هزینه توکن هوش مصنوعی چگونه محاسبه می‌شود؟ راهنمای قیمت API
وقتی یک کسب‌وکار از مدل زبانی برای پاسخ‌گویی به مشتری، خلاصه‌سازی فایل یا اجرای ایجنت استفاده می‌کند، هزینه فقط به تعداد پیام‌ها وابسته نیست. بسیاری از سرویس‌های هوش مصنوعی مصرف را بر پایه «توکن» ورودی و خروجی، نوع مدل و گاهی استفاده از ابزارهای اضافی محاسبه می‌کنند. فهم این واحد، پیش از توسعه یک محصول مبتنی بر AI، به برآورد هزینه و جلوگیری از غافلگیری مالی کمک می‌کند.
نکات کلیدی
- توکن واحد پردازش متن مدل است؛ الزاماً برابر یک کلمه فارسی یا انگلیسی نیست.
- در بسیاری از APIها نرخ توکن ورودی با توکن خروجی متفاوت است و ورودی کش‌شده ممکن است نرخ جداگانه داشته باشد.
- هزینه واقعی یک سرویس حاصل تعداد درخواست‌ها، طول مکالمه، مدل انتخابی و هزینه ابزارهای جانبی است.
توکن در هوش مصنوعی چیست؟
مدل زبانی متن را پیش از پردازش به قطعه‌هایی به نام Token تبدیل می‌کند. یک واژه ممکن است یک یا چند توکن داشته باشد؛ در زبان فارسی نیز نمی‌توان تعداد توکن را فقط از تعداد کلمات نتیجه گرفت. متن پیام کاربر، دستورهای سیستم و پاسخ مدل همگی می‌توانند در مصرف مؤثر باشند. برای آشنایی با نقش مدل‌های زبانی، مطلب LLM چیست؟ را ببینید.
فرمول هزینه API؛ ورودی و خروجی را جدا حساب کنید
در یک مدل ساده، هزینه = (تعداد توکن ورودی ÷ یک میلیون × نرخ ورودی) + (تعداد توکن خروجی ÷ یک میلیون × نرخ خروجی). این فرمول تنها یک نقطه شروع است؛ سرویس ممکن است نرخ دیگری برای ورودی کش‌شده، حالت Batch، پردازش تصویر، جست‌وجوی وب یا سایر ابزارها داشته باشد. نرخ‌ها با زمان و نوع مدل تغییر می‌کنند، پس برای بودجه‌ریزی باید جدول رسمی قیمت همان مدل بررسی شود.
برای مثال فرضی، اگر یک درخواست هزار توکن ورودی و پانصد توکن خروجی مصرف کند، در ده هزار درخواست روزانه مصرف به ده میلیون توکن ورودی و پنج میلیون توکن خروجی می‌رسد. این فقط حجم مصرف است، نه قیمت نهایی؛ قیمت به نرخ رسمی مدل انتخابی بستگی دارد.
چرا این موضوع برای کسب‌وکار مهم است؟
دو چت‌بات با تعداد کاربران برابر ممکن است قبض متفاوتی داشته باشند. سامانه‌ای که کل تاریخچه گفت‌وگو را در هر درخواست ارسال می‌کند، مصرف بیشتری از سامانه‌ای دارد که زمینه لازم را هدفمند نگه می‌دارد. همچنین خروجی طولانی و اجرای چندباره ابزارها می‌تواند هزینه را افزایش دهد. بنابراین ارزیابی اقتصادی باید «هزینه هر کار موفق» را بسنجد، نه فقط «هزینه هر پیام» را.
راهکارهای کنترل هزینه بدون افت کیفیت
- مدل را بر اساس پیچیدگی کار انتخاب کنید؛ همه درخواست‌ها به قوی‌ترین مدل نیاز ندارند.
- اندازه ورودی و خروجی را ثبت کنید و برای مکالمات طولانی سیاست مدیریت زمینه داشته باشید.
- برای کارهای تکراری، امکان کش‌کردن ورودی و پردازش دسته‌ای را با مستندات ارائه‌دهنده بررسی کنید.
- کیفیت پاسخ، نرخ خطا و تعداد تلاش مجدد را کنار هزینه بسنجید؛ ارزان‌ترین توکن الزاماً ارزان‌ترین نتیجه نیست.
- هزینه ابزارهای مکمل مانند جست‌وجو، ذخیره‌سازی و پردازش فایل را جدا ثبت کنید.
هزینه توکن چه نسبتی با زیرساخت AI دارد؟
قیمت API فقط هزینه تراشه را بازتاب نمی‌دهد؛ سرمایه‌گذاری در دیتاسنتر، برق، شبکه، ظرفیت پاسخ‌گویی و رقابت نیز روی اقتصاد ارائه مدل اثر می‌گذارد. درباره اجزای زیرساخت در دیتاسنتر هوش مصنوعی چیست؟ توضیح داده‌ایم. برای شرکت‌ها، این یعنی قرارداد بلندمدت باید سناریوی تغییر قیمت و امکان جابه‌جایی مدل را نیز در نظر بگیرد.
منتظر چه باید بود؟
مقایسه آینده مدل‌ها فقط بر اساس کیفیت پاسخ نخواهد بود. نرخ‌های ورودی و خروجی، کارایی در کار واقعی، کش‌پذیری و میزان مصرف ابزارها نیز مزیت رقابتی تعیین می‌کنند. معیار معنادار برای خریدار سازمانی، هزینه کل مالکیت در برابر کیفیت و سرعت خدمت است.
منابع و روش بررسی
برای مقایسه نرخ جاری و شیوه محاسبه، به جدول رسمی قیمت API شرکت OpenAI و صفحه رسمی تعرفه مدل‌های گوگل کلاد مراجعه کنید. هیچ عدد تعرفه‌ای در این گزارش به‌عنوان قیمت ثابت امروز ارائه نشده است.