Nex-N2.5-Pro.
Avec 10,000,000 tokens en entrée + 2,000,000 en sortie par mois, OpenRouter est le seul hébergeur listé, à $1.25/mois.
Le fournisseur le moins cher à gauche.
Coût mensuel total — tokens d'entrée et de sortie cumulés.
Détail de la facture.
| Fournisseur | Total mensuel | |
|---|---|---|
| $1.25 | S'inscrire ↗ |
Louez le GPU plutôt que de payer au token.
Pour un modèle à poids ouverts comme Nex-N2.5-Pro, vous pouvez louer un GPU et faire tourner l'inférence vous-même. Le calcul : location de GPU la moins chère × 730 heures/mois. L'électricité est comprise dans le prix horaire de la location.
Suppose que le GPU tourne 24h/24 à environ 85 % d'utilisation. Si votre trafic est irrégulier, vous paierez moins pour l'API et probablement plus pour le GPU (les heures creuses sont facturées). L'analyse du seuil de rentabilité se trouve dans l'outil seuil de rentabilité auto-hébergement vs API.
Trois étapes pour votre estimation mensuelle.
-
01
Choisissez le modèle.
Utilisez la recherche pour trouver un modèle d'IA — Claude, GPT, Llama, DeepSeek, Qwen, tout ce que nous suivons. La liste reprend chaque modèle dont au moins un fournisseur publie un prix par token.
-
02
Estimez le volume.
Ajustez les tokens mensuels en entrée et en sortie selon votre charge prévue. Une appli de chat typique consomme 1 à 10 M de tokens en entrée par utilisateur actif et par mois ; un agent qui relit le contexte à chaque tour peut dépasser 100 M.
-
03
Lisez l'écart.
Le graphique et le tableau listent chaque fournisseur qui héberge le modèle, du moins cher au plus cher. Cliquez sur un nom pour ouvrir sa page : historique des prix, benchmarks de débit et lien d'inscription.
Questions fréquentes.
Comment la facture mensuelle est-elle calculée ?
Total = (prix en entrée × tokens en entrée / 1M) + (prix en sortie × tokens en sortie / 1M), avec les prix au token publiés par chaque fournisseur lors de notre dernière lecture.
D'où viennent les données de prix ?
De la page de prix ou de l'API de liste de modèles de chaque fournisseur d'inférence — Anthropic, OpenAI, OpenRouter, Together AI, Fireworks AI, DeepInfra, z.ai, Groq et d'autres. Nous relisons chaque jour la liste de modèles de chaque fournisseur et mettons ses prix à jour à partir de cette lecture.
Faut-il toujours choisir le fournisseur le moins cher ?
Le moins cher au $/M tokens n'est pas toujours le moins cher au total. Surveillez les remises de cache qu'un agrégateur peut ne pas répercuter, les limites de débit des petits fournisseurs qui vous poussent vers une offre plus chère sous charge, et l'étape supplémentaire qu'ajoute un agrégateur. Pour un volume faible ou irrégulier, le moins cher convient souvent ; pour un trafic de production soutenu, tenez aussi compte du débit et de la fiabilité.
Quelle différence entre OpenRouter et l'API directe du créateur du modèle ?
OpenRouter est un agrégateur : il transmet votre requête à l'un de plusieurs fournisseurs. L'API directe du créateur (par ex. api.anthropic.com pour Claude) donne son propre prix et des fonctions natives comme le cache de prompts. Le direct est généralement moins cher à grande échelle ; un agrégateur est pratique pour une seule clé donnant accès à des dizaines de modèles.
Les prix en entrée et en sortie sont-ils identiques ?
Non — les tokens en sortie coûtent généralement plusieurs fois plus cher, donc le fournisseur le moins cher en entrée n'est pas toujours le moins cher au total. La colonne facture mensuelle compte les deux ; triez par elle pour le vrai total.
Comment le cache de prompts influe-t-il sur cette estimation ?
Les tokens en entrée mis en cache sont généralement bien moins chers que les nouveaux. Nous ne modélisons pas le cache car il dépend de votre charge : de longs prompts système réutilisés en profitent, une conversation au contexte neuf à chaque tour non.
À quelle fréquence les prix sont-ils actualisés ?
Chaque jour. Nous lisons la liste de modèles de chaque fournisseur tôt le matin (UTC), donc un changement de prix apparaît en un jour environ.
Et les variantes affinées ?
Les déploiements affinés sont facturés séparément du modèle de base, souvent selon une autre structure (calcul à l'heure plus au token). Cet outil ne couvre que les prix au token du modèle de base ; consultez les prix de déploiement du fournisseur pour le fine-tuning.
Pour aller plus loin.
Seuil de rentabilité : auto-hébergement ou API.
À partir de quel volume mensuel louer un GPU et s'auto-héberger coûte-t-il moins cher qu'une API hébergée ? Courbes de coût côte à côte.
OutilCalculateur de VRAM.
Ce modèle tient-il sur ce GPU ? Calcul de VRAM par quantification — INT4 / FP8 / FP16 — face à la mémoire du GPU.