Resumen
- La facturación del uso alojado cuesta $0,22 por 1M de tokens, ponderado con una proporción de entrada a salida de 4:1.
- Un servidor hipotético de $100 al mes llega al punto de equilibrio con ello con unos 455M tokens al mes.
- Autoalojar añade trabajo: configuración, actualizaciones, monitoreo y tiempo de inactividad que aún pagas.
- La prueba de $0,50 cubre aproximadamente 2,3M de tokens con la misma mezcla, suficiente para una prueba real.
La opción más barata depende de tu volumen
Si quieres una API LLM sin censura a bajo costo, la respuesta tiene dos partes. Para cargas de trabajo pequeñas y medianas, una API alojada facturada por token es casi siempre más barata, porque no pagas nada mientras estás inactivo. Para cargas de trabajo muy grandes y constantes, un modelo autoalojado en hardware que controlas puede ganar en precio por token, siempre que cuentes tu propio tiempo.
La cifra decisiva es la que calcula este artículo: el volumen mensual de tokens en el que un costo de servidor fijo iguala la facturación por token. Cobramos $0,15 por 1M de tokens de entrada y $0,50 por 1M de tokens de salida, desde crédito prepago sin suscripción. Las peticiones fallidas o rechazadas no se cobran y el crédito no caduca. Todo lo siguiente convierte esos dos números en comparaciones que puedes reutilizar.
Lo que cuesta la facturación del uso alojado
Comienza con una vista por petición. Un turno de chat con 1.500 tokens de entrada y 500 de salida cuesta 1.500 / 1.000.000 x $0,15 = $0,000225 para entrada y 500 / 1.000.000 x $0,50 = $0,00025 para salida. El total es $0,000475. Mil de ellos cuestan $0,475.
| Carga de trabajo por mes | Entrada | Salida | Costo |
|---|---|---|---|
| Bot de uso personal, 3.000 turnos de chat | 4.5M | 1.5M | $0,675 + $0,75 = $1,425 |
| App pequeña, 30.000 turnos de chat | 45M | 15M | $6,75 + $7,50 = $14,25 |
| Servicio ocupado, 300.000 turnos de chat | 450M | 150M | $67,50 + $75,00 = $142,50 |
El costo escala linealmente y comienza en cero. Nada en esa tabla requiere un depósito mayor que el mínimo de $20 para las dos primeras filas.
Las recargas son cualquier cantidad entera de $20 a $500, pagadas en cripto (USDT en TRC20 o USDC en Base). Los bonos añaden +5% desde $50, +10% desde $100 y +15% desde $200, por lo que una recarga de $200 se convierte en $230 de crédito. De esos $230, $30 es bono, aproximadamente el 13% del crédito.
La salida es donde se concentra la factura. En la fila de aplicación pequeña, la salida es una cuarta parte de los tokens pero más de la mitad del costo ($7,50 de $14,25). Si quieres reducir el gasto, pide respuestas más cortas primero. Reducir a la mitad la longitud de la salida en esa fila ahorra $3,75 al mes, mientras que reducir a la mitad la entrada ahorra solo $3,375. Ambas valen la pena, y el ahorro en la salida es mayor con menos esfuerzo.
Lo que cuesta realmente el autoalojamiento
Ejecutar un modelo de pesos abiertos sin censura tú mismo parece gratis porque los pesos son públicos. Los costos están en otro lugar:
- Hardware. Un modelo lo suficientemente grande para escribir bien necesita una GPU con mucha memoria, ya sea comprada o alquilada por hora o mes. Revisa los precios de alquiler actuales del proveedor que usarías; no los cotizamos aquí.
- Tiempo inactivo. Un servidor alquilado factura si sirve una petición o mil.
- Configuración y mantenimiento. El software de servicio, las elecciones de cuantización, actualizaciones, monitoreo, reinicios y un wrapper compatible con OpenAI son tu responsabilidad.
- Planificación de capacidad de procesamiento. La concurrencia y la longitud de la ventana de contexto compiten por la misma memoria de GPU, por lo que los ajustas o pones las peticiones en cola.
- Escalado. Un pico de tráfico necesita más servidores. Una API lo absorbe por ti, dentro de sus límites.
Nada de esto es una razón para evitar autoalojar. Es una razón para ponerle un número a tu propio tiempo antes de comparar.
El punto de equilibrio
Mezcla las dos tarifas usando una proporción de entrada a salida de 4:1, común en chats con historial. Parte de entrada: 0,8 x $0,15 = $0,12. Parte de salida: 0,2 x $0,50 = $0,10. Precio mezclado: $0,22 por 1M de tokens.
Ahora divide un costo mensual de servidor por esa combinación. Estos costos de servidor son ejemplos para mostrar el método, no cotizaciones:
| Costo mensual de servidor (ejemplo) | Volumen de punto de equilibrio | Mismo volumen que turnos de chat de 1.600 tokens de entrada / 400 tokens de salida |
|---|---|---|
| $50 | $50 / $0,22 = unos 227M de tokens | unos 113.600 |
| $100 | $100 / $0,22 = unos 455M de tokens | unos 227.300 |
| $300 | $300 / $0,22 = unos 1,36B de tokens | unos 681.800 |
Por debajo de esos volúmenes, la API alojada es más barata antes de contar tu tiempo. Por encima, el servidor puede ganar, pero solo si está realmente ocupado y solo si puede seguir el ritmo de tu concurrencia máxima. Una clave completa aquí maneja 8 peticiones simultáneas y 300 peticiones por minuto, así que verifica que tu pico se ajuste o pregúntate cuánto costaría un segundo servidor.
El trabajo con alta generación de salida desplaza la combinación hacia arriba. Con una mezcla 1:1 la combinación es $0,325 por 1M, lo que mueve el punto de equilibrio hacia abajo a unos 308M de tokens para un servidor de $100.
Formas de mantener la factura pequeña
Independientemente de la ruta que elijas, puedes reducir el conteo de tokens en sí.
- Recorta el historial. Los turnos antiguos se facturan como entrada en cada llamada. Mantén los últimos 10 a 20 mensajes o resume el resto.
- Acorta el prompt del sistema. Un prompt del sistema de 1.500 tokens en 30.000 llamadas son 45M de tokens, o $6,75.
- Limita la salida donde tenga sentido. La salida es el lado más caro. Usa
max_tokenspara tareas con una longitud conocida y pide respuestas concisas. - No reintentes a ciegas. En HTTP 429, lee
Retry-Aftery espera. Los códigos sonrate_limitedyconcurrency. - Guarda en caché lo que se repite. Si haces la misma pregunta dos veces al día, guarda la respuesta.
El análisis de costo y contrapartida en este sitio entra más en detalle sobre lo que sacrificas y obtienes con los modelos sin censura en general.
Costos ocultos en la versión alojada
La facturación por uso no está exenta de compensaciones, y es justo listarlas.
- Límites. Una clave con límites completos permite 8 peticiones simultáneas y 300 por minuto. Una carga de trabajo que necesite mucho más debe distribuirse entre claves o moverse a instalaciones propias.
- Un solo modelo. Obtienes lo que ejecuta el servicio. No puedes sustituirlo por tus propios pesos ni ajustar el modelo.
- Techo de contexto. La ventana es de 100,000 tokens para prompt más respuesta.
- Ruta de pago. Las recargas son en cripto, lo que algunos equipos no pueden usar.
- Dependencia. Dependes de que un proveedor externo esté disponible. No publiques promesas a tus propios usuarios que dependan de una cifra específica de tiempo de actividad, porque ninguna se indica aquí.
Los prompts no se utilizan para entrenamiento, lo que responde parte de la pregunta de privacidad, aunque una configuración autoalojada que nunca sale de tu red sigue siendo la posición más sólida si tus datos son altamente sensibles.
Una lista de verificación de decisión corta
Responde estas en orden y detente en la primera que decida el resultado.
- ¿Tu volumen mensual está por debajo del punto de equilibrio del servidor más barato que podrías alquilar? Usa la API alojada.
- ¿Tus datos deben permanecer en hardware que controlas? Autoaloja, sea cual sea el precio.
- ¿Necesitas modificar el modelo o ejecutar una versión específica? Autoaloja.
- ¿Es tu tráfico irregular o impredecible? Usa la API alojada y paga solo por lo que se use.
- ¿Nadie en tu equipo puede mantener un servidor GPU? Usa la API alojada.
La mayoría de los equipos pequeños terminan en la versión alojada durante los primeros meses y solo lo reconsideran cuando la factura mensual se acerca al precio de un servidor que ejecutarían con alta utilización.
Pruébalo por $0,50
No tienes que adivinar. Los nuevos usuarios pueden reclamar $0,50 de crédito de prueba gratis con un clic en la página de clave de API, válido por 7 días, uno por persona, sin datos de pago. Al precio mezclado de $0,22 por 1M de tokens, eso son aproximadamente 2,27M de tokens, o aproximadamente 1.050 turnos de chat del tamaño 1.500/500.
Esta verificación rápida mide tu costo real por llamada, que puedes multiplicar por tu volumen esperado:
curl https://api.webtheon.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "Write a 150-word scene opening for a space-western."}]
}'
La respuesta incluye un bloque usage, y el encabezado X-Balance-USD muestra tu crédito restante. Las claves de prueba funcionan con 2 peticiones simultáneas y 60 peticiones por minuto, lo cual es suficiente para pruebas. La documentación y la página de precios cubren lo demás. Nota el alcance: un modelo de texto, contexto de 100.000 tokens, sin imágenes, audio, embeddings ni ajuste fino.
