logo
Développement
Rechercher
Service, Crédit & Tarification

Service, Crédit & Tarification

Services de Modèles

GPTBots propose actuellement deux modes de service de modèles différents. Les clients peuvent choisir entre l'utilisation d'une « clé GPTBots » ou de leur « propre clé » selon leurs besoins. Différents modes entraînent des frais de service différents sous forme de crédits lors de l'appel des services de modèles. Vous pouvez sélectionner et configurer votre mode de service préféré sous « Organisation - LLMs ».

  • Clé GPTBots : Il s'agit d'un service fourni directement par GPTBots officiel. Les développeurs peuvent utiliser les services de plateformes telles qu'OpenAI et Claude directement via GPTBots sans avoir à enregistrer leurs propres clés sur ces plateformes.
  • Propre clé : Si les développeurs disposent déjà de leurs propres clés provenant de plateformes comme OpenAI, ils peuvent les utiliser directement sur la plateforme GPTBots. GPTBots prélèvera une petite quantité de crédits comme frais de service.

Tarification des Crédits de Service

Tous les services au sein de GPTBots sont tarifés et leur utilisation est suivie à l'aide de « crédits ». Différentes versions de LLM consomment des montants de crédits différents. Pour des calculs détaillés de consommation, veuillez vous référer aux sections suivantes.

Remarque : Les crédits ne peuvent pas être remboursés ou échangés.

Types de Consommation de Crédits

La plateforme GPTBots différencie la tarification selon les types de service (voir Service, Crédit & Tarification pour plus de détails), avec des crédits déduits selon différents taux de service. Il existe 10 types de facturation spécifiques. Lors de l'utilisation des Agents IA et des Workflows, différents types de services consommeront les crédits correspondants. Les développeurs peuvent consulter les statistiques de consommation de crédits sous « Organisation - Utilisation ».

Type de Facturation Définition Exemple
Chat Texte LLM Appel d'un LLM avec entrée/sortie texte et image Lorsqu'un composant LLM, un Classificateur ou un composant de jugement de condition est invoqué
Chat Audio LLM Appel d'un LLM Audio pour entrée/sortie audio Lorsqu'un LLM Audio est invoqué
Reconnaissance ASR Utilisation du Service ASR pour convertir l'audio en texte Lors du téléchargement de fichiers audio en mode de reconnaissance système
Génération TTS Utilisation du Service TTS pour convertir le texte en audio Lors du clic sur le bouton de lecture sonore pour les messages texte dans la fenêtre de chat
Indexation de Connaissances Utilisation de l'Index de Connaissances pour effectuer un embedding sur les questions des utilisateurs et les données de connaissances Lors de la récupération de connaissances
Stockage de Connaissances Téléchargement et stockage de données de connaissances dans la base de connaissances Calcul quotidien de la capacité de stockage actuelle de la base de connaissances
Invocation d'Outils Appel réussi d'Outils Payants Lors de l'utilisation d'outils payants comme la recherche Google
Reranking de Connaissances Utilisation du Service de Rerank pour reranker les résultats de la base de connaissances récupérée Lorsque la fonction de reranking est activée pour la base de connaissances
Traitement de Base de Données Conversion de documents téléchargés en valeurs de champs de base de données et appel de requêtes Base de Données pour générer des graphiques Lors de l'extraction de documents vers la base de données et de l'utilisation des fonctionnalités de base de données dans les conversations
Reconnaissance de Questions Utilisation de la Reconnaissance de Questions pour la classification des questions et l'analyse de sentiment Lors de l'activation de la fonction de classification des questions dans les journaux

Tarification des Services LLM

Remarque : Les prix suivants sont exprimés en « crédits / 1K Tokens ».

Marque
Modèle
Entrée (Clé GPTBots) Sortie (Clé GPTBots) Entrée (Propre Clé) Sortie (Propre Clé)
OpenAI GPT-5.2-400k 0.1375 1.1000 0.012500 0.1000
OpenAI GPT-5.2-Chat-400k 0.1375 1.1000 0.0025 0.1000
OpenAI GPT-5.0-400k 0.1375 1.1000 0.012500 0.1000
OpenAI GPT-5.0-Chat-400k 0.1375 1.1000 0.0025 0.1000
OpenAI GPT-5.0-Mini-400k 0.0275 0.2200 0.0025 0.0200
OpenAI GPT-5.0-Nano-400k 0.0055 0.0440 0.0005 0.0040
OpenAI GPT-4.1-1M 0.22 0.88 0.02 0.08
OpenAI GPT-4.1-mini-1M 0.044 0.176 0.004 0.016
OpenAI GPT-4.1-nano-1M 0.011 0.044 0.001 0.004
OpenAI GPT-4o-mini-128k 0.0165 0.0665 0.0015 0.006
OpenAI GPT-4o-128k 0.225 1.1 0.0225 0.11
OpenAI GPT-o3 1.1 4.4 0.1 0.4
OpenAI GPT-o4-mini 0.121 0.484 0.011 0.044
OpenAI GPT-4o-Audio-128k 4.4 8.8 0.4 0.8
OpenAI GPT-4o-mini-Auido-128k 1.1 2.2 0.1 0.2
DeepSeek V3 0.0157 0.0314 0.0014 0.0029
DeepSeek R1 0.0629 0.2514 0.0057 0.0229
Google Gemini-3.0-Pro 0.44 1.98 0.04 0.18
Google Gemini-3.0-Pro-Image 0.22 13.2 0.02 1.2
Google Gemini-3.0-Flash 0.055 0.33 0.005 0.03
Google Gemini-3.0-Flash-Thinking 0.055 0.33 0.005 0.03
Google Gemini-2.5-Pro 0.275 1.65 0.025 0.15
Anthropic Claude-4.5-Opus-200k 1.65 2.75 0.15 0.25
Anthropic Claude-4.5-Sonnet-200k 0.33 1.65 0.03 0.15
Anthropic Claude-4.5-Haiku-200k 0.11 0.55 0.01 0.05
Anthropic Claude-4.0-Sonnet-200k 0.33 1.65 0.03 0.15
Anthropic Claude-4.0-Sonnet-Thinking-200k 0.33 1.65 0.03 0.15
xAI Grok-4.1-Fast-128k 0.022 0.055 0.002 0.005
xAI Grok-4.1-Fast-Thinking-128k 0.022 0.055 0.002 0.005
xAI Grok-4.1-Fast-2M 0.044 0.11 0.004 0.01
xAI Grok-4.1-Fast-Thinking-2M 0.044 0.11 0.004 0.01
xAI Grok-4.0-256K 0.33 1.65 0.03 0.15
Azure GPT-5.0-400k 0.1375 1.1000 0.012500 0.1000
Azure GPT-5.0-Chat-400k 0.1375 1.1000 0.0025 0.1000
Azure GPT-5.0-Mini-400k 0.0275 0.2200 0.0025 0.0200
Azure GPT-5.0-Nano-400k 0.0055 0.0440 0.0005 0.0040
Azure GPT-4.1-1M 0.22 0.88 0.02 0.08
Azure GPT-4.1-mini-1M 0.044 0.176 0.004 0.016
Azure GPT-4.1-nano-1M 0.011 0.044 0.001 0.004
Azure GPT-4o-128k 0.225 1.1 0.0225 0.11
Azure GPT-4o-mini-128k 0.0165 0.0665 0.0015 0.006
Azure GPT-4o-Audio-128k 4.4 8.8 0.4 0.8
Azure GPT-4o-mini-Auido-128k 1.1 2.2 0.1 0.2
Meta llama-3.0-8b-8k 0.022 0.022 0.002 0.002
Meta llama-3.0-70b-8k 0.099 0.099 0.009 0.009
Meta llama-3.1-8b-turbo-128k 0.022 0.022 0.002 0.002
Meta llama-3.1-70b-turbo-128k 0.099 0.099 0.009 0.009
Meta llama-3.1-405b-turbo-4k 0.099 0.099 0.009 0.009
Seed Seed-1.6-256K 0.055 0.44 0.005 0.04
Seed Seed-1.6-Thinking-256K 0.055 0.44 0.005 0.04
Seed Seed-1.6-Flash-256K 0.0083 0.033 0.0008 0.003
Seed Seed-1.6-Flash-Thinking-256K 0.0083 0.033 0.0008 0.003
Mixtral open-mistral-7b 0.028 0.028 0.003 0.003
Mixtral open-mixtral-8x7b 0.077 0.077 0.007 0.007
Mixtral mistral-small-latest 0.220 0.660 0.020 0.060
Mixtral mistral-medium-latest 0.297 0.891 0.027 0.081
Mixtral mistral-large-latest 0.880 2.640 0.080 0.240
Tencent Hunyuan-standard-32k 0.0707 0.0786 0.0064 0.0071
Tencent Hunyuan-standard-256k 0.2357 0.9429 0.0214 0.0857
Tencent Hunyuan-pro-32k 0.472 1.572 0.042 0.142
Ali Qwen-3.0-Plus-128k 0.0126 0.0314 0.0011 0.0029
Ali Qwen-3.0-Plus-Thinking-128k 0.0126 0.2514 0.0011 0.0229
Ali Qwen-3.0-turbo-1M 0.0047 0.0094 0.0004 0.0009
Ali Qwen-2.5-Max-32k 0.3143 0.9429 0.0286 0.0857
Ali Qwen-vl-max-32k 0.3143 0.3143 0.0286 0.0286
Ali Qwen2.5-72b-128k 0.0629 0.1886 0.0057 0.0171
Ali Qwen2.0-32b-128k 0.055 0.11 0.005 0.01
Ali Qwen2.0-7b-128k 0.0314 0.0943 0.0029 0.0086
Ali Qwen2.0-audio 0.1 0.1 0.01 0.01
Baidu ERNIE-4.0-8K 1.76 1.76 0.16 0.16
Baidu ERNIE-3.5-8K 0.18 0.18 0.02 0.02
ZhiPu GLM-4.5-128K 0.0314 0.0029 0.1257 0.0114
ZhiPu GLM-4.5-Air-128K 0.0094 0.0009 0.0629 0.0057
ZhiPu GLM-4.5-X-128K 0.1257 0.0114 0.5029 0.0457
ZhiPu GLM-4V-Plus-8K 0.017 0.017 0.0015 0.0015
ZhiPu GLM-4.0-9b-8K 0.095 0.095 0.008 0.008
Moonshot Kimi-K2-Turbo-256K 0.1257 0.9114 0.0114 0.0829
Moonshot Kimi-K2-Thinking-256k 0.0629 0.2514 0.0057 0.0229
Moonshot Moonshot-128K 0.9429 0.9429 0.0857 0.0857
Moonshot Moonshot-32K 0.3771 0.3771 0.0343 0.0343
Moonshot Moonshot-8K 0.1886 0.1886 0.0171 0.0171

Tarification du Service Embedding

Remarque : Les prix suivants sont exprimés en « crédits / 1K Tokens ».

Marque
Modèle
Clé GPTBots
Propre Clé
OpenAI text-embedding-ada-002 0.0120 0.0010
OpenAI text-embedding-3-large 0.0156 0.0013
OpenAI text-embedding-3-small 0.0024 0.0002

Tarification du Service Rerank

Remarque : Les prix suivants sont exprimés en « crédits / 1K Tokens ».

Marque
Modèle
Clé GPTBots
Propre Clé
Jina reranker-v1-base-en 0.0022 0.0001
Jina reranker-v1-turbo-en 0.0022 0.0001
Jina reranker-v1-tiny-en 0.0022 0.0001
Baai bce-rerank 0.0022 0.0001
NteEase bgep-rerank 0.0022 0.0001

Tarification du Service ASR

Remarque : Les prix suivants sont exprimés en « crédits / 60 sec ».

Marque
Modèle
Clé GPTBots
Propre Clé
OpenAI Whisper Large-V2 0.66 0.06
OpenAI Whisper Large-V3 0.88 0.08

Tarification du Service TTS

Remarque : Les prix suivants sont exprimés en « crédits / 1000 caractères ».

Marque
Modèle
Clé Plateforme
Propre Clé
OpenAI TTS 1.65 0.15
Azure Speech 1.65 0.15
Ali CosyVoice 0.44 0.044
Ali Sambert 0.22 0.022
Minimax Voice 0.44 0.044

Stockage de Vecteurs

Remarque : Les prix suivants sont exprimés en « crédits / 1K Tokens/ jour ».

Service
Tarif
Stockage de Vecteurs 0.001

FAQ

Comment convertir entre les crédits GPTBots et les tokens ?

En prenant comme exemple le service LLM GPT-4.1-1M d'OpenAI, lors de l'utilisation de la « Clé GPTBots », l'entrée de 1000 tokens consomme 0,22 crédit.
10 $ = 1000 crédits = 4 545 454 Tokens (1000 crédits / 0,22 crédit * 1000 tokens)

Langue Entrée ≈ Caractères Entrée ≈ Mots
Anglais 18 000 000 caractères 3 500 000
Chinois 3 000 000~4 500 000 -
Japonais 3 000 000~4 500 000 -
Coréen 3 000 000~4 500 000 -
Français - 3 800 000
Allemand - 3 800 000
Thaï 3 000 000~4 500 000 -
Russe - 3 800 000
Arabe - 3 800 000

Remarque :
Ce sont des estimations approximatives et les valeurs réelles peuvent varier selon le contenu du texte et la méthode de tokenisation.
Le nombre de mots est plus facile à estimer pour l'anglais et les autres langues à base latine, tandis que le nombre de caractères est plus pertinent pour le chinois, le japonais, le coréen, le thaï, etc.

Comment les tokens sont-ils calculés ?

En prenant comme exemple les règles de calcul des tokens du service LLM d'OpenAI :

Langue/Caractère 1 Token ≈ Caractères
Anglais 4 caractères
Chinois 1 caractère chinois
Japonais 1 kana ou kanji
Coréen 1 caractère hangul
Français/Espagnol/Allemand etc. 3~4 caractères
Russe 3~4 caractères
Arabe/Hébreu 3~4 caractères
  1. Anglais : 1 mot anglais ≈ 1,3 token, 1 token ≈ 4 caractères anglais (espaces et ponctuation inclus)
  2. Chinois : 1 caractère chinois ≈ 1 token (parfois 1,5 tokens en moyenne)
  3. Japonais : 1 token ≈ 1 kana/kanji japonais
  4. Coréen : 1 token ≈ 1 lettre coréenne (les blocs de syllabes peuvent être plus longs)
  5. Français : 1 mot français ≈ 1,2 token
  6. Allemand : 1 mot allemand ≈ 1,2 token
  7. Thaï : 1 token ≈ 1 lettre thaïlandaise (le thaï n'a pas d'espaces, le nombre de tokens peut donc être plus élevé après tokenisation)
  8. Russe : 1 mot russe ≈ 1,2 token
  9. Arabe : 1 mot arabe ≈ 1,2 token

    Pour des besoins spécifiques de comptage de tokens, vous pouvez utiliser l'outil tiktoken d'OpenAI pour des tests réels.

Comment les tokens sont-ils calculés pour les entrées d'images ?

En prenant comme exemple les règles de calcul des tokens du service LLM d'OpenAI, voici comment les tokens sont calculés pour les images :

  1. Obtenez la longueur et la largeur de l'image en « px », par exemple « 1024px * 1024px ».
  2. Calculez la valeur « Tiles » de l'image en divisant la « largeur » et la « hauteur » par 512, en arrondissant au supérieur, puis en multipliant les résultats.
  3. Calculez les « Tokens » de l'image avec la formule « 85+170*Tiles ».
  • Formule complète de calcul :

    Tiles=(largeur÷512)×(hauteur÷512)Tiles = ⌈(largeur÷512)⌉×⌈(hauteur÷512)⌉
    Tokens=85+170×TilesTokens = 85+170×Tiles
  • Exemple de code Python :

import math def calculate_tokens(width, height): tiles = math.ceil(width/512) * math.ceil(height/512) tokens = 85 + 170 * tiles return tokens # Test print(calculate_tokens(2000, 500))
                      
                      import math

def calculate_tokens(width, height):
    tiles = math.ceil(width/512) * math.ceil(height/512)
    tokens = 85 + 170 * tiles
    return tokens

# Test
print(calculate_tokens(2000, 500))

                    
Ce bloc de code dans la fenêtre flottante

Par exemple, si les dimensions de l'image d'entrée sont 2000px * 500px, sa valeur Tiles sera 4*1=4, donc les Tokens d'entrée pour cette image seront 85+170*4=765.