एक API अनुरोध कितने टोकन लेता है? 3 कामों पर मापा गया

किसी AI API पर एक अनुरोध की लागत पूछें तो आमतौर पर जवाब मिलता है "यह निर्भर करता है"। सच है, लेकिन उस पर बजट नहीं बनाया जा सकता। इसलिए हमने तीन रोज़मर्रा के काम लिए, 23 अक्टूबर 2026 को CheapTokens API के ज़रिए DeepSeek-V4-Flash पर भेजे, और हर बार usage फ़ील्ड में जो था वह लिख लिया।

संक्षेप में: एक छोटा सवाल 110 टोकन का निकला, एक पैराग्राफ का सारांश 396 का, और एक ईमेल को JSON में बदलना 299 का। नीचे देखिए हर अनुरोध कैसा था, क्या वापस आया, और उसकी लागत क्या है।

एक छोटा सवाल#

हमने वही शुरू किया जो लोग चैट असिस्टेंट्स से हर समय पूछते हैं: git merge और git rebase में क्या अंतर है, दो-तीन वाक्यों में।

सवाल ने 23 टोकन लिए, जवाब ने 87। पहली बात जो ध्यान देने योग्य है: जवाब सवाल से लगभग चार गुना लंबा है, और महंगा पक्ष आउटपुट है, अभी MiniMax-M2.7 पर यह प्रति 1M आउटपुट टोकन $0.15 है जबकि इनपुट के लिए $0.05। इन दरों पर, ऐसा एक अनुरोध $0.000014 का पड़ता है। ऐसे हज़ार अनुरोध, $0.0142।

यही सटीक अनुरोध यहाँ है, अगर आप अपनी स्क्रीन पर संख्याएँ देखना चाहें:

curl https://api.cheaptokens.dev/v1/chat/completions \
  -H "Authorization: Bearer $CHEAPTOKENS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMaxAI/MiniMax-M2.7",
    "messages": [
      {"role": "user", "content": "What is the difference between git merge and git rebase? Answer in two or three sentences."}
    ],
    "max_tokens": 2048,
    "temperature": 0.2
  }'

गिनती रिस्पॉन्स के अंत में usage ब्लॉक में होती है: prompt_tokens वह है जो आपने भेजा, completion_tokens वह है जो मॉडल ने लिखा, total_tokens दोनों मिलाकर।

एक सारांश, और वे टोकन जो आप नहीं पढ़ते#

दूसरा काम: एक छोटी घटना रिपोर्ट को दो वाक्यों में समेटना। टीमें दिन भर ऐसी चीज़ें मॉडल से गुज़ारती हैं: टिकट, रिपोर्ट, लंबे ईमेल थ्रेड। यह है प्रॉम्प्ट:

Summarize this incident report in two sentences.

On Tuesday between 14:05 and 14:50 UTC the checkout API returned errors for about 6% of requests. The cause was a configuration change deployed at 13:58 that lowered the database connection pool from 50 to 5 connections per instance. Under normal load nobody noticed, but when the afternoon traffic peak arrived, requests queued for a free connection and timed out after 30 seconds. The on-call engineer saw the growing p99 latency at 14:12, found the change in the deploy log at 14:31 and rolled it back at 14:44. To prevent a repeat, the pool size is now validated in CI against a minimum value, and an alert fires when more than 20 requests wait for a connection for two minutes.

और जवाब:

मंगलवार को, एक कॉन्फ़िगरेशन बदलाव जिसने डेटाबेस कनेक्शन पूल को 50 से 5 कर दिया, दोपहर की व्यस्तता के दौरान लगभग 6% अनुरोधों के लिए checkout API त्रुटियों का कारण बना, जब तक कि 14:44 पर इसे वापस नहीं लिया गया। दोबारा होने से रोकने के लिए, अब CI में पूल आकार की जाँच होती है और कनेक्शन प्रतीक्षा समय सीमा से अधिक होने पर अलर्ट ट्रिगर होता है।

दो वाक्य, 331 अक्षर, और 146 आउटपुट टोकन। इतने कम टेक्स्ट के लिए यह बहुत लगा, और रिस्पॉन्स ने कारण बताया: usage में एक और फ़ील्ड था, reasoning_tokens: 76। जवाब देने से पहले, मॉडल ने इसे सोचने में 76 टोकन खर्च किए। वे 146 का हिस्सा हैं (250 in + 146 out = कुल 396), यानी आउटपुट का लगभग आधा हिस्सा ऐसी सोच में गया जो जवाब के टेक्स्ट का हिस्सा नहीं है, और इसका बिल किसी भी अन्य आउटपुट टोकन की तरह लगता है।

बजट बनाते समय यह जानना अच्छा है: जिन कामों में मॉडल सोचने के लिए रुकता है, वहाँ आउटपुट आपको मिलने वाले टेक्स्ट से काफ़ी बड़ा हो सकता है। ऐसे हज़ार सारांशों की लागत $0.0344 है।

ईमेल अंदर, साफ़ JSON बाहर#

तीसरा काम: एक ऑर्डर पुष्टि जिसे डेटाबेस रिकॉर्ड बनना है।

मॉडल ने ठीक वही कुंजियाँ लौटाईं जो हमने माँगी थीं और उनके आसपास कुछ नहीं, कोई "Here is your JSON" नहीं। कुल राशि ईमेल से मेल खाती है, और डिलीवरी तारीख 2026-11-03 के रूप में आई, पहले से उसी फ़ॉर्मेट में जो हमने माँगा था। 199 टोकन अंदर, 100 बाहर।

जो चीज़ अलग दिखती है वह घनत्व है: 276 अक्षरों के JSON के लिए 100 टोकन, जबकि git वाले जवाब ने 421 अक्षरों के सादे टेक्स्ट के लिए 87 टोकन लिए। उद्धरण चिह्न, ब्रेसिज़ और कॉमा भी टोकन हैं, इसलिए संरचित आउटपुट प्रति अक्षर गद्य से अधिक महंगा पड़ता है। ऐसे हज़ार ईमेल: $0.025।

तीनों साथ-साथ#

लागतें इन टोकन गिनतियों से मौजूदा MiniMax-M2.7 कीमत पर निकाली गई हैं, इसलिए कीमतें बदलने पर ये सही रहती हैं।

हर काम में आउटपुट जीतता है, यहाँ तक कि सारांश में भी, जहाँ हमने जितना वापस मिला उससे अधिक भेजा। तो आपके बिल पर सबसे आसान लीवर जवाब की लंबाई है: "दो या तीन वाक्यों में" या "केवल JSON लौटाएँ" असली काम करता है।

पैमाने के लिए: एक सपोर्ट बॉट जो रोज़ 2,000 छोटे सवालों का जवाब देता है, हर एक पहले वाले जैसा, MiniMax-M2.7 पर महीने में लगभग $0.852 खर्च करता है। असली चैट हर टर्न पर अपना इतिहास दोबारा भेजती है, इसलिए इनपुट हर संदेश के साथ बढ़ता है, लेकिन एकबारगी सवालों के लिए यही पूरा बिल है।

अपने प्रॉम्प्ट पर आज़माएँ#

आपके प्रॉम्प्ट अलग संख्याओं पर पहुँचेंगे, और पता लगाने में एक मिनट लगता है। यह स्क्रिप्ट हर प्रॉम्प्ट भेजती है, कटे हुए जवाब छोड़ देती है, और टोकन तथा 1,000 अनुरोधों की लागत छापती है:

import os
from openai import OpenAI

client = OpenAI(base_url="https://api.cheaptokens.dev/v1", api_key=os.environ["CHEAPTOKENS_API_KEY"])

MODEL = "MiniMaxAI/MiniMax-M2.7"
PRICE_IN, PRICE_OUT = 1.00, 4.00  # USD per 1M tokens: example values, use the current ones from the price list

PROMPTS = [
    "What is the difference between git merge and git rebase? Answer in two or three sentences.",
    # add your own prompts here
]

for prompt in PROMPTS:
    r = client.chat.completions.create(
        model=MODEL,
        messages=[{"role": "user", "content": prompt}],
        max_tokens=2048,
        temperature=0.2,
    )
    if r.choices[0].finish_reason != "stop":
        print("cut off at max_tokens, raise the limit:", prompt[:40])
        continue
    tin, tout = r.usage.prompt_tokens, r.usage.completion_tokens
    per_1000 = (tin * PRICE_IN + tout * PRICE_OUT) * 1000 / 1_000_000
    print(f"{tin} in, {tout} out, 1,000 requests = ${per_1000:.4f} | {prompt[:40]}")

मौजूदा कीमतें PRICE_IN और PRICE_OUT में डालें: MiniMax-M2.7 के लिए यह प्रति 1M इनपुट टोकन $0.05 और प्रति 1M आउटपुट टोकन $0.15 है। पहला प्रॉम्प्ट हमारे टेस्ट वाला है; टोकन गिनती मॉडल के बीच थोड़ी अलग होती है, इसलिए 23 अंदर और 87 बाहर जैसी ही सीमा में संख्याएँ अपेक्षित रखें। आपको openai पैकेज (pip install openai) और CHEAPTOKENS_API_KEY में अपनी कुंजी चाहिए होगी।

अगर कोई संख्या अजीब लगे: finish_reason: length का मतलब है जवाब max_tokens पर पहुँच गया (जवाब बीच वाक्य में क्यों रुकते हैं); बड़ा reasoning_tokens टेक्स्ट से बड़े आउटपुट को समझाता है; और इनपुट व आउटपुट कीमतों का पूरा सूत्र इनपुट बनाम आउटपुट टोकन में है।

कहाँ से शुरू करें#

कुल मिलाकर, इनपुट और आउटपुट दोनों मिलाकर, ऊपर के तीनों कामों के लिए CheapTokens पर MiniMax-M2.7 OpenRouter की संदर्भ कीमत से सस्ता है। इसमें 180K कॉन्टेक्स्ट, 8,192 टोकन तक के जवाब और किसी भी घंटे एक ही कीमत है। अपना बैलेंस टॉप अप करें, कुंजी बनाएँ और इस पेज के ऊपर वाला curl अनुरोध भेजें: डॉक्स में कुंजी और बेस URL हैं, DeepSeek पेज पर मॉडल कैटलॉग है, और मूल्य निर्धारण में लाइव कीमत सूची है।