दर कार्ड बिल को कम क्यों दिखाता है
एक तर्क मॉडल जैसे R1 अंतिम उत्तर देने से पहले समस्या को चरण-दर-चरण हल करता है। ये चरण टोकन होते हैं, और प्रदाता आमतौर पर उन्हें आउटपुट दर पर बिल करते हैं। इसलिए, एक 300-टोकन उत्तर लौटाने वाला अनुरोध कुल मिलाकर हजारों टोकन उत्पन्न कर सकता है।
इस लेख को सटीक रखने के लिए, यहाँ DeepSeek की कोई दरें प्रिंट नहीं की गई हैं। उनकी कीमतें बदलती रहती हैं, और एक पुराना नंबर शून्य से भी बुरा है। DeepSeek के मूल्य निर्धारण पृष्ठ से वर्तमान इनपुट और आउटपुट दरें लें और नीचे दिए गए सूत्रों का उपयोग करें। साथ ही, जांचें कि उस पृष्ठ पर थिंकिंग टोकन का वर्णन कैसे किया गया है और क्या API उन्हें प्रतिक्रिया में लौटाता है।
प्रति अनुरोध लागत = (इनपुट / 1M) x इनपुट दर + ((थिंकिंग + उत्तर) / 1M) x आउटपुट दर
उस सूत्र में अज्ञात thinking है। यह प्रश्न के अनुसार बदलता है: आसान प्रॉम्प्ट में कुछ सौ टोकन की आवश्यकता हो सकती है, कठिन में कई हज़ार। अनुमान लगाने के बजाय इसे अपने प्रॉम्प्ट्स पर मापें।
गुणक प्रभाव, संख्याओं के साथ
गणना की जाँच के लिए एक तटस्थ उदाहरण के रूप में हमारी अपनी दर, $0.50 प्रति 1M आउटपुट टोकन का उपयोग करें। मान लें कि एक अनुरोध में 300-टोकन का उत्तर है।
| थिंकिंग टोकन | कुल आउटपुट | $0.50 प्रति 1M पर आउटपुट लागत | सीधे उत्तर के सापेक्ष |
|---|---|---|---|
| 0 (सीधा चैट) | 300 | $0.00015 | 1x |
| 1,000 | 1,300 | $0.00065 | 4.3x |
| 5,000 | 5,300 | $0.00265 | 17.7x |
| 10,000 | 10,300 | $0.00515 | 34.3x |
अनुपात रेट कार्ड पर निर्भर नहीं करता। किसी भी प्रदाता पर, 5,000 थिंकिंग टोकन और 300-टोकन का उत्तर, 300-टोकन के सीधे उत्तर के आउटपुट का लगभग 17.7 गुना होता है। इसे एक महीने के लिए स्केल करें: 100,000 अनुरोध, प्रत्येक में 5,000 थिंकिंग टोकन, 530M आउटपुट टोकन हैं। $0.50 प्रति 1M पर यह $265 होगा, जबकि वही 100,000 सीधे उत्तर (30M टोकन) $15 के होंगे।
तर्क की आवश्यकता वाले कार्य, और जो नहीं करते
तर्क मॉडल उन समस्याओं पर अपनी लागत के योग्य साबित होते हैं जिनमें कई निर्भर चरण होते हैं। सामान्य टेक्स्ट कार्य में आमतौर पर वह संरचना नहीं होती है।
अक्सर एक तर्क मॉडल का उपयोग करने के लिए मूल्यवान
- बहु-चरणीय गणित और तर्कशक्ति पहेलियाँ
- कोड का एक जटिल हिस्सा डीबग करना जहाँ कारण स्पष्ट नहीं है
- ऐसे योजना कार्य जिनकी बाधाएँ एक-दूसरे के साथ इंटरैक्ट करती हैं
आमतौर पर एक साधारण चैट मॉडल के साथ ठीक
- पुनर्लेखन, टोन बदलना और अनुवाद-शैली संपादन
- टेक्स्ट के पृष्ठ से JSON में एक्सट्रैक्शन
- वर्गीकरण और टैगिंग
- ईमेल, उत्पाद विपणन पाठ और विवरण तैयार करना
- रोलप्ले, कथा और साथी किरदार, जहाँ गति और आवाज़ का महत्व तार्किक चरण-दर-चरण तर्क से अधिक होता है
चैट-शैली के कार्यों में भी कम लेटेंसी का लाभ मिलता है, क्योंकि पहले दिखने वाले टोकन से पहले कोई सोचने का चरण नहीं होता। यदि आपके उपयोगकर्ता स्ट्रीम किए गए उत्तर को देख रहे हैं, तो यह मायने रखता है।
यह API क्या प्रदान करता है
यह साइट एक स्वतंत्र, OpenAI-संगत API है। यह DeepSeek की आधिकारिक API नहीं है और न ही इसका रीसेलर है। यह एक स्वतंत्र प्रदाता से एक ओपन-वेट मॉडल चलाता है, जिसे कानूनी वयस्क उपयोग के लिए सामग्री अस्वीकृति के बिना उत्तर देने के लिए ट्यून्ड किया गया है, जिसका मॉडल ID uncensored है। यहाँ कोई बेंचमार्क प्रकाशित नहीं किए गए हैं, इसलिए यह न मानें कि यह कठिन समस्याओं में समर्पित रीजनिंग मॉडल के बराबर है। इसे अपने कार्यों पर परीक्षण करें।
दरें इनपुट टोकन के प्रति 1M के लिए $0.15 और आउटपुट टोकन के प्रति 1M के लिए $0.50 हैं, प्रीपेड, कोई सब्सक्रिप्शन नहीं। विफल या अस्वीकृत अनुरोधों के लिए शुल्क नहीं लगाया जाता, और क्रेडिट कभी समाप्त नहीं होता। कॉन्टेक्स्ट विंडो 100,000 टोकन की है, जिसमें प्रॉम्प्ट और कंप्लीशन शामिल हैं। यह स्ट्रीमिंग, टूल कॉलिंग और JSON मोड का समर्थन करता है। टॉप-अप और बोनस के लिए मूल्य निर्धारण पृष्ठ देखें।
ऊपर दिए गए 100,000-अनुरोध वाले महीने के लिए कार्य उदाहरण, सीधी चैट उत्तरों के साथ: इनपुट 1,000 टोकन प्रति अनुरोध, कुल 100M टोकन x $0.15 = $15, आउटपुट 300 टोकन प्रति अनुरोध, कुल 30M x $0.50 = $15, कुल $30।
सबसे पहले सस्ता विकल्प आजमाएं, आवश्यकता होने पर उच्च स्तर पर जाएं
एक समझदारी भरी सेटअप यह है कि अधिकांश ट्राफ़िक को कम लागत वाले चैट मॉडल पर भेजें और केवल उन प्रॉम्प्ट्स को ही उच्च स्तर पर ले जाएं जो किसी जाँच में विफल हो जाते हैं। नीचे दिया गया कोड पहले इस API का प्रयास करता है और केवल तभी दूसरे क्लाइंट पर फॉलबैक करता है जब सत्यापन विफल हो जाता है। दूसरे प्रदाता के बेस यूआरएल और मॉडल नाम को उसकी दस्तावेज़ीकरण से भरें।
import json, os
from openai import OpenAI
cheap = OpenAI(api_key=os.environ["API_KEY"],
base_url="https://api.deepseekapipricing.com/v1")
# second client: copy base URL and model name from that provider's docs
strong = OpenAI(api_key=os.environ["OTHER_KEY"], base_url=os.environ["OTHER_BASE_URL"])
def answer(question):
r = cheap.chat.completions.create(
model="uncensored",
response_format={"type": "json_object"},
messages=[{"role": "system", "content": "Reply as JSON with keys answer and confidence (0-1)."},
{"role": "user", "content": question}],
)
try:
data = json.loads(r.choices[0].message.content)
if float(data.get("confidence", 0)) >= 0.7:
return data["answer"]
except (ValueError, TypeError):
pass
r2 = strong.chat.completions.create(
model=os.environ["OTHER_MODEL"],
messages=[{"role": "user", "content": question}],
)
return r2.choices[0].message.content
स्व-प्रतिवेदित आत्मविश्वास एक कमजोर संकेत है, इसलिए जब उपलब्ध हो तो एक बेहतर परीक्षण का उपयोग करें: एक स्कीमा जाँच, यूनिट टेस्ट, या लंबाई नियम। उद्देश्य यह है कि विचार टोकन के लिए केवल वहाँ भुगतान करें जहाँ वे परिणाम बदलते हैं।
आश्चर्यजनक बिलों से सुरक्षा
कोई भी मॉडल चुनें, बड़े बैच चलाने से पहले सीमाएँ निर्धारित कर लें।
- आउटपुट की सीमा निर्धारित करें। लूप में हर कॉल पर
max_tokensसेट करें। एक तार्किक मॉडल पर, जाँचें कि कैप, सोचने की प्रक्रिया के साथ कैसे इंटरैक्ट करता है, क्योंकि बहुत कम कैप आपके द्वारा सोचने के लिए पहले ही भुगतान करने के बाद उत्तर को काट सकता है। - पहले 50 पर परीक्षण करें। अन्य 99,950 शुरू करने से पहले मापी गई लागत को पूर्ण गिनती से गुणा करें।
- शेष राशि पर नज़र रखें। इस API पर
X-Balance-USDहेडर प्रत्येक कॉल के बाद शेष क्रेडिट दिखाता है, इसलिए एक स्क्रिप्ट स्वयं को एक सीमा से नीचे रोक सकती है। - उपयोग लॉग करें। प्रत्येक अनुरोध के लिए प्रॉम्प्ट और पूर्णता टोकन गिनती संग्रहीत करें। एक असाधारण मान प्रॉम्प्ट जो बहुत लंबे आउटपुट को ट्रिगर करता है, यदि आप लॉग करते हैं तो आसानी से मिल जाता है, और यदि आप नहीं करते तो लगभग असंभव।
अगले कदम
अपने डेटा पर लागत मापने के लिए, API कुंजी पेज से $0.50 ट्रायल क्रेडिट क्लेम करें। इसके लिए कार्ड की आवश्यकता नहीं है, यह 7 दिनों तक चलता है और 800 इनपुट और 400 आउटपुट टोकन वाले 1,500 से अधिक चैट टर्न्स को कवर करता है ($0.00032 प्रत्येक)। अपने प्रॉम्प्ट्स को इसके माध्यम से चलाने से गुणवत्ता के सवाल का जवाब किसी भी रेट तुलना से तेज़ी से मिल जाता है।
इस साइट पर संबंधित पढ़ाई: DeepSeek V4 API पेज, एक संगत एंडपॉइंट के साथ LangChain का उपयोग के लिए गाइड, और अनुरोध विवरण के लिए API दस्तावेज़।

