Comparație prețuri API LLM 2026: Fiecare model major, la preț
O comparație a prețurilor API LLM pare simplă până când încerci să construiești una: prețurile s-au modificat de două ori în prima jumătate a anului 2026, fiecare furnizor tarifează diferit input-ul și output-ul, iar cifra „de titlu” rareori corespunde facturii tale reale. Așa că am extras fiecare cifră de mai jos direct de pe pagina oficială de prețuri la data de 14 iulie 2026 și am făcut calculele pentru o sarcină de lucru reală la final.
Tabelul complet al prețurilor API LLM (2026)
Iată întregul domeniu pe un singur ecran, cu prețuri per 1 milion de tokenuri în USD. Acesta este tabelul pe care oamenii îl capturează, așa că îl punem primul.
| Model | Input | Output | Input cache-uit | Context |
|---|---|---|---|---|
| Claude Opus 4.8 | $5.00 | $25.00 | $0.50 | 1M |
| Claude Sonnet 5 | $3.00 | $15.00 | $0.30 | 1M |
| Claude Haiku 4.5 | $1.00 | $5.00 | $0.10 | 200K |
| Claude Fable 5 | $10.00 | $50.00 | $1.00 | 1M |
| GPT-5.6 Sol | $5.00 | $30.00 | $0.50 | 1.05M |
| GPT-5.6 Terra | $2.50 | $15.00 | $0.25 | 1.05M |
| GPT-5.6 Luna | $1.00 | $6.00 | $0.10 | 1.05M |
| GPT-5.4 nano | $0.20 | $1.25 | $0.02 | 1.1M |
| Gemini 2.5 Pro | $1.25 | $10.00 | $0.31 | 1M |
| Gemini 2.5 Flash | $0.30 | $2.50 | $0.03 | 1M |
| Gemini 2.5 Flash-Lite | $0.10 | $0.40 | $0.01 | 1M |
| DeepSeek-V4 | $0.14 | $0.28 | $0.003 | 1M |
| Zhipu GLM-4.6 | $0.43 | $1.74 | n/a | 205K |
| Alibaba Qwen3-Max | $1.20 | $6.00 | n/a | 262K |
| Mistral Medium 3.5 | $1.50 | $7.50 | n/a | 128K |
| Mistral Large 3 | $0.50 | $1.50 | n/a | 128K |
| Mistral Small 4 | $0.15 | $0.60 | n/a | 32K |
Două note de subsol importante. Claude Sonnet 5 are un preț introductiv de $2.00 input / $10.00 output per milion până la 31 august 2026, după care revine la $3.00 / $15.00 afișate mai sus. Iar Gemini 2.5 Pro sare la $2.50 input / $15.00 output odată ce un singur prompt depășește 200K tokenuri, deci prețul său „listat” este de fapt un prag minim.
Fiecare model de aici oferă, de asemenea, un API Batch cu o reducere fixă de 50% atât la input, cât și la output (Anthropic, OpenAI, Google și Alibaba), pe care îl vom include în exemplul practic de mai jos.
Pentru ce plătești de fapt
Trei numere îți determină factura, iar majoritatea paginilor de prețuri îngroapă două dintre ele.
- Tokenurile de input sunt tot ceea ce trimiți: promptul de sistem, istoricul conversației, contextul recuperat, întrebarea utilizatorului. În aplicațiile de chat și RAG, acesta este de obicei partea mai mare.
- Tokenurile de output sunt ceea ce generează modelul și costă de 3-6 ori mai mult decât input-ul la aproape fiecare furnizor. GPT-5.6 Terra taxează $2.50 la intrare și $15.00 la ieșire, un multiplicator de 6x. Răspunsurile verbose dor.
- Input-ul cache-uit este factorul ascuns. Dacă trimiți același prompt de sistem la fiecare cerere, cache-ul de prompt facturează acele tokenuri repetate la aproximativ 10% din rata normală. Uită-te la coloana „Input cache-uit” de mai sus: Claude Opus 4.8 scade de la $5.00 la $0.50. Într-o aplicație cu trafic ridicat, acea singură coloană decide dacă factura ta este de $10K sau $3K. Ghidul nostru despre cache-ul de prompturi acoperă configurarea pentru fiecare furnizor.
Concluzia: o comparație brută a „prețului de input” este înșelătoare. Modelul cu cel mai mic preț afișat poate pierde în fața unuiuia puțin mai scump care gestionează mai bine cache-ul, iar modelul cu cel mai înfricoșător preț de output poate fi cel mai ieftin dacă sarcina ta returnează răspunsuri de două cuvinte.
Cele mai ieftine modele pentru volume mari de muncă
Dacă procesezi milioane de tokenuri pentru sarcini precum clasificarea, extragerea, rezumarea sau moderarea, baza tabelului este acolo unde se află banii.
- DeepSeek-V4 este pragul minim de preț la $0.14 input / $0.28 output. Rata sa de input cu hit în cache de aproximativ $0.003 per milion este aproape gratuită. Cu un context de 1M tokenuri și un output maxim de 384K, gestionează confortabil majoritatea sarcinilor non-frontier.
- Gemini 2.5 Flash-Lite la $0.10 / $0.40 este răspunsul Google, cu același context de 1M și un ecosistem matur.
- Zhipu GLM-4.6 la $0.43 / $1.74 se situează la mijloc și este un model puternic pentru codare. Dacă îl folosești intens pentru dezvoltare, abonamentul coding-plan al GLM poate bate prețul per token în totalitate.
- Mistral Small 4 la $0.15 / $0.60 este cea mai ieftină opțiune cu rezidență a datelor în UE, ceea contează pentru sarcinile reglementate.
Diferența dintre acest nivel și modelele flagship nu este subtilă. Prețul de output al DeepSeek-V4 este de peste 50 de ori mai ieftin decât cel al GPT-5.6 Sol. Pentru orice sarcină în care un model open-weights de nivel mediu trece de bara ta de calitate, această diferență este cea mai mare pârghie asupra facturii tale.
Nivelul Flagship, comparat
Când sarcina necesită cu adevărat raționament de frontieră (agenți complecși, cod dificil, analiză profundă), alegi între patru modele. Iată cum se aliniază la preț pentru aceeași clasă de inteligență:
| Flagship | Input | Output | Context | Notabil |
|---|---|---|---|---|
| GPT-5.6 Sol | $5.00 | $30.00 | 1.05M | Cel mai mare preț de output dintre cele patru |
| Claude Opus 4.8 | $5.00 | $25.00 | 1M | Egal cu Sol la input, output mai ieftin |
| Claude Fable 5 | $10.00 | $50.00 | 1M | Cel mai capabil Anthropic, prețuit peste Opus |
| Gemini 2.5 Pro | $1.25 | $10.00 | 1M | Cel mai ieftin flagship, dar crește peste 200K |
Teoretic, Gemini 2.5 Pro este afacerea grupului, aproximativ un sfert din prețul de output al lui Sol. Captura este penalizarea pentru context lung: depășește 200K tokenuri într-un singur prompt și repricează întreaga cerere la $2.50 / $15.00. Pentru agenții care încarcă contexte mari, asta șterge o mare parte din avantaj, așa că evaluează dimensiunile reale ale prompturilor înainte de a decide.
Claude Fable 5 este excepția la cost. Este poziționat peste nivelul Opus pentru raționamentul cel mai exigent pe orizonturi lungi, deci este un model deliberat „la care apelezi când corectitudinea bate costul”, nu unul implicit.
Costurile ascunse pe care nimeni nu le pune în tabel
O comparație per token ratează patru lucruri care mișcă facturile reale:
- Niveluri pentru context lung. Gemini 2.5 Pro (peste 200K) și GPT-5.6 (peste aproximativ 272K) taxează de 1.5-2x odată ce prompturile devin mari. Dacă lucrezi cu documente lungi, rata ta efectivă este cea pe niveluri.
- Prime pentru scrierea în cache. Anthropic taxează 1.25x pentru scrierea în cache (2x pentru TTL de 1 oră) înainte de a obține rata de citire de 0.1x. Se amortizează după două cereri, dar o sarcină cu repetiție scăzută poate plăti prima de scriere și niciodată să nu beneficieze de economie.
- Batch vs real-time. Reducerea de 50% pentru batch este bani gratis dacă sarcina ta poate aștepta 24 de ore. Majoritatea echipelor au mai mult trafic eligibil pentru batch decât cred (joburi nocturne, umpleri retroactive, moderare).
- Furnizorul care nu este în listă. Pentru volume foarte mari, găzduirea proprie a unui model open-source pe GPU-uri închiriate poate subtaia fiecare rată API de aici. Ghidul nostru despre rularea LLM local acoperă când această ecuație se inversează.
Preț per sarcină, nu per token: Un job real
Prețurile per token sunt abstracte. Așa că am rulat unul real. În iunie 2026, am trimis un lot de rezumare a 50 de documente (aproximativ 1.2M tokenuri de input și 120K tokenuri de output) prin cinci modele și am înregistrat factura reală:
| Model | Cost real-time | Cu API Batch |
|---|---|---|
| GPT-5.6 Terra | $4.80 | $2.40 |
| Claude Sonnet 5 (intro) | $3.60 | $1.80 |
| Gemini 2.5 Flash | $0.66 | $0.33 |
| Zhipu GLM-4.6 | $0.72 | n/a |
| DeepSeek-V4 | $0.20 | n/a |
Aceleași 50 de documente, același prompt. Factura a variat de la $4.80 la $0.20, o diferență de 24x pentru aceeași muncă, înainte de batching. Odată ce am mutat furnizorii eligibili pentru batch în coada lor de peste noapte, Gemini 2.5 Flash a aterizat la 33 de cenți. Pentru rezumare, unde diferența de calitate între aceste modele a fost în marja noastră de eroare, acea decizie valorează mii de dolari pe lună la scară.
Lecția: comparația corectă este întotdeauna costul per sarcină, calculat pe raportul tău real de input/output, nu prețul afișat al unui singur token. Un model cu output scump este ieftin pentru extragere; un model cu input ieftin este scump pentru generare lungă.
Care model este cel mai ieftin pentru cazul tău de utilizare?
Versiunea scurtă, cu prețuri din tabelul de mai sus:
- Chatboți și RAG (input lung, output scurt): prețul de input și cache-ul domină. Gemini 2.5 Flash și DeepSeek-V4 câștigă; adaugă cache de prompt la whichever choose.
- Generare de formate lungi (input scurt, output lung): prețul de output domină. Gemini 2.5 Flash-Lite și DeepSeek-V4 sunt cele mai ieftine; evită GPT-5.6 Sol decât dacă ai nevoie de raționament.
- Agenți și utilizarea uneltelor (context mare, multe tururi): urmărește nivelurile pentru context lung. Claude Opus 4.8 și GPT-5.6 Terra sunt predictibile; Gemini 2.5 Pro este cel mai ieftin doar dacă rămâi sub 200K.
- Codare: GLM-4.6 și abonamentul său coding-plan, sau Claude Opus 4.8 pentru cele mai grele probleme.
- Raționament de frontieră unde corectitudinea bate costul: Claude Opus 4.8 sau Claude Fable 5.
Indiferent ce alegi, direcționează-l printr-un gateway astfel încât schimbarea furnizorilor să fie o modificare de configurație, nu o rescriere. Comparația noastră a celor mai bune instrumente gateway LLM acoperă opțiunile, iar dacă vrei planul complet pentru reducerea facturii, vezi ghidul nostru despre reducerea costurilor API LLM. Pentru o aprofundare doar pe Gemini cu ratele multimodale și audio pe care acest tabel nu le acoperă, vezi detalierea prețurilor API Gemini.
Cum alege Techsy modelele pentru clienți
Construim sisteme AI de producție pentru clienți B2B, iar selecția modelului este una dintre primele decizii pe care le luăm, de obicei înainte de a scrie o linie de cod. Abordarea noastră este plictisitoare intenționat: profilăm raportul real input/output al sarcinii, evaluăm primii trei candidați pe acel raport (nu pe prețul afișat), îi testăm față de un set de evaluare pentru a confirma paritatea calității, apoi conectăm cel mai ieftin model calificat în spatele unui gateway astfel încât să-l putem reevalua trimestrial pe măsură ce apar modele noi. Acest ultim pas contează mai mult decât alegerea „celui mai bun” model astăzi, deoarece prețul pe care îl vezi mai sus va fi greșit în trei luni.
Dacă alegi un model sau te uiți la o factură care continuă să crească, acesta este genul de decizie cu care te ajutăm. Explorează serviciile noastre de integrare AI sau programează o revizuire gratuită a arhitecturii.
Întrebări frecvente
Care este cel mai ieftin API LLM în 2026?
DeepSeek-V4 este cel mai ieftin model capabil la $0.14 input / $0.28 output per milion de tokenuri începând cu iulie 2026, cu input-ul cu hit în cache aproape de $0.003. Gemini 2.5 Flash-Lite ($0.10 / $0.40) și Mistral Small 4 ($0.15 / $0.60) sunt aproape în spate. Pentru muncă de calitate frontieră, Gemini 2.5 Pro este cel mai ieftin flagship.
Este GPT-5.6 sau Claude Opus 4.8 mai scump?
Se egalează la input ($5.00/M), dar Claude Opus 4.8 este mai ieftin la output ($25.00/M față de $30.00/M pentru GPT-5.6 Sol). Pentru sarcini cu mult output, Opus 4.8 câștigă la preț; pentru cele cu mult input, sunt efectiv egale înainte de cache.
De ce este output-ul mai scump decât input-ul?
Generarea tokenurilor este mai intensă din punct de vedere computațional decât citirea lor, așa că aproape fiecare furnizor taxează de 3-6 ori mai mult pentru output. De aceea, reducerea lungimii răspunsului (și utilizarea output-urilor structurate) economisește mai mult per token decât reducerea promptului.
Cât economisește de fapt cache-ul de prompturi?
Tokenurile de input cache-uite se facturează la aproximativ 10% din rata standard la Anthropic, OpenAI și Google, o reducere de 90% pentru partea repetată a promptului tău. Pentru aplicațiile care trimit același prompt de sistem la fiecare cerere, cache-ul reduce adesea factura totală cu 30-50%.
Aceste prețuri includ reducerea API Batch?
Nu. Tabelul principal afișează prețurile standard în timp real. Anthropic, OpenAI, Google și Alibaba oferă toate un API Batch cu o reducere fixă de 50% atât la input, cât și la output pentru sarcinile neurgente care pot tolera până la 24 de ore de latență.
Este DeepSeek chiar atât de mult mai ieftin decât modelele americane?
Da, teoretic. Prețul de output al DeepSeek-V4 ($0.28/M) este de peste 50 de ori mai ieftin decât cel al GPT-5.6 Sol ($30/M). Compromisul este că modelele americane de frontieră încă conduc la cele mai grele sarcini de raționament, așa că majoritatea echipelor arbitrează sarcinile unde paritatea calității se menține și păstrează un flagship pentru restul.
Care este captura cu prețul mic al Gemini 2.5 Pro?
Nivelul său pentru context lung. Gemini 2.5 Pro este listat la $1.25 / $10.00, dar orice prompt unic peste 200K tokenuri repricează întreaga cerere la $2.50 / $15.00. Dacă prompturile tale sunt mari, bugetează rata pe niveluri, nu cea de titlu.
Cât de des se schimbă prețurile API LLM?
Frecvent. Prețurile s-au schimbat de două ori în prima jumătate a anului 2026, iar noi familii de modele (cum ar fi nivelul GPT-5.6 lansat la 9 iulie 2026) resetează terenul de fiecare dată. Confirmă întotdeauna cu pagina oficială de prețuri a furnizorului înainte de a angaja o sarcină și reevaluează trimestrial.
Care model are cea mai mare fereastră de context pentru preț?
DeepSeek-V4 și familia Gemini 2.5 oferă un context de 1M tokenuri la capătul inferior al gamă de prețuri. Modelele GPT-5.6 ating ușor 1.05M, iar GPT-5.4 nano ajunge la 1.1M la doar $0.20 input, făcându-l cea mai ieftină opțiune de context mare pentru sarcini simple.
Despre autor
Mert Batur Gurbuz este Co-fondator al Techsy.io, unde echipa livrează agenți AI, sisteme de automatizare și pipeline-uri voice/SDR pentru clienți B2B. Studiază la Universitatea din Birmingham și scrie despre stiva de instrumente LLM pe care echipa Techsy o folosește efectiv în producție. Conectează-te pe LinkedIn.
Surse
- Prețuri API Anthropic Claude (accesat la 2026-07-14)
- Prețuri API OpenAI (accesat la 2026-07-14)
- Prețuri API Google Gemini (accesat la 2026-07-14)
- Prețuri API DeepSeek (accesat la 2026-07-14)
- Prețuri Alibaba Cloud Model Studio (accesat la 2026-07-14)
- Prețuri API Mistral (accesat la 2026-07-14)
- Prețuri Z.AI (Zhipu GLM) (accesat la 2026-07-14)