Cena OpenAI API v letu 2026: izračun žetonov in proračuna

Na račun API dodate denar in skoraj takoj se pojavi vprašanje: kako dolgo bo zdržal? V glavi imate nekaj takega kot »Imam deset tisoč, vhod stane toliko, izhod stane več, pa še nekakšen popust za predpomnilnik obstaja« — vendar ni jasno, kako vse to pretvoriti v eno številko. Razčlenila bom po vrsti, s številkami.

Glavno sporočilo najprej: račun API se izračuna po eni formuli — število žetonov, pomnoženo s ceno na žeton. Vhodni in izhodni žetoni se štejejo ločeno, ker imajo različni ceni. V nadaljevanju bom pokazala, kako s tem izračunate, kako dolgo bo zdržal vaš proračun in kako se predpomnjenje upošteva pri izračunu.

Informacije o uporabi Ailoota so na voljo v dokumentaciji.

Kako se izračuna cena zahteve za OpenAI API?#

Ko model pokličete prek API-ja, vam zaračunajo količino besedila, ki je šla skozi model. Ta količina se meri v žetonih. Žeton je majhen del besedila; k njemu se bom vrnila v naslednjem razdelku, za zdaj pa si ga predstavljajte kot mersko enoto za vse.

En klic ima dve plati. Prva je tisto, kar pošljete modelu: samo vprašanje, priloženi deli kode ali dokument, prejšnja sporočila v pogovoru in sistemsko navodilo na začetku. To je vhod. Druga je tisto, kar model napiše kot odgovor. To je izhod. DeepSeek to v opisu cen pove neposredno: račun temelji na skupnem številu vhodnih in izhodnih žetonov.

Vhod in izhod imata različni ceni, zato se štejeta ločeno. Formula za eno zahtevo je preprosta:

cost = (input tokens × input price) + (output tokens × output price)

Cene so običajno navedene na milijon žetonov — tako je priročneje, saj posamezen žeton stane le del denarne enote. Vsi nadaljnji izračuni temeljijo na tej formuli, vaš proračun pa zadošča natanko za toliko zahtev, kolikor jih lahko pokrijete z razpoložljivimi sredstvi po tej ceni.

Žeton ni beseda: kako oceniti, koliko jih boste porabili?#

Prva stvar, pri kateri se vsi zmotijo: žeton ni isto kot beseda. Model razdeli besedilo na dele po svojih pravilih, del pa je lahko cela kratka beseda, del daljše besede, presledek s črko ali ločilo. Zato v glavi ne morete natančno izračunati, »koliko žetonov bo porabila moja zahteva« — lahko jo samo ocenite.

Tukaj je groba usmeritev. V angleškem besedilu en žeton ustreza približno štirim znakom; to je izhodiščna ocena, ki jo navajata Anthropic in OpenAI. Modeli rusko besedilo razdelijo na manjše kose: cirilica se razbije na krajše dele, zato isto besedilo po pomenu porabi več žetonov. Koliko več, je odvisno od modela, vendar računajte na enainpol- do dvakrat toliko kot pri angleščini.

Tako je to videti v žetonih. Če modelu pošljete stran besedila in v odgovor dobite odstavek, je to že več tisoč vhodnih in več sto izhodnih žetonov. Če zahtevi priložite veliko datoteko ali ohranite dolgo zgodovino pogovora, se lahko vhod poveča na več deset tisoč žetonov, večina računa pa bo posledica tega. Odgovor API-ja bo prikazal točno število — v metapodatkovnih poljih vrne podatek o dejanskem številu uporabljenih vhodnih in izhodnih žetonov. Za predhodno oceno proračuna pa zadostuje groba ocena na podlagi števila znakov.

Zakaj je izhod dražji od vhoda in kako to vpliva na vaš račun?#

Tukaj je tabela uradnih cen na milijon žetonov, kot so veljale v začetku septembra 2026 — vidite lahko, da je izhod pri vseh modelih večkrat dražji od vhoda.

Razlika v cenah med ponudniki je ogromna: milijon vhodnih žetonov za Claude Opus 5 stane toliko kot približno 7.58 milijona žetonov za DeepSeek Pro po vhodnih cenah v tabeli ($5 ÷ $0.66 ≈ 7.58). Toda znotraj vsakega cenovnega razreda velja eno pravilo: izhod stane tri- do šestkrat več kot vhod. Razlog je preprost: model lažje prebere vašo zahtevo, kot napiše odgovor, zahtevnejše delo pa stane več.

Iz tega sledi sklep, ki neposredno vpliva na vaš račun. Dolg odgovor je dražji od dolgega vprašanja. Če model prosite, naj »pojasni čim bolj podrobno«, sami povečate najdražji del računa. Enak pomen v kratkem odgovoru stane večkrat manj. To je eden od razlogov, zakaj je vibe coding za nekoga poceni, drugemu pa v enem dnevu porabi celoten proračun — tudi če uporabljata isti model.

Kako izračunati, kako dolgo bo zdržal vaš proračun?#

Izračunajmo vse po korakih. Vstavite svoje cene, običajno količino žetonov in proračun.

1. Ocenite tipično zahtevo. Recimo, da en klic porabi 20,000 vhodnih žetonov (vprašanje, del kode in nekaj zgodovine) ter 2,000 izhodnih žetonov (odgovor modela).
2. Izračunajte strošek vhoda: število vhodnih žetonov delite z milijonom in pomnožite s ceno vhoda na milijon žetonov.
3. Izračunajte strošek izhoda: število izhodnih žetonov delite z milijonom in pomnožite s ceno izhoda na milijon žetonov.
4. Seštejte stroška vhoda in izhoda.
5. Proračun delite z dobljenim stroškom na zahtevo.

Po cenah Opus 5 iz tabele v članku: 20,000 ÷ 1,000,000 × $5 = $0.10 za vhod in 2,000 ÷ 1,000,000 × $25 = $0.05 za izhod. Skupaj: $0.15 na zahtevo brez predpomnilnika. Proračun $10 pokrije 66 celih zahtev ($9.90), če je število žetonov enako in drugih stroškov ni.

Resnična zahteva skoraj nikoli ni »povprečna«: priložite veliko datoteko ali podaljšajte pogovor, pa vhod zraste z 20,000 na 200,000 žetonov. Zato računajte glede na svoj običajni način dela; idealizirana zahteva vam bo dala napačen odgovor. Bolje je tudi zaokrožiti navzgor.

Devin, Claude Code in vsak drug agent umetne inteligence uporabljajo isti API in porabljajo žetone po isti formuli — edina razlika je, da agent porabi več, ker v ozadju opravi veliko klicev. Ločeno sem pojasnila, zakaj je zaradi tega vibe coding dražji od pričakovanj, v članku o skritih stroških vibe codinga.

Kaj je popust za predpomnilnik in kdaj velja?#

Zdaj pa še predpomnjenje — »do 80-odstotni popust«, zaradi katerega je izračun videti zapleten. Delovanje je preprosto. Nekateri deli vhoda ostanejo enaki iz ene zahteve v naslednjo: sistemsko navodilo na začetku, obsežen kontekst ali priloženi dokument, s katerim delate v več klicih. Predpomnjenje modelu omogoči, da tega dela ne bere vsakič znova od začetka, temveč ga prikliče iz pomnilnika po precej nižji ceni.

Koliko nižji, je odvisno od ponudnika. Pri Claudu branje iz predpomnilnika stane desetkrat manj kot običajni vhod: pri Opusu 5 običajni vhod stane $5 na milijon, branje iz predpomnilnika pa $0.50. DeepSeekov popust je še večji: predpomnjeni vhod za flash model stane $0.007, običajni vhod pa $0.22, torej več kot tridesetkrat manj. Zato je »do 80 odstotkov popusta« skromna ocena; dejanski popust je lahko še večji.

Upoštevajte dva pogoja, sicer bo vaš izračun predpomnilnika napačen.

• Popust velja samo za ponavljajoči se vhod. Model vsakič ustvari izhod od začetka in zanj sploh ne velja popust za predpomnilnik. Če večino vašega računa predstavljajo dolgi odgovori, boste s predpomnjenjem prihranili zelo malo.
• Prvi zapis v predpomnilnik stane nekoliko več kot običajni vhod. Za kratkotrajno shranjevanje Claude zaračuna 1.25-kratnik običajne cene vhoda za zapis v predpomnilnik. Prihranki se začnejo pri drugi zahtevi, ki prebere že predpomnjeni del. Predpomnjenje pri enkratni zahtevi sploh ne pomaga, ampak stane celo nekoliko več.

Kako preračunati proračun ob upoštevanju predpomnjenja?#

Vrnimo se k primeru količine zahtev in dodajmo predpomnjenje. Vhod razdelimo na dva dela: del, ki se ponavlja in je upravičen do popusta, ter del, ki je pri vsaki zahtevi nov.

Vzemimo isto zahtevo z 20,000 vhodnimi in 2,000 izhodnimi žetoni. Naj bo 15,000 vhodnih žetonov nespremenjen kontekst, 5,000 pa novih. Uporabimo že navedene cene Opus 5: $5 na milijon novih vhodnih žetonov, $0.50 na milijon žetonov branja iz predpomnilnika, $6.25 na milijon žetonov kratkotrajnega zapisovanja v predpomnilnik (1.25 × $5) in $25 na milijon izhodnih žetonov.

Ponovljena zahteva je 45% cenejša od zahteve brez predpomnilnika za $0.15, čeprav je predpomnjeni del vhoda 90% cenejši. Prvi zapis stane več. Dva klica (en zapis in en zadetek) staneta $0.25125 namesto $0.30. Pri proračunu $10 en zapis in 119 potrjenih zadetkov omogočita 120 klicev za $9.98625. To predpostavlja veljaven predpomnilnik, enako število žetonov pri vseh klicih in odsotnost drugih stroškov; uporabite dejanske podatke o branju in zapisovanju, namesto da za vsako ponovitev predpostavite zadetek.

Iz tega sledi pravilo: predpomnjenje se izplača, ko en obsežen kontekst uporabite pri številnih zahtevah, pri razpršenih kratkih vprašanjih pa je neuporabno.

Kje se žetoni porabljajo, ne da bi to opazili?#

Računi pogosto presežejo oceno, skoraj vedno zaradi treh stvari, ki jih na prvi pogled ne opazite.

Prva in največja je zgodovina pogovora. Model si prejšnjih sporočil ne zapomni sam od sebe; celoten pogovor se mu vsakič znova pošlje kot del vhoda. To pomeni, da deseto sporočilo v dolgem pogovoru vključuje vseh devet prejšnjih sporočil in njihove odgovore. Zahteva je na začetku pogovora poceni, proti koncu pa enako pomensko vprašanje stane večkrat več, ker se je vhod povečal. Preprost trik: ko zamenjate temo, začnite nov pogovor. Ni treba enega pogovora vleči v nedogled.

Drugi vir je način sklepanja. Novejši modeli imajo način, v katerem model najprej interno obdela svoje sklepanje in šele nato odgovori. Tudi to sklepanje šteje kot izhodni žeton, izhod pa je najdražji del. Odgovor je videti kratek, vendar je za njim veliko žetonov, zato je račun presenečenje.

Tretji vir so velike priloge. Če zahtevi priložite velik dokument ali zbirko datotek, se vse pošlje v celoti kot vhod pri vsakem klicu, dokler ostaja v kontekstu. Če nekaj časa delate z istim dokumentom, ga je smiselno ohraniti v predpomnilniku, da zanj ne plačujete vedno polne cene. Upravljanje vsebine, ki ostane v kontekstu, je posebna veščina, imenovana kontekstni inženiring, in neposredno vpliva na vaš račun.

Kako lahko spremljate porabo brez ročnega računanja?#

Ročno morate oceniti samo enkrat — da na splošno razumete, kako dolgo bo zdržal vaš denar. Potem vam ni treba več računati na roke; API to naredi namesto vas.

Vsak odgovor modela vsebuje metapodatkovna polja s točnim številom žetonov zahteve: koliko jih je bilo uporabljenih za vhod, koliko za izhod, koliko vhodnih žetonov je bilo prebranih iz predpomnilnika in koliko jih je bilo vanj prvič zapisanih. To so točni podatki o posameznem klicu in pokažejo, kam vaš proračun v resnici odteka. Če uporabljate orodje, kot je Claude Code, običajno samo prikaže porabo po vsaki nalogi.

Na nadzorni plošči ponudnika je tudi stran s porabo, na kateri sta prikazani dnevna poraba in trenutno stanje. Občasno jo preverite, zlasti v prvih nekaj tednih, dokler ne dobite občutka za svoj običajni vzorec porabe. Pomaga tudi nekaj navad za varčevanje: določite mesečno omejitev porabe, če jo ponudnik omogoča, in ne vklopite samodejnega polnjenja stanja, dokler ne razumete, koliko običajno porabite. Sicer lahko agent, ki se ponoči nenadzorovano zažene, zaračuna več, kot ste pričakovali.

Spoznajte Ailoot.