12 způsobů, jak snížit náklady na LLM API o 80 % (2026)

12 způsobů, jak snížit náklady na LLM API o 80 % (2026)

Váš účet za LLM API je pravděpodobně 3–5× vyšší, než by měl být. Není to jen odhad, je to vzorec, který vidíme u každé produkční AI aplikace, kterou jsme optimalizovali. Dobrá zpráva? Dvanáct konkrétních technik může snížit účet ve výši 10 000 $/měsíc na 2 000 $ nebo méně a většina z nich zabere jen jedno odpoledne.

Výchozí bod 10 000 $/měsíc (a kam peníze mizí)

Než začnete cokoli optimalizovat, musíte vědět, kam vaše tokeny směřují. Zde je typické rozložení pro produkční aplikaci zpracovávající 50 tisíc denních požadavků na modelu střední třídy, jako je GPT-5.6 Terra:

Největším viníkem? Odesílání stejného systémového promptu o délce 2 000 tokenů s každým jednotlivým požadavkem. Druhým největším? Používání modelu za 2,50 $/MTok pro úkoly, které stejně dobře zvládne model za 0,20 $/MTok.

Pojďme opravit oba tyto problémy a dalších deset věcí. Všechny níže uvedené ceny jsou čerpány z oficiálních ceníků k 14. červenci 2026.

1. Ukládání promptů do cache: Největší jednotlivá výhra

Ukládání promptů do cache vám umožňuje platit zlomek ceny za opakující se vstupní tokeny. Každý hlavní poskytovatel ji nyní podporuje a úspory jsou dramatické.

Zde je rozpis cen k červenci 2026:

U Anthropic stojí čtení z cache pouze 10 % základní ceny. Pokud je váš systémový prompt dlouhý 2 000 tokenů a provádíte 50 tisíc požadavků denně, znamená to 100 milionů tokenů v cache denně. Při ceně 0,50 $/MTok místo 5 $/MTok ušetříte 450 $/den, což je přibližně 13 500 $/měsíc pouze na vstupních tokenech v tieru Opus (proporcionálně méně u levnějších modelů, ale poměr 90 % zůstává).

Nastavení je přímočaré:

# Anthropic prompt caching - mark your system prompt as cacheable
response = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1024,
    system=[
        {
            "type": "text",
            "text": "You are a customer support agent for Acme Corp...",  # 2000+ tokens
            "cache_control": {"type": "ephemeral"}  # Cache this block
        }
    ],
    messages=[{"role": "user", "content": user_query}]
)
# First call: cache write (1.25x cost). Every call after: cache read (0.1x cost).

Jedno důležité upozornění: Výchozí TTL (čas života) cache u Anthropic je 5 minut, nikoli 1 hodina. Pokud mají vaši uživatelé nebo úlohy mezi požadavky mezery delší než 5 minut, přidejte do bloku cache_control parametr "ttl": "1h". Stojí to dvojnásobek standardní ceny zápisu, ale udržuje cache aktivní po celou hodinu a čtení stále stojí pouze 0,1x.

OpenAI a Google ukládají data do cache automaticky, jakmile váš prompt překročí jejich minimální délku, takže u těchto poskytovatelů je výhra téměř zdarma. Pravidlo je však všude stejné: udržujte stabilní část promptu na začátku a variabilní část na konci, protože jakákoli změna byte v prefixu zneplatní vše za ním.

Pro implementaci specifickou pro jednotlivé poskytovatele a pokročilé vzory, jako je řetězení cache, se podívejte na náš kompletní průvodce ukládáním promptů do cache.

Odhadované úspory: 30–50 % z celkového účtu.

2. Směrování modelů: Přestaňte používat kladivo na připínáčky

Většina aplikací odesílá každý požadavek na stejný model. Je to, jako byste najali senior inženýra, aby odpovídal na otázku „jaká je vaše politika vracení zboží?“ Směřujte jednoduché dotazy na levné modely a drahé si nechte pro složité logické úvahy.

Základní nastavení směrování:

def route_request(query: str, complexity: str) -> str:
    # Route based on task complexity (GPT-5.6 family, July 2026)
    model_map = {
        "simple": "gpt-5.4-nano",   # $0.20 / $1.25 per MTok
        "medium": "gpt-5.6-luna",   # $1.00 / $6.00 per MTok
        "complex": "gpt-5.6-sol",   # $5.00 / $30.00 per MTok
    }
    response = client.responses.create(
        model=model_map[complexity],
        input=query
    )
    return response.output_text

Rozdíl v ceně je ohromující. GPT-5.4 nano stojí 0,20 $/MTok za vstup, což je 25× levnější než vlajkový model GPT-5.6 Sol. Pro klasifikaci, extrakci a jednoduché otázky a odpovědi je rozdíl v kvalitě zanedbatelný.

V praxi je 60–70 % produkčních dotazů dostatečně „jednoduchých“ pro nejmenší model. Pokud je přesměrujete na model v tieru nano a na vlajkový model ponecháte pouze 10–15 %, vaše vážená průměrná cena klesne přibližně o 70 %.

Nástroje LLM gateway, jako jsou LiteLLM, Portkey a Martian, zpracovávají směrování automaticky. Klasifikují složitost a vybírají nejlevnější model, který splňuje váš práh kvality.

Odhadované úspory: 40–60 % z celkového účtu.

3. Batch API: Poloviční cena za vše, co může počkat

Pokud vaše pracovní zátěž nepotřebuje odpovědi v reálném čase – moderování obsahu, generování nočních reportů, hromadná klasifikace – Batch API od OpenAI vám poskytne plošnou 50 % slevu na vstupní i výstupní tokeny. Anthropic, Google a Alibaba nabízejí stejnou 50 % slevu na batch processing.

Kompromisem je latence, výsledky se vrátí do 24 hodin místo během několika sekund. Pro overnight processing jobs (úlohy běžící přes noc) je to však irelevantní.

# OpenAI Batch API - submit a .jsonl file of requests
batch_file = client.files.create(
    file=open("requests.jsonl", "rb"),
    purpose="batch"
)
batch = client.batches.create(
    input_file_id=batch_file.id,
    endpoint="/v1/responses",
    completion_window="24h"
)
# Check status and retrieve results when done

Proveďte audit svých pracovních zátěží. Vše, co běží na cron jobu nebo je spuštěno událostmi, které nejsou面向 uživatele, je kandidátem na batch zpracování. Obvykle zjišťujeme, že se kvalifikuje 20–30 % volání API.

Odhadované úspory: 10–15 % z celkového účtu (z části způsobilé pro batch: 50 %).

4. Zkrátte své prompty (výstupní tokeny stojí 4–6× více)

Výstupní tokeny jsou ty drahé. GPT-5.6 Terra účtuje 15 $/MTok za výstup oproti 2,50 $/MTok za vstup, což je násobitel 6×. Zkrácení délky odpovědi šetří více peněz na token než zkrácení vstupu.

Tři rychlé výhry:

• Agresivně nastavte max_tokens. Pokud potřebujete odpověď ano/ne, nastavte limit na 10, nikoli na 1 024. Model přestane generovat (a účtovat) při dosažení limitu.
• Požadujte strukturovaný výstup. „Vrať JSON s poli: sentiment, confidence“ vyprodukuje 50 tokenů místo odstavce o 200 tokenech. Naše příručka ke strukturovaným výstupům to pokrývá podrobně.
• Použijte instrukce v systémovém promptu. Přidejte do svého systémového promptu větu „Buď stručný. Žádné úvody. Žádná vysvětlení, pokud o ně není požádáno.“

Skutečný příklad: Pipeline pro analýzu sentimentu zákazníků jednoho týmu vracela 150 slov dlouhá vysvětlení na každý ticket. Po přechodu na strukturovaný výstup JSON klesly odpovědi z ~200 tokenů na ~30 tokenů, což představuje 85 % snížení výstupních tokenů a úsporu 2 400 $/měsíc.

Odhadované úspory: 10–20 % z celkového účtu.

5. Semantická cache: Neplaťte dvakrát za stejnou odpověď

Ukládání promptů do cache (technika č. 1) je na straně poskytovatele a zpracovává identické prefixy. Semantická cache je na straně aplikace a zpracovává podobné otázky.

„Jak resetuji heslo?“ a „Zapomněl jsem heslo, jak ho změním?“ jsou různé řetězce, ale stejná otázka. Semantická cache ukládá embedding každého dotazu a vrací odpovědi z cache, když podobnost překročí určitý práh (obvykle 0,95+).

# Semantic caching with Redis and embeddings
from redis import Redis

redis = Redis()
SIMILARITY_THRESHOLD = 0.95

def get_or_cache(query: str) -> str:
    query_embedding = get_embedding(query)
    cached = redis.ft("idx:cache").search(
        "@embedding:[VECTOR_RANGE 0.05 $vec]",
        query_params={"vec": query_embedding.tobytes()}
    )
    if cached.total and cached.docs[0].similarity >= SIMILARITY_THRESHOLD:
        return cached.docs[0].response  # Cache hit - free!
    response = call_llm(query)
    redis.hset(f"cache:{hash(query)}", mapping={
        "embedding": query_embedding.tobytes(),
        "response": response
    })
    return response

Aplikace orientované na zákazníky s opakujícími se dotazy (support boti, systémy FAQ, asistenti pro vyhledávání) dosahují míry zásahu cache (cache hit rate) ve výši 30–60 %. Každý zásah cache stojí v porovnání s voláním API prakticky nic.

Odhadované úspory: 15–30 % z celkového účtu (závisí na rozmanitosti dotazů).

6. Fine-tuning malého modelu pro nahrazení velkého

Zde je kontra-intuitivní krok: utratit peníze za fine-tuning, abyste ušetřili peníze v produkci. Fine-tunovaný malý model může dosáhnout kvality vlajkového modelu pro váš specifický úkol, přičemž stojí 5× méně za token.

Matematika vychází, když máte úzký, dobře definovaný úkol – klasifikaci, extrakci, formátování – s alespoň 500 vysoce kvalitními příklady.

Samotné spuštění fine-tuningu je jednorázový náklad (přibližně 3–25 $ v závislosti na velikosti datasetu a modelu). Poté každý požadavek běží za cenu menšího modelu s kvalitou většího modelu pro váš specifický úkol.

Podívejte se na naše porovnání nástrojů pro fine-tuning, pokud hodnotíte platformy pro tento účel.

Odhadované úspory: 10–20 % z celkového účtu (u úkolů vhodných pro fine-tuning).

7. Omezte výstup pomocí Function Calling a strukturovaných výstupů

To souvisí s technikou č. 4, ale stojí za to ji zmínit samostatně. Function calling a strukturované výstupy nejen snižují počet tokenů, ale eliminují opakovaná volání způsobená chybně formátovanými odpověďmi.

Bez struktury můžete dostat:

"The sentiment is positive with a confidence of about 87%. The user seems happy..."

Se strukturovaným výstupem:

{"sentiment": "positive", "confidence": 0.87}

To je 6 tokenů místo 25. Větší výhodou je však spolehlivost. Nestrukturované odpovědi selžou při parsování v 5–15 % případů a každé opakování je další plnohodnotné volání API. Strukturované výstupy snižují selhání parsingu téměř na nulu.

Odhadované úspory: 5–10 % z celkového účtu (především díky eliminaci opakovaných volání).

8. Sledujte všechno (nemůžete optimalizovat to, co nevidíte)

Výše uvedené strategie jsou k ničemu, pokud nemůžete měřit jejich dopad. Nastavte sledování nákladů pro každý endpoint, každý model a každou funkci.

Co sledovat:

• Náklady na požadavek podle endpointu a modelu
• Míra zásahu cache (cíl: 40 %+ pro opakující se zátěže)
• Distribuce využití tokenů (vstup vs. výstup, podle funkce)
• Efektivita směrování modelů (% dotazů na tier)
• Míra chyb a opakovaných volání (každé opakování zdvojnásobuje náklady na daný požadavek)

Nástroje jako Helicone, Portkey a LangSmith vám poskytnou dashboardy pro všechny tyto metriky. Některé týmy budují vlastní sledování pomocí OpenTelemetry, ale spravovaný nástroj vás dostane do cíle za jedno odpoledne.

Nastavte upozornění na rozpočet. Provádějte týdenní revize. Týmy, které nejrychleji snížily náklady, jsou ty, které první měsíc kontrolovaly své dashboardy denně.

Odhadované úspory: 5–10 % (díky identifikaci plýtvání, o kterém jste nevěděli).

9. Vlastní hosting open modelů pro vysoké objemy

Jakmile váš účet za API překročí přibližně 5 000 $/měsíc, provozování open modelu na vlastních GPU se začne vyplácet. Modely s otevřenými váhami rychle dohnaly konkurenci: modely jako Llama, Qwen a open verze od DeepSeek zvládají většinu produkčních úkolů za zlomek ceny za token, protože platíte za výpočetní výkon místo marže za token.

Kompromis je reálný: přebíráte infrastrukturu, pronájem GPU, autoscaling a ops. Pro stabilní, vysoký objem provozu (nikoli špičkovou poptávku) je však matematika přesvědčivá. Jediný pronajatý H100 běžící na vLLM může obsloužit miliony tokenů za hodinu a amortizované náklady na token klesnou hluboko pod jakékoli hostované API, jakmile je využití vysoké.

Začněte lokálně, abyste ověřili kvalitu, než si cokoli pronajmete. Naše příručka pro provozování LLM lokálně pokrývá nástroje (Ollama, LM Studio, vLLM) a náš podrobný tutoriál pro lokální LLM vás provede prvním nastavením od začátku do konce. Ověřte, že je model pro váš úkol dostatečně dobrý lokálně, a poté stejný stack škálujte na pronajatá GPU.

Odhadované úspory: 50–80 % při vysokém objemu (vykompenzováno režijními náklady ops pod ~5 000 $/měsíc).

10. Směřujte vše přes proxy LiteLLM

Každá výše uvedená taktika se snáze vynucuje, když vaše aplikace komunikuje s jedním endpointem místo pěti. Proxy LiteLLM sedí mezi vaší aplikací a každým poskytovatelem a poskytuje vám jedno API kompatibilní s OpenAI pro Claude, GPT, Gemini, DeepSeek a vlastní hostované modely najednou.

Proč to konkrétně šetří peníze:

• Centralizovaná cache. Zapněte ukládání odpovědí do cache jednou na proxy a těží z toho každá služba za ní, bez nutnosti propojování pro každou aplikaci.
• Rozpočty a limity rychlosti na klíč. Omezte výdaje podle týmu, funkce nebo zákazníka, aby nekontrolovatelná smyčka nenafoukla účet na pětimístnou částku přes noc.
• Automatický fallback a load balancing. Když je váš primární model limitován rychlostí, proxy přesměruje požadavek na levnější zálohu místo toho, aby se opakovaně (a znovu účtovalo) volal drahý model.
• Jedno místo pro výměnu modelů. Arbitráž poskytovatelů (technika č. 12) se stane změnou konfigurace místo změny kódu v každé službě.

# litellm config.yaml - one gateway, budgets and caching in one place
model_list:
  - model_name: cheap
    litellm_params:
      model: deepseek/deepseek-chat
  - model_name: smart
    litellm_params:
      model: anthropic/claude-opus-4-8
litellm_settings:
  cache: true
  max_budget: 500        # hard monthly cap in USD

Odhadované úspory: 10–25 % z celkového účtu (z vynucených rozpočtů a centralizované cache).

11. Chraňte své úspory evaluačními testy

Zde je past: přesměrujete 70 % provozu na levnější model, účet klesne, všichni jsou šťastní a o tři týdny později vzrostou support tickety, protože levný model potichu nezvládl okrajové případy. Snížení nákladů bez brány kvality je způsob, jak vyměníte účet za API za problém s odchodem zákazníků.

Řešením je sada evaluačních testů. Před nasazením změny směrování, nového levnějšího modelu nebo agresivního max_tokens ji spusťte proti pevné sadě reprezentativních vstupů a ohodnoťte výstupy. Regrese ve vaší evaluační sadě změnu zablokuje. To je rozdíl mezi „účet klesl“ a „účet klesl a nic se nerozbilo“.

Nastavte to jednou a každá budoucí optimalizace nákladů bude bezpečná k nasazení. Naše porovnání nejlepších nástrojů pro evaluaci LLM pokrývá frameworky (open-source i hostované), které se integrují do CI, takže regrese kvality selže build stejným způsobem jako nefunkční test.

Odhadované úspory: nepřímé, ale velké (zabraňuje falešné ekonomice levného modelu, který vás stojí zákazníky).

12. Arbitráž poskytovatelů: Přepněte na levnější rodinu modelů

Nejrychlejší pákou, jakmile máte evaluační testy (technika č. 11), je přesunout pracovní zátěže na fundamentálně levnějšího poskytovatele. Rozdíl mezi nejdražšími a nejlevnějšími schopnými modely je obrovský a mění se měsíc co měsíc s příchodem nových modelů.

Zde je aktuální situace na trhu, za milion tokenů, k 14. červenci 2026:

Podívejte se na sloupec výstup, ten dominuje většině účtů. DeepSeek-V4 za 0,28 $/MTok výstup je více než 50× levnější než GPT-5.6 Terra za 15 $. Pro úkoly, kde stačí model střední třídy s otevřenými váhami (sumarizace, extrakce, koncepty, klasifikace), je jejich přesun z amerického vlajkového modelu na DeepSeek, Gemini Flash nebo GLM často největším jednotlivým poklesem položky v účtu, jaký kdy provedete.

Úskalím je parity kvality: některé úkoly skutečně potřebují špičkový model. Proto právě technika č. 11 přichází první. Prokažte paritu na své evaluační sadě a poté agresivně arbitrujte.

Odhadované úspory: 40–90 % u arbitrážovaných pracovních zátěží.

Jak to vypadá v naší vlastní pipeline

Nejen to doporučujeme, my to provozujeme. Tento blog je produkován multi-agentní content pipeline: oddělení agenti researchují, píší koncepty, překládají do devíti jazyků a publikují. V červnu 2026 tato pipeline provedla přibližně 12 000 volání API.

Instrukce agentů plus naše brand config mají asi 3 500 tokenů a opakují se téměř při každém volání. Před cachingem jsme platili za opětovné odesílání těchto identických tokenů přibližně 12 000krát, což bylo asi 180 $/měsíc pouze za redundantní vstup systémového promptu. Zapnuli jsme ukládání promptů do cache (technika č. 1) a přesunuli všech devět překladových průchodů na Batch API (technika č. 3). Stejný výstup, stejná laťka kvality. Pipeline nyní běží na přibližně 70 $/měsíc, což je snížení o 61 %, a obě změny zabraly jedno odpoledne.

Jak k tomu přistupuje Techsy

Optimalizovali jsme náklady na LLM pro produkční aplikace od support botů po dokumentové pipeline a vzorec je vždy stejný: týmy platí příliš mnoho, protože caching a směrování nikdy nebyly zapojeny, ne proto, že používají špatného poskytovatele. Začínáme auditem na úrovni tokenů (kam tokeny skutečně směřují?), nejprve opravíme dvě největší úniky a poté přidáme evaluační testy, aby úspory vydržely.

Pokud hledíte na účet, který neustále roste, to je přesně to, co děláme. Prozkoumejte naše služby AI integrace nebo si rezervujte bezplatnou revizi architektury.

Dáváme to vše dohromady: Playbook ze 10 000 $ na 2 000 $

Zde je vidět, jak se tyto techniky skládají v praxi. Nejsou všechny aditivní, některé se překrývají, ale kombinovaný efekt je reálný:

Realistická cesta implementace pro výchozí bod 10 000 $/měsíc:

1. Týden 1: Přidat ukládání promptů do cache + zkrátit výstupy. Účet klesne na 5 500 $.
2. Týden 2: Implementovat směrování modelů za proxy LiteLLM. Účet klesne na 3 200 $.
3. Týden 3: Přesunout práci způsobilou pro batch na Batch API + zavést sadu evaluačních testů. Účet klesne na 2 700 $.
4. Měsíc 2: Přidat semantickou cache + arbitráž sumarizace/extrakce na DeepSeek nebo Gemini Flash. Účet klesne na 2 000 $.
5. Měsíc 3: Fine-tuning (nebo vlastní hosting) pro úkoly s nejvyšším objemem. Účet se stabilizuje na 1 500–2 000 $.

To je 80 % snížení beze změny toho, co vaše aplikace dělá pro uživatele.

Často kladené otázky

Kolik mohu realisticky ušetřit na nákladech za LLM API?

Většina produkčních aplikací může snížit náklady o 60–80 % kombinací ukládání promptů do cache, směrování modelů a optimalizace výstupů. Přesné číslo závisí na vašich vzorcích dotazů, aplikace s opakujícími se vstupy (support boti, content pipeline) ušetří nejvíce.

Kterou techniku snižování nákladů bych měl implementovat jako první?

Ukládání promptů do cache. Je to nejnižší úsilí pro nejvyšší návratnost. Pokud je váš systémový prompt delší než 1 024 tokenů a provádíte tisíce požadavků denně, uvidíte úspory během několika hodin po nasazení.

Funguje ukládání promptů do cache u všech poskytovatelů LLM?

Ano. Anthropic, OpenAI a Google ji všichni podporují od roku 2026. Implementace se liší (Anthropic používá bloky cache_control, OpenAI a Google ukládají do cache automaticky, jakmile prompt překročí minimální délku), ale úspory jsou srovnatelné: asi 90 % u čtení z cache.

Je DeepSeek opravdu 50× levnější než GPT-5.6?

U výstupních tokenů, zhruba ano: DeepSeek-V4 je uváděn na 0,28 $/MTok výstup oproti 15 $ za GPT-5.6 Terra k červenci 2026. Kompromisem je, že špičkový model stále vítězí v nejtěžších úlohách logického uvažování, takže arbitrujete úkoly, kde platí parita kvality (sumarizace, extrakce, koncepty), a vlajkový model si necháte na zbytek.

Kdy vlastně hosting open modelu šetří peníze?

Nad přibližně 5 000 $/měsíc se stabilním, vysokým objemem provozu a interními ML ops. Vlastní hosting modelů Llama, Qwen nebo DeepSeek s otevřenými váhami na pronajatých GPU může snížit náklady na token o 50–80 %, ale platíte za infrastrukturu a údržbu. Pro většinu týmů pod touto hranicí získáte optimalizací na straně API 80 % úspor s 10 % úsilí.

Jaký je rozdíl mezi ukládáním promptů do cache a semantickou cache?

Ukládání promptů do cache je na straně poskytovatele, ukládá identické tokenové prefixy (jako systémové prompty) a účtuje snížené sazby při zásahu cache. Semantická cache je na straně aplikace, používá embeddingy k detekci podobných dotazů a vrací uložené odpovědi bez jakéhokoli volání API.

Jak proxy LiteLLM snižuje náklady?

Centralizuje caching, rozpočty na klíč, limity rychlosti a logiku fallbacku v jedné bráně. Místo zapojování kontrol nákladů do každé služby nastavíte jednou pevný měsíční rozpočet na proxy, zapnete ukládání odpovědí do cache a vyměníte modely změnou konfigurace. Také to činí arbitráž poskytovatelů triviální.

Proč potřebuji evaluační testy před snížením nákladů?

Protože nejlevnější model, který projde demem, může stále selhat v okrajových případech, které neuvidíte, dokud na ně nenarazí zákazníci. Sada evaluačních testů hodnotí kandidátskou změnu proti reprezentativním vstupům a blokuje vše, co zhoršuje kvalitu, takže vaše snížení nákladů se potichu nestane problémem s odchodem zákazníků.

Může fine-tuning skutečně snížit náklady?

Ano, významně. Fine-tunovaný malý model může dosáhnout kvality většího modelu u specifických úkolů, přičemž stojí 5–20× méně za token. Úskalím: potřebujete 500+ vysoce kvalitních trénovacích příkladů a dobře definovaný úkol.

Jaké monitoringové nástroje bych měl používat pro sledování nákladů na LLM?

Helicone a Portkey jsou nejpopulárnější specializované nástroje. Obě poskytují rozpis nákladů na požadavek, analytiku využití modelů a upozornění na rozpočet. Pokud již používáte LangChain nebo LlamaIndex, LangSmith a Arize se integrují přímo s těmito frameworky.

O autorovi

Mert Batur Gurbuz je spoluzakladatelem Techsy.io, kde tým dodává AI agenty, automatizační systémy a voice/SDR pipeline pro B2B klienty. Studuje na University of Birmingham a píše o stacku nástrojů pro LLM, který tým Techsy skutečně používá v produkci. Spojte se na LinkedIn.

Zdroje

• Ceník API Anthropic Claude (přístup 2026-07-14)
• Ceník API OpenAI (přístup 2026-07-14)
• Ceník API Google Gemini (přístup 2026-07-14)
• Ceník API DeepSeek (přístup 2026-07-14)
• Ceník API Mistral (přístup 2026-07-14)
• Helicone - Sledování a optimalizace nákladů na LLM