logo
Développement
Rechercher
Service, Crédit & Tarification

Service, Crédit & Tarification

Services de Modèles

Les services de modèles de GPTBots sont fournis directement par GPTBots. Les développeurs peuvent utiliser les services de plateformes telles qu'OpenAI et Claude via GPTBots sans avoir à enregistrer leurs propres clés sur ces plateformes. Lors de l'appel des services de modèles, les crédits sont déduits selon la tarification ci-dessous.

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 Sortie
OpenAI GPT-5.6-Sol 0.55 3.3
OpenAI GPT-5.6-Terra 0.22 1.32
OpenAI GPT-5.6-Luna 0.033 0.198
OpenAI GPT-5.4-272k 0.275 1.65
OpenAI GPT-5.4-Mini-400k 0.0825 0.495
OpenAI GPT-5.4-Nano-400K 0.022 0.1375
OpenAI GPT-Chat-Latest-400K 0.55 3.3
OpenAI GPT-5.0-Chat-128k 0.1375 1.1
OpenAI GPT-4.1-1M 0.22 0.88
OpenAI GPT-4.1-mini-1M 0.044 0.176
OpenAI GPT-4.1-nano-1M 0.011 0.044
OpenAI GPT-4o-128k 0.225 1.1
OpenAI GPT-4o-mini-128k 0.0165 0.0665
OpenAI GPT-Audio 0.275 1.1
OpenAI GPT-Mini-Audio 0.0165 0.066
OpenAI GPT-5.5-272K 0.55 3.3
OpenAI GPT-5.5-Pro-272K 3.3 19.8
OpenAI GPT-Realtime-2.1(audio) 3.52 7.04
OpenAI GPT-Realtime-2.1-mini(audio) 1.1 2.2
Azure GPT-5.2-400k 0.1375 1.1
Azure GPT-5.2-Chat-128K 0.1375 1.1
Azure GPT-5.0-Mini-400k 0.0275 0.22
Azure GPT-5.0-Nano-400K 0.0055 0.044
Azure Computer-Use Agent 0.33 1.32
Azure GPT-4.1-1M 0.22 0.88
Azure GPT-4.1-mini-1M 0.044 0.176
Azure GPT-4.1-nano-1M 0.011 0.044
Azure GPT-4o-128k 0.225 1.1
Azure GPT-4o-mini-128k 0.0165 0.0665
Azure GPT-Audio 0.275 1.1
Azure GPT-Audio-mini 0.0165 0.066
Baidu ERNIE-3.5-8K 0.18 0.18
Baidu ERNIE-4.0-8K 1.76 1.76
Baidu ERNIE-Speed-128K 0 0
Meta Llama-4.0-Maverick-1M 0.0297 0.0935
Meta llama-3.1-8b-turbo-128k 0.022 0.022
Meta Llama-4.0-Scout-300K 0.0198 0.0649
Meta Llama-4.0-Guard-128K 0.022 0.022
Meta llama-3.3-70b-128k 0.099 0.099
Ali Qwen-Plus-1M 0.0314 0.1257
Ali Qwen-Flash-1M 0.0047 0.0094
Ali Qwen-vl-max-32k 0.3143 0.3143
Ali Qwen-3.5-122B-256k 0.0314 0.3143
Ali Qwen-3.5-35B-256k 0.0251 0.2011
Ali Qwen3.0-32B-128K 0.0314 0.3143
Ali Qwen3.0-8B-128K 0.0079 0.0786
Ali Qwen-Omni-Turbo 0.1 0.2
Ali Qwen2.0-audio 0.1 0.1
Ali Qwen-Max-1M 0.1886 0.5657
Ali Qwen3.6-Plus-1M 0.0126 0.2514
Mistral open-mixtral-8x7b 0.077 0.077
Mistral open-mistral-7b 0.028 0.028
Mistral Mistral-Large3 0.88 2.64
Mistral Mistral-Medium-3 0.297 0.891
Mistral Mistral-Small-4 0.22 0.66
Zhipu GLM-5.0-200K 0.0943 0.3457
Zhipu GLM-4.7-Thinking-200K 0.0629 0.2514
Zhipu GLM-4.7-FlashX-200K 0.0079 0.0471
Zhipu GLM-4.5-X-128K 0.1257 0.5029
Zhipu GLM-4.0-9b-8K 0.095 0.095
Zhipu GLM-4V-Plus-16K 0.017 0.017
Zhipu GLM-5.2-1M 0.1257 0.44
Anthropic Claude-4.6-Opus-200k 0.55 2.75
Anthropic Claude-4.6-Opus-Thinking-200K 0.55 2.75
Anthropic Claude-4.6-Sonnet-200K 0.33 1.65
Anthropic Claude-4.6-Sonnet-Thinking-200K 0.33 1.65
Anthropic Claude-Fable-5.0 1.1 5.5
Anthropic Claude-Opus-5.0 0.55 2.75
Anthropic Claude-Sonnet-5.0 0.22 1.1
Anthropic Claude-4.7-Opus-1M 0.55 2.75
Anthropic Claude-4.5-Haiku-200k 0.33 1.65
Anthropic Claude-4.0-Sonnet-Thinking-200k 0.33 1.65
Anthropic Claude-5.0-Sonnet-1M 0.22 1.1
Anthropic Claude-4.8-Opus-1M 0.55 2.75
Tencent Hunyuan-pro-32k 0.472 1.572
Tencent Hunyuan-standard-32k 0.0707 0.0786
Tencent Hunyuan-standard-256k 0.2357 0.9429
Tencent hunyuan-lite-4k 0 0
Google Gemini-3.1-Pro-1M 0.44 1.98
Google Gemini-3.5-Flash-1M 0.165 0.99
Google Gemini-3.1-Flash-Image 0.0275 6.6
Google Gemini-3.1-Flash-Live(audio) 0.33 1.32
Google Gemini-3.0-Pro-Image 0.22 13.2
Google Gemini-3.0-Flash 0.055 0.33
Google Gemini-3.1-Flash-Lite 0.0275 0.165
Google Gemini-2.5-Flash-Lite 0.011 0.044
Google Gemma-4-31B - -
Google Gemma-4-26B - -
Google Gemma-4-E4B - -
Google Gemini-3.1-Flash-Live 0.0825 0.495
SenseTime SenseChat-5-Cantonese 0.418 0.418
DeepSeek DeepSeek-V4-Flash-1M 0.0157 0.0314
DeepSeek DeepSeek-V4-Pro-1M 0.1886 0.3771
DeepSeek DeepSeek-3.2-128K 0.0157 0.0314
DeepSeek DeepSeek-3.2-Thinking-128K 0.0629 0.2514
DeepSeek DeepSeek-V4-Flash-Thinking-1M 0.0157 0.0314
DeepSeek DeepSeek-V4-Pro-Thinking-1M 0.1886 0.3771
Moonshot Kimi-K2.5-256k 0.1257 0.9114
Moonshot Kimi-K2.6-256K 0.0629 0.33
xAI Grok-4.1-Fast-128k 0.022 0.055
xAI Grok-4.1-Fast-Thinking-128k 0.022 0.055
xAI Grok-4.1-Fast-Thinking-2M 0.044 0.11
xAI Grok-4.0-256K 0.33 1.65
xAI Grok-4.3-1M 0.044 0.11
Seed Seed-2.0-Pro-256K 0.11 0.66
Seed Seed-2.0-Lite-256K 0.055 0.44
Seed Seed-2.0-Mini-256K 0.022 0.088
Seed Seed-1.6-256K 0.055 0.44
Seed Seed-1.6-Thinking-256K 0.055 0.44
Seed Seed-1.6-Flash-256K 0.0083 0.033
Seed Seed-1.6-Flash-Thinking-256K 0.0083 0.033

Tarification du Service Embedding

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

Marque
Modèle
Prix
OpenAI text-embedding-ada-002 0.0120
OpenAI text-embedding-3-small 0.0024
OpenAI text-embedding-3-large 0.0156
Ali text-embedding-v3 0.0007
Jina jina-embeddings-v3 0.002

Tarification du Service Rerank

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

Marque
Modèle
Prix
Jina Jina-Reranker-m0 0.0022
NetEase BCE BCE-Rerank 0.0012
Baai BGE BGE-Rerank 0.0012

Tarification du Service ASR

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

Marque
Modèle
Prix
OpenAI Whisper Large-V2 0.66
OpenAI Whisper Large-V3 0.88
OpenAI GPT-4o-mini-transcribe 0.33
OpenAI GPT-4o-transcribe 0.66
Azure Azure-Speech 4.1666

Tarification du Service TTS

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

Marque
Modèle
Prix
OpenAI TTS 1.65
Azure Speech 1.65
Ali CosyVoice 0.44
Ali Sambert 0.22
Minimax Voice 0.44

Tarification du Service de Modération de Contenu

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

Marque
Modèle
Prix
OpenAI Omni-moderation 0.0001

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, 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.