Preços e faturação

Crédito pré-pago, com pagamento por utilização. Cada pedido custa o que indica o preço do modelo, e o registo de pedidos mostra exatamente o que foi contabilizado.

Crédito

• Adicione crédito por cartão em Faturação, a partir de $10. O crédito é partilhado por todas as chaves do espaço de trabalho.
• O crédito que compra não expira enquanto a sua conta estiver aberta. O crédito de oferta de uma promoção expira 90 dias após ser adicionado.
• Carregamento automático, em Faturação → Método de pagamento: guarde um cartão (os dados vão para a Stripe, nunca para nós) e adicionamos um montante definido sempre que o saldo disponível para novos pedidos (o saldo menos o valor reservado pelos pedidos em curso, ver abaixo) ficar abaixo do limite que definiu, no máximo uma vez a cada dois minutos e dez vezes por dia, com recibo por email. Muitos pedidos em simultâneo podem desencadear um carregamento mesmo que o saldo ainda esteja acima do limite. Se o cartão for recusado, o carregamento automático fica suspenso, e os proprietários e administradores são informados do motivo.
• Antes de um pedido começar, o seu custo potencial (os tokens de entrada e todos os tokens de saída permitidos pelo seu max_tokens, ou uma quantidade predefinida na ausência deste) fica reservado no saldo até o pedido terminar, para que pedidos em simultâneo não possam gastar o mesmo crédito duas vezes. Quando o saldo, descontando o valor reservado pelos pedidos em curso, não chega para cobrir um pedido, este é recusado com 402 insufficient_quota; um max_tokens mais baixo requer uma reserva menor. Um pedido em streaming pode começar com saldo para os tokens de entrada e cerca de 1,000 tokens de saída.
• Um modelo que possa raciocinar sem que veja esse raciocínio (um modelo com capacidade de raciocínio, ou qualquer modelo a que o peça) só o inclui nos dados de utilização no final. Por isso, quando o saldo cobre o início de uma resposta deste tipo, mas não todos os tokens de saída permitidos pelo pedido (o seu max_tokens, ou cerca de 32,000 tokens na ausência deste), o max_tokens enviado ao modelo é reduzido para o que o saldo cobre, e qualquer orçamento de raciocínio também é reduzido para deixar espaço para a resposta, ficando todo esse valor reservado. O modelo para nesse limite, pelo que o raciocínio que não lhe mostra não pode fazer o saldo descer abaixo de zero. Uma resposta que vê à medida que é gerada não fica sujeita a esta redução: reserva mais saldo à medida que avança.
• Uma resposta longa reserva mais saldo à medida que avança. Se o saldo não chegar para mais, ou se a resposta atingir o max_tokens para o qual foi reduzida, para nesse ponto: um stream termina com um evento de erro insufficient_quota, e um pedido sem streaming devolve o que foi escrito até então com finish_reason: "length". Em ambos os casos, paga apenas o que foi gerado. Em casos raros, o saldo pode ainda ficar ligeiramente abaixo de zero; o carregamento seguinte cobre esse valor.

Quanto custa um pedido

Os preços estão na página de modelos. A página de cada modelo mostra o preço de tabela do laboratório ao lado do nosso.

Os tokens de saída são o que o modelo escreveu para a resposta que recebeu: o texto, o raciocínio e as chamadas de ferramentas. Nunca incluem repetições, outras tentativas ou o que uma rota tenha executado por iniciativa própria. Se uma rota indicar mais tokens de saída do que o modelo poderia ter escrito no tempo que a resposta demorou, corrigimos a contagem antes da cobrança, e os dados de utilização na resposta mostram o número corrigido.

O que é gratuito

• Pedidos falhados e pedidos recusados pelas regras de uma chave ou por falta de saldo.
• Imagens que um modelo recusou gerar e vídeos cuja geração falhou.
• Listar modelos e contar tokens.
• As instruções que acrescentamos para que os modelos respondam de acordo com a sua identidade: só lhe é cobrado o que envia e recebe.

Um pedido que é interrompido a meio é faturado pela entrada e pela saída gerada até à interrupção: um pedido que cancele ou do qual se desligue, um fluxo que se interrompa ou uma resposta durante a qual se esgote o saldo ou o orçamento de uma chave. Quando se desliga, a Zurelay continua a ler a resposta durante até 30 segundos, e o que o modelo escrever nesse período também é faturado. Numa rota que para quando nos desligamos dela, a resposta termina nesse momento e paga apenas o que foi gerado até aí, a menos que o modelo possa estar a raciocinar sem que isso seja visível (tem capacidade de raciocínio e ainda não recebemos nada desse raciocínio): esse raciocínio é faturado até ao momento em que nos desligamos, embora nunca seja apresentado, pelo que também continuamos a ler essa resposta. Com o encaminhamento inteligente, um pedido respondido por uma alternativa é faturado ao preço dessa alternativa, e um pedido ao Zurelay Auto ao preço do modelo que respondeu.

Em casos raros, um modelo devolve uma mensagem de erro em vez de uma resposta. Se todas as tentativas de um pedido terminarem assim, o pedido é gratuito, como qualquer pedido falhado: recebe 503 model_unavailable com retry-after. A entrada só é faturada uma vez quando o modelo continuou a responder normalmente a outros clientes ao mesmo tempo, o que indica que algo no pedido provoca a mensagem (é possível escrever um prompt para isso), já que o modelo a leu em cada tentativa. Esse 503 indica-o, não tem retry-after e envia x-should-retry: false para que os SDKs da OpenAI e da Anthropic não voltem a enviar o pedido. Uma mensagem sobre saldo ou quota nunca é faturada.

Onde consultar

• O registo de pedidos: cada pedido com o respetivo modelo, tokens, custo e velocidade.
• Os gastos de cada chave de API hoje e neste mês, na página de chaves de API.
• O seu histórico de pagamentos em Faturação. A Stripe envia-lhe um recibo por e-mail por cada pagamento com cartão.