PT ▾

API LLM sem censura barata: custo hospedado vs. auto-hospedado

Uma API LLM sem censura barata é principalmente uma questão de volume: pague por token quando o uso é baixo ou irregular, alugue ou compre hardware apenas quando for alto e constante. Aqui está a matemática, com números reais das taxas de $0,15 e $0,50 por 1M de tokens desta API.

Um curto pipeline de moeda ao lado de uma longa estrada para um rack de servidor, ilustrando custo hospedado versus auto-hospedado

Última atualização

Resumo

  • O custo de uso hospedado é de $0,22 por 1M de tokens, misturado em uma proporção entrada-saída de 4:1.
  • Um servidor hipotético de $100 por mês atinge o ponto de equilíbrio com isso em cerca de 455M de tokens por mês.
  • A auto-hospedação adiciona trabalho: configuração, atualizações, monitoramento e tempo ocioso que você ainda paga.
  • O crédito de teste de $0,50 cobre cerca de 2,3M de tokens na mesma proporção, suficiente para um teste real.

A opção mais barata depende do seu volume

Se você quer uma API LLM sem censura barata, a resposta tem duas partes. Para cargas de trabalho pequenas e médias, uma API hospedada cobrada por token é quase sempre mais barata, porque você não paga nada enquanto ocioso. Para cargas de trabalho muito grandes e constantes, um modelo auto-hospedado em hardware que você controla pode vencer em preço por token, desde que você considere seu próprio tempo.

O número decisivo é o volume mensal de tokens no qual o custo fixo do servidor iguala a cobrança por token. Cobramos $0,15 por 1M de tokens de entrada e $0,50 por 1M de tokens de saída, a partir de crédito pré-pago sem assinatura. Requisições falhas ou recusadas não são cobradas e o crédito nunca expira. Tudo abaixo transforma esses dois números em comparações que você pode reutilizar.

O que custa o uso hospedado

Comece com uma visão por solicitação. Um turno de chat com 1.500 tokens de entrada e 500 de saída custa 1.500 / 1.000.000 x $0,15 = $0,000225 para entrada e 500 / 1.000.000 x $0,50 = $0,00025 para saída. O total é $0,000475. Mil deles custam $0,475.

Carga de trabalho por mêsEntradaSaídaCusto
Bot de hobby, 3.000 turnos de chat4,5M1,5M$0,675 + $0,75 = $1,425
App pequeno, 30.000 rodadas de chat45M15M$6,75 + $7,50 = $14,25
Serviço ocupado, 300.000 rodadas de chat450M150M$67,50 + $75,00 = $142,50

O custo escala linearmente e começa em zero. Nada nessa tabela precisa de um depósito maior que o mínimo de $20 para as duas primeiras linhas.

Recarregamentos são qualquer valor inteiro de $20 a $500, pagos em cripto (USDT na TRC20 ou USDC na Base). Bônus adicionam +5% a partir de $50, +10% a partir de $100 e +15% a partir de $200, então um recarga de $200 se torna $230 de crédito. Destes $230, $30 é bônus, cerca de 13% do crédito.

A saída é onde a conta se concentra. Na linha do app pequeno, a saída é um quarto dos tokens, mas mais da metade do custo ($7,50 de $14,25). Se você quer cortar gastos, peça respostas mais curtas primeiro. Reduzir pela metade o comprimento da saída nessa linha economiza $3,75 por mês, enquanto reduzir pela metade a entrada economiza apenas $3,375. Ambas valem a pena, e a economia na saída é maior com menos esforço.

O que a auto-hospedagem realmente custa

Executar um modelo de pesos abertos sem censura você mesmo parece gratuito porque os pesos são públicos. Os custos estão em outro lugar:

  • Hardware. Um modelo grande o suficiente para escrever bem precisa de uma GPU com muita memória, comprada ou alugada por hora ou mês. Verifique os preços de aluguel atuais do provedor que você usaria; não os cotamos aqui.
  • Tempo ocioso. Um servidor alugado cobra se atender uma solicitação ou mil.
  • Configuração e manutenção. Software de serviço, escolhas de quantização, atualizações, monitoramento, reinícios e um wrapper compatível com OpenAI são sua responsabilidade.
  • Planejamento de throughput. Concorrência e comprimento do contexto competem pela mesma memória da GPU, então você ajusta ou enfileira requisições.
  • Escalabilidade. Um pico de tráfego precisa de mais máquinas. Uma API absorve isso para você, dentro de seus limites.

Nada disso é motivo para evitar a auto-hospedagem. É motivo para colocar um número no seu próprio tempo antes de comparar.

O ponto de equilíbrio

Mescle as duas taxas usando uma proporção entrada-saída de 4:1, comum em chats com histórico. Parte de entrada: 0,8 x $0,15 = $0,12. Parte de saída: 0,2 x $0,50 = $0,10. Preço misto: $0,22 por 1M de tokens.

Agora divida o custo mensal do servidor por essa mistura. Estes custos de servidor são exemplos para mostrar o método, não cotações:

Custo mensal do servidor (exemplo)Volume de equilíbrioMesmo volume que rodadas de chat de 1.600 entrada / 400 saída
$50$50 / $0,22 = cerca de 227M de tokenscerca de 113.600
$100$100 / $0,22 = cerca de 455M de tokenscerca de 227.300
$300$300 / $0,22 = cerca de 1,36B de tokenscerca de 681.800

Abaixo desses volumes, a API hospedada é mais barata antes de contar qualquer um dos seus próprios tempos. Acima deles, o servidor pode vencer, mas apenas se estiver realmente ocupado e apenas se conseguir acompanhar sua concorrência máxima. Uma chave completa aqui lida com 8 requisições simultâneas e 300 requisições por minuto, então verifique que o seu pico se encaixa ou pergunte-se quanto custaria uma segunda máquina.

Trabalhos com alta saída deslocam a média ponderada para cima. Com uma proporção de 1:1, a média é de $0,325 por 1M, o que reduz o ponto de equilíbrio para cerca de 308M de tokens para um servidor de $100.

Formas de manter a conta baixa

Qualquer que seja a rota escolhida, você pode reduzir a própria contagem de tokens.

  1. Ajuste o histórico. As voltas antigas são cobradas como entrada em toda chamada. Mantenha as últimas 10 a 20 mensagens ou resuma o resto.
  2. Encurte o prompt do sistema. Um prompt do sistema de 1.500 tokens em 30.000 chamadas são 45M de tokens, ou $6,75.
  3. Limite a saída onde faz sentido. A saída é o lado mais caro. Use max_tokens para tarefas com comprimento conhecido e peça respostas concisas.
  4. Não tente novamente cegamente. No HTTP 429, leia Retry-After e aguarde. Os códigos são rate_limited e concurrency.
  5. Armazene em cache o que se repete. Se você fizer a mesma pergunta duas vezes por dia, armazene a resposta.

A análise de custo e compensação neste site aprofunda o que você abre mão e ganha com modelos sem censura em geral.

Custos ocultos no lado hospedado

A cobrança por uso não está isenta de compensações, e é justo listá-las.

  • Limites. Uma chave completa permite 8 requisições simultâneas e 300 por minuto. Uma carga de trabalho que precise de muito mais precisa ser distribuída entre chaves ou movida para infraestrutura local.
  • Um único modelo. Você recebe o que o serviço executa. Não é possível substituir por seus próprios pesos ou ajustar o modelo.
  • Teto de contexto. A janela de contexto é de 100.000 tokens para prompt mais conclusão.
  • Via de pagamento. Os recarregamentos são em cripto, o que algumas equipes não podem usar.
  • Dependência. Você depende de um provedor externo estar disponível. Não faça promessas aos seus próprios usuários que dependam de um valor específico de tempo de atividade, porque nenhum é declarado aqui.

Os prompts não são usados para treinamento, o que responde parte da questão de privacidade, embora uma configuração auto-hospedada que nunca saia da sua rede ainda seja a posição mais segura se seus dados forem altamente sensíveis.

Uma lista de verificação de decisão rápida

Responda a estas na ordem e pare na primeira que decidir.

  1. Seu volume mensal está abaixo do ponto de equilíbrio para o servidor mais barato que você poderia alugar? Use a API hospedada.
  2. Seus dados precisam ficar em hardware que você controla? Auto-hospede, independente do preço.
  3. Você precisa modificar o modelo ou executar uma versão específica? Auto-hospede.
  4. Seu tráfego é irregular ou imprevisível? Use a API hospedada e pague apenas pelo que for executado.
  5. Ninguém na sua equipe consegue manter um servidor GPU? Use a API hospedada.

A maioria das pequenas equipes acaba no lado hospedado nos primeiros meses e reconsidera apenas quando a conta mensal se aproxima do preço de um servidor que elas executariam com alta utilização.

Teste por $0,50

Você não precisa adivinhar. Novos usuários podem reivindicar $0,50 de crédito de teste com um clique na página da chave de API, válido por 7 dias, um por pessoa, sem detalhes de pagamento. Na mistura de $0,22 por 1M de tokens, isso são cerca de 2,27M de tokens, ou aproximadamente 1.050 voltas de chat do tamanho 1.500/500.

Esta verificação rápida mede seu custo real por chamada, que você pode multiplicar pelo volume 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."}]
  }'

A resposta inclui um bloco usage, e o cabeçalho X-Balance-USD mostra seu crédito restante. Chaves de teste executam 2 requisições simultâneas e 60 requisições por minuto, o que é suficiente para testes. A documentação e a página de preços cobrem o resto. Observe o escopo: um modelo de texto, janela de contexto de 100.000 tokens, sem imagens, áudio, embeddings ou ajuste fino.

Perguntas frequentes

Qual é a maneira mais barata de usar um LLM sem censura?

Para uso baixo ou irregular, uma API hospedada por token, já que você não paga nada enquanto está ocioso. Em uma proporção de entrada para saída de 4:1, esta API custa cerca de $0,22 por 1M de tokens.

Quando a auto-hospedagem se torna mais barata?

Quando o volume mensal de tokens excede o custo do seu servidor dividido pelo preço combinado. Com um servidor de exemplo de $100 e $0,22 por 1M, isso equivale a cerca de 455M de tokens por mês, antes de contar o seu tempo.

Existe uma maneira gratuita de testar esta API?

Novos usuários podem reivindicar $0,50 de crédito de teste com um clique na página da chave de API. É válido por 7 dias, não exige detalhes de pagamento e é limitado a um por pessoa.

Como eu pago?

Com cripto: USDT na TRC20 ou USDC na Base. Os recarregamentos variam de $20 a $500, com bônus de 5%, 10% e 15% em valores mais altos.

O crédito não utilizado expira?

Não. O crédito é pré-pago, nunca expira e não há assinatura.

Obtenha sua chave de API instantaneamente

Cadastre-se, copie o token, atualize sua URL base. Pronto.