DeepSeek API vs OpenAI API-kosten: Werkvoorbeelden

Waarom hoofdprijzen misleiden

Iedereen die vraagt naar de kosten van DeepSeek API vs OpenAI API kijkt meestal naar twee prijslijsten met verschillende modellen, verschillende cacheregels en verschillende outputmultipliers. Een tabel toont een tarief per miljoen tokens; je rekening hangt af van hoeveel tokens van elk type je verstuurt. Een chatbot die lange geschiedenis opnieuw verstuurt, is input-zwaar. Een verhaalgenerator is output-zwaar. Dezelfde twee prijslijsten kunnen voor deze twee werklasten in tegenovergestelde volgorde gerankt worden.

Dus sla de tabel over en doe de rekenkunde op je eigen verkeer. De methode duurt tien minuten en werkt voor elke provider, inclusief degene die deze site verkoopt. We citeren hier geen prijzen van andere leveranciers, omdat die veranderen; waar een cijfer van hen nodig is, zegt de tekst dat je hun huidige prijslijst moet raadplegen.

De formule

Schrijf het één keer op:

Maandkosten = (invoer tokens in miljoenen × invoerprijs per 1M) + (output tokens in miljoenen × outputprijs per 1M)

Hier zijn de prijzen $0,15 per 1M input tokens en $0,50 per 1M output tokens. Output kost 3,33 keer zo veel per token als input, dus het output-aandeel van een workload bepaalt grotendeels de rekening. Afrekenen is pay-as-you-go van prepaid tegoed, zonder abonnement. Mislukte of geweigerde verzoeken worden niet in rekening gebracht, en tegoed vervalt nooit.

Voor een andere provider, zoek drie dingen op hun prijslijst: de inputprijs, de outputprijs en of er een korting geldt voor herhaalde prompt-prefixen. Pas dan dezelfde formule toe op dezelfde tokenaantallen. Verschillende modellen kunnen verschillende aantallen tokens nodig hebben om dezelfde taak te voltooien, dus vergelijk ook de kosten per voltooide taak naast de kosten per token.

Vijf uitgewerkte maandvoorbeelden tegen onze tarieven

Waar komen die tokenaantallen vandaan? Neem de chatbot-rij. Als elk gesprek 8 beurten heeft en de hele geschiedenis elke beurt opnieuw wordt verstuurd, kan een gesprek ongeveer 4.000 input tokens en 800 output tokens gebruiken. Tienduizend gesprekken per maand is 40M input en 8M output, wat de rij hierboven is. Halveer de geschiedenis door oude beurten te trimmen en de inputlijn daalt met de helft, naar $3,00, wat de maand op $7,00 brengt. Geschiedenisbeheer levert vaak meer op dan overschakelen van leverancier.

Merk de vorm op. Voor input-zware taken domineert de inputlijn; voor de fictiegenerator is de outputlijn bijna negen tiende van de rekening. Als je leveranciers vergelijkt, is de vraag welke van de twee prijzen voor jou belangrijk is. Een leverancier met een lage inputprijs maar een hoge outputprijs ziet er geweldig uit voor samenvatting en slecht voor schrijven.

Haal eerst je echte tokenaantallen

Het schatten van tokenaantallen is het zwakste onderdeel van elke kostenvergelijking. Meet ze. De API retourneert een usage-object bij elk verzoek, dus een kort script kan echt netwerkverkeer monitoren en een maand projecteren.

Copyfrom openai import OpenAI

client = OpenAI(
    base_url="https://api.deepseekapi.top/v1",
    api_key="YOUR_KEY",
)

PRICE_IN, PRICE_OUT = 0.15, 0.50  # dollars per 1M tokens
samples = ["Summarise: ...", "Draft a reply to: ...", "Classify: ..."]

tin = tout = 0
for s in samples:
    r = client.chat.completions.create(
        model="uncensored",
        messages=[{"role": "user", "content": s}],
    )
    tin += r.usage.prompt_tokens
    tout += r.usage.completion_tokens

cost = tin / 1e6 * PRICE_IN + tout / 1e6 * PRICE_OUT
print(f"{tin} in, {tout} out, ${cost:.6f} for {len(samples)} requests")
print(f"projected monthly at 100k requests: ${cost / len(samples) * 100000:.2f}")

Vervang de voorbeeldprompts door 20 tot 50 echte en de projectie wordt bruikbaar. Om een andere aanbieder te vergelijken, pas je de twee prijsconstanten aan naar die van hen, met de cijfers van hun huidige prijslijst. Tokenaantallen kunnen iets verschillen tussen tokenizers, dus behandel de projectie van de andere partij als een schatting.

Wat de rekening nog meer beïnvloedt

• Prompt caching en kortingen. Sommige aanbieders bieden korting op herhaalde prefixen. Controleer of elke aanbieder dit doet, en zo ja, hoe.
• Reasoning tokens. Een model dat nadenkt voordat het antwoordt, kan extra output tokens factureren. Vergelijk totale tokens per voltooide taak.
• Retries en fouten. Hier worden mislukte of geweigerde verzoeken niet in rekening gebracht. Controleer het equivalente beleid elders.
• Minimale besteding. Opwaarderingen hier zijn elk heel bedrag van $20 tot $500, met +5% vanaf $50, +10% vanaf $100 en +15% vanaf $200. Een top-up van $200 geeft dus $230 aan tegoed.
• Rate limits. Een volledige sleutel staat 8 gelijktijdige verzoeken en 300 per minuut toe. Een batch die meer parallelisme nodig heeft, duurt langer dan de prijs alleen suggereert.

Wat goedkoper niet betekent

Weeg ook de niet-prijsgerelateerde factoren mee die voor je project belangrijk zijn. Contentbeleid is voor veel lezers van deze pagina de belangrijkste: een model dat is afgestemd op het geven van antwoorden zonder weigeren voor wettelijk volwassen gebruik, gedraagt zich anders dan een algemene assistent. Dat is een voordeel voor fictie- en roleplay-producten en een aandachtspunt voor alles wat klantgericht is. Er is één harde limiet: seksuele inhoud met minderjarigen is verboden. Gegevensverwerking is ook belangrijk, en hier worden prompts niet gebruikt voor training.

Kosten is maar de helft van de vergelijking. Het model achter deze API is een enkel open-weight model, uitgevoerd door een onafhankelijke aanbieder en afgestemd om zonder contentweigeringen te antwoorden voor wettelijk volwassen gebruik. Het is niet de officiële API van DeepSeek of OpenAI, en het is geen router tussen aanbieders. Het contextvenster is 100.000 tokens, het is alleen tekst en het heeft geen embeddings of fine-tuning. Als je taak het vlaggenschipmodel van een specifieke aanbieder nodig heeft, koopt de goedkopere tokenprijs je niets.

De eerlijke test is taakkwaliteit per dollar. Neem 30 van je echte prompts, draai ze door elke kandidaat, beoordeel de antwoorden blind, en deel de rekening door het aantal aanvaardbare antwoorden. Soms heeft een goedkoop model twee pogingen nodig en verliest het zijn voordeel; soms matcht het het dure model en bespaar je het grootste deel van de besteding.

Schakelen in de praktijk

Als je code al een OpenAI SDK gebruikt, is het proberen van deze endpoint een wijziging van drie regels: base URL, sleutel en model-ID uncensored. De Python-walkthrough toont het volledige patroon, en het DeepSeek API key-artikel legt uit waar sleutels passen. Nieuwe accounts kunnen $0,50 aan proeftegoed claimen met één klik op de API key-pagina. Dat is genoeg om het meet-script hierboven vele keren uit te voeren zonder kosten. Tarieven en bonussen staan op de prijzenpagina, en parameters zijn te vinden in de docs. Je kunt betalen met kaart (Visa, Mastercard, Apple Pay, Google Pay) of crypto (USDT op TRC20, USDC op Base).

Meer handleidingen

• DeepSeek API SDK: Gebruik de OpenAI SDK en wissel endpoints
• DeepSeek API-sleutel: toegang tot ongecensureerde LLM API