسخ دارد، اما می‌تواند دقت را افزایش و Hallucination را کاهش دهد.

Agent چقدر هزینه دارد؟

به تعداد Turn، مدل، Tool Call، RAG، Retry و Fallback وابسته است. یک درخواست کاربر ممکن است چند فراخوانی مدل ایجاد کند.

چرا هزینه تصویر با Token متن برابر نیست؟

زیرا تولید تصویر ممکن است هزینه مستقل، Token تصویری، کیفیت، Resolution یا قیمت ثابت هر Generation داشته باشد.

چرا هزینه ویدئو زیاد است؟

ویدئو شامل تعداد زیادی Frame و Pixel است و مدت، Resolution، Frame Rate و مدل بر هزینه اثر دارند.

Cached Token چیست؟

بخشی از Prompt تکراری است که در مدل‌های پشتیبان Cache ممکن است با قیمت متفاوت پردازش شود.

Reasoning Token چیست؟

Token یا ظرفیت محاسباتی مربوط به استدلال داخلی بعضی مدل‌هاست و می‌تواند هزینه و Latency را افزایش دهد.

چگونه هزینه را کاهش دهیم؟

مدل مناسب انتخاب کنید، Context را محدود کنید، Max Tokens تعیین کنید، Cache و Batch را بررسی کنید و Agent Loop و Retry را کنترل کنید.

چگونه هزینه ماهانه را تخمین بزنیم؟

تعداد درخواست، Token متوسط، قیمت مدل، روزهای فعالیت، Retry، Fallback، RAG و Agent Turnها را محاسبه کنید.

API هوش مصنوعی رایگان است؟

بعضی سرویس‌ها اعتبار یا مدل آزمایشی دارند، اما Production معمولاً براساس مصرف هزینه دارد.

Base URL درواره چیست؟

https://api.darvareh.ir/v1

مدل‌های قابل دسترس را چگونه دریافت کنیم؟

GET https://api.darvareh.ir/v1/models

آیا می‌توان برای API Key بودجه تعیین کرد؟

در یک زیرساخت حرفه‌ای بهتر است بودجه روزانه و ماهانه، RPM و TPM برای هر کلید قابل تنظیم باشد.

جمع‌بندی

قیمت API هوش مصنوعی فقط از تعداد کلمات پیام کاربر به دست نمی‌آید. برای محاسبه دقیق باید تمام ورودی، خروجی و مراحل پردازش را در نظر بگیرید.

در مدل متنی:

هزینه =
Input Token
+ Output Token
+ Cached Token
+ Reasoning Token

در RAG:

هزینه =
Embedding
+ Vector Search
+ Reranking
+ Context
+ Model Output

در Agent:

هزینه =
مجموع Model Callها
+ Tool Calls
+ RAG
+ Retry
+ Fallback

در مدل‌های تصویر، صوت و ویدئو نیز تعداد، کیفیت، Resolution، مدت و نوع مدل اهمیت دارند.

برای کنترل هزینه:

Usage واقعی را ثبت کنید
قیمت‌ها را Versioning کنید
نرخ ارز را Snapshot کنید
Model Routing بسازید
Context را کاهش دهید
Max Tokens تعیین کنید
Retry و Fallback را محدود کنید
Agent Turnها را کنترل کنید
بودجه و Alert تعریف کنید
Cost per Successful Task را اندازه بگیرید

درواره با ارائه API سازگار با OpenAI، امکان دسترسی به مدل‌های مختلف را از طریق یک Base URL فراهم می‌کند:

https://api.darvareh.ir/v1

پیش از انتخاب مدل، علاوه بر قیمت خام Token، کیفیت، Latency، پایداری، Rate Limit و هزینه واقعی موفقیت را بررسی کنید.

مقالات مرتبط پیشنهادی

برای مشاهده مدل‌های هوش مصنوعی و بررسی قیمت هر مدل، در درواره ثبت‌نام کنید و از صفحه مدل‌ها، واحد قیمت‌گذاری، قابلیت‌ها و کاربرد مدل موردنظر را بررسی کنید.

پس از ساخت API Key، مدل‌های فعال را از Endpoint زیر دریافت کنید:

https://api.darvareh.ir/v1/models

سپس یک درخواست آزمایشی ارسال کنید، Usage واقعی را اندازه بگیرید و براساس الگوی مصرف پروژه، هزینه روزانه و ماهانه را تخمین بزنید.

با استفاده از API سازگار با OpenAI درواره می‌توانید مدل‌های متناسب با کیفیت، سرعت و بودجه پروژه را از طریق یک اتصال واحد به نرم‌افزار خود اضافه کنید.