GuidesOneMux

Estimation du coût de l’API GPT 6.2 Astra pour les questions-réponses sur documents

Estimez le coût des questions-réponses sur documents avec GPT 6.2 Astra à partir d’hypothèses explicites sur les tokens, des paliers de contexte, des tarifs du cache et de calculs reproductibles.

AI

Résumé · TL;DR

Un modèle de coût illustratif pour les réponses fondées sur des documents et accompagnées de leurs sources, comprenant les tarifs officiels et OneMux par token, les coûts du cache et une liste de vérification pour remplacer les hypothèses par l’usage observé.

Points clés

  • À raison de 12 000 tokens d’entrée et 1 000 tokens de sortie par réponse, le coût illustratif d’Astra est de $0.136 aux tarifs officiels indiqués ou de $0.014144 aux tarifs OneMux relevés.
  • Pour 10 000 réponses avec la même répartition de tokens, ces estimations passent respectivement à $1,360 et $141.44, hors recherche documentaire, ingestion, nouvelles tentatives et autres coûts.
  • Les requêtes dépassant 272K tokens d’entrée sont soumises à des tarifs d’entrée et de sortie indiqués plus élevés ; estimez-les séparément plutôt que d’appliquer un tarif moyen unique.
  • Les économies liées au cache dépendent des écritures et lectures effectivement admissibles, de la durée de conservation et des modalités de facturation, et non de la simple répétition du contenu des documents.
Sur cette page (8)

Pour les questions-réponses sur documents avec attribution des sources, prévoyez dans votre budget les éléments de preuve transmis au modèle ainsi que la réponse qu’il produit. Dans un scénario illustratif de 12 000 tokens d’entrée et 1 000 tokens de sortie par réponse, GPT 6.2 Astra coûte $0.136 par réponse aux tarifs officiels indiqués, ou $0.014144 aux tarifs OneMux relevés, avant les frais de recherche documentaire et autres dépenses.

Il s’agit d’un scénario tarifaire, pas d’un résultat mesuré. OneMux, qui publie cet article, est aussi le produit inclus dans la comparaison de prix. Les coûts réels dépendent de l’utilisation des tokens, de l’admissibilité au cache, de la taille des requêtes et des tarifs en vigueur lors de l’exécution de la charge de travail.

Prix et unités à utiliser

Le relevé du catalogue OneMux ci-dessous a été effectué le 18 novembre 2026. Tous les prix sont exprimés en dollars américains pour 1 million de tokens. Le ratio de prix publié correspond au prix OneMux divisé par le prix officiel indiqué ; ce n’est pas un pourcentage de remise. Un ratio de 0.104 correspond arithmétiquement à un tarif par token inférieur de 89,6 % pour les prix affichés, sans garantir des économies équivalentes sur le coût total de la charge de travail.

Palier de contexte d’entréeEntrée officielleSortie officielleEntrée OneMuxSortie OneMuxRatio de prix publié
Jusqu’à 272K tokens inclus$8$40$0.832$4.160.104
Plus de 272K tokens$16$60$1.664$6.240.104

Le journal des modifications de la passerelle fourni indique également les tarifs Astra standard de $8/$40 et les tarifs de $16/$60 pour les prompts dépassant 272K tokens d’entrée. Vérifiez les conditions actuelles du fournisseur et les tarifs OneMux avant d’arrêter votre budget. Le palier est déterminé pour chaque requête : estimez donc séparément les requêtes à contexte long. Ne supposez pas qu’une grande fenêtre de contexte rend économique l’envoi d’une collection entière de documents.

Estimer le coût d’une réponse avec attribution des sources

Supposons qu’une étape de recherche sélectionne des passages pertinents dans les documents et que le modèle les reçoive avec la question et les instructions de citation. Dans cet exemple :

  • Chaque requête utilise 12 000 tokens d’entrée, comprenant la question, les instructions, les extraits de documents et les identifiants des sources.
  • Chaque réponse utilise 1 000 tokens de sortie facturables, comprenant la réponse, les citations et les éventuels tokens de raisonnement facturables. Selon la source de la passerelle, les tokens de raisonnement sont facturés comme des tokens de sortie ; ne les comptez pas une seconde fois s’ils sont déjà inclus dans le total de sortie.
  • Toutes les requêtes relèvent du palier allant jusqu’à 272K. Ce scénario de référence ne comprend aucune lecture ou écriture de cache, aucune nouvelle tentative ni aucune requête échouée.
  • La charge de travail produit 10 000 réponses par mois. Il s’agit d’une hypothèse, pas d’une prévision de trafic.

Calculez séparément chaque catégorie de tokens : divisez son nombre de tokens par un million, puis multipliez le résultat par le tarif correspondant.

Poste de coûtCalcul officielCoût officielCalcul OneMuxCoût OneMux
Entrée par réponse12,000 ÷ 1,000,000 × $8$0.09612,000 ÷ 1,000,000 × $0.832$0.009984
Sortie par réponse1,000 ÷ 1,000,000 × $40$0.0401,000 ÷ 1,000,000 × $4.16$0.004160
Total par réponse$0.096 + $0.040$0.136$0.009984 + $0.004160$0.014144
10 000 réponses10,000 × $0.136$1,36010,000 × $0.014144$141.44

L’estimation ne couvre que les tokens du modèle. Ajoutez séparément l’analyse des documents, les embeddings, l’indexation, la recherche documentaire, le stockage, l’hébergement de l’application, l’évaluation et les éventuelles nouvelles tentatives facturées. Leurs prix ne sont pas fournis ici ; ils ne sont pas nuls pour autant. Les taxes et autres frais applicables sont également exclus de l’exemple.

Que se passe-t-il si une requête dépasse 272K tokens d’entrée ?

Pour une autre requête illustrative comprenant 300 000 tokens d’entrée et 1 000 tokens de sortie, l’application des tarifs indiqués pour plus de 272K à ces quantités donne :

Base tarifaireCoût d’entréeCoût de sortieTotal par réponse
Officiel300,000 ÷ 1,000,000 × $16 = $4.801,000 ÷ 1,000,000 × $60 = $0.06$4.86
OneMux300,000 ÷ 1,000,000 × $1.664 = $0.49921,000 ÷ 1,000,000 × $6.24 = $0.00624$0.50544

Ce scénario suppose que le palier supérieur s’applique à tous les tokens d’entrée et de sortie de la requête. Vérifiez les règles de facturation applicables à votre compte. Il ne s’agit pas d’une comparaison de qualité à périmètre égal avec la requête plus courte : les éléments de preuve fournis au modèle sont différents.

Tenir compte des écritures et lectures de cache

Des questions répétées sur les mêmes documents peuvent réutiliser un préfixe de prompt admissible au cache, mais la répétition seule ne garantit pas une lecture depuis le cache. Le catalogue indique les tarifs de cache Astra suivants par million de tokens ; les colonnes d’écriture distinguent les durées de conservation indiquées.

Palier de contexte d’entréeLecture de cache officielleÉcriture officielle, 30 minutesÉcriture officielle, 12 heuresLecture de cache OneMuxÉcriture OneMux, 30 minutesÉcriture OneMux, 12 heures
Jusqu’à 272K inclus$0.40$10$20$0.0416$1.04$2.08
Plus de 272K$0.80$20$40$0.0832$2.08$4.16

Pour un lot illustratif au palier standard, supposons que 10 000 tokens soient facturés une fois comme écriture de cache de 30 minutes, puis comme lectures de cache lors de neuf requêtes ultérieures. En ne comptant que cette partie partagée, le coût officiel est de $0.10 pour l’écriture plus $0.036 pour les neuf lectures, soit $0.136. Le calcul OneMux équivalent donne $0.0104 plus $0.003744, soit $0.014144. Sans cache, dix facturations d’entrée ordinaires pour cette même partie de 10 000 tokens coûteraient $0.80 au tarif officiel ou $0.0832 chez OneMux.

Il s’agit d’une illustration catégorie par catégorie, et non d’une garantie que ces dix requêtes sont admissibles. Elle suppose que le tarif d’écriture de cache remplace le tarif d’entrée ordinaire pour la partie écrite, que chaque utilisation ultérieure est facturée comme une lecture et que toutes les lectures ont lieu pendant la durée de conservation applicable. Vérifiez les règles réelles d’admissibilité, de comptabilisation et de conservation. Ajoutez séparément les entrées non mises en cache et toutes les sorties ; ne comptez pas les mêmes tokens à la fois comme entrée ordinaire et comme entrée de cache, sauf si vos conditions de facturation l’exigent.

Transformer l’estimation en un budget vérifiable

  1. Définissez ce qu’est une réponse réussie. Exigez des citations renvoyant à des identifiants de documents stables et à des passages qui étayent chaque affirmation importante. Une réponse accompagnée d’une citation n’est pas automatiquement fondée : vérifiez que le passage cité l’étaye réellement.
  2. Mesurez un échantillon représentatif. Relevez les entrées, les sorties, les lectures et écritures de cache, le palier de la requête et le coût facturé lorsqu’il est disponible. Incluez des documents courts et longs, des questions sans réponse possible et des questions portant sur plusieurs sources. Aucune évaluation payante n’a été effectuée pour cet article.
  3. Suivez le coût par réponse acceptée. Divisez le coût total facturé de la charge de travail, y compris les nouvelles tentatives et les essais échoués, par le nombre de réponses qui passent votre contrôle d’attribution. Cela révèle des coûts masqués par une moyenne par requête.
  4. Examinez les valeurs atypiques. De longs passages récupérés, des instructions répétées, des citations verbeuses et des sorties longues peuvent accroître l’utilisation de tokens. Vérifiez que les identifiants des sources sont conservés lorsque des passages sont tronqués ou réordonnés.
  5. Recalculez par palier et par catégorie de cache. Multipliez les totaux de tokens observés par les tarifs actuels correspondants, puis ajoutez les dépenses autres que celles du modèle. Considérez les données d’utilisation ou les prix indisponibles comme inconnus, et non comme nuls.

Quand envisager une solution alternative

Si l’objectif de qualité des citations peut être atteint avec moins de contexte ou un autre modèle, testez-le sur votre propre ensemble de documents avant de choisir uniquement en fonction du prix des tokens. Le journal des modifications de la passerelle fourni indique que GPT 6.2 Sol et Astra ont tous deux résolu un petit exemple de limiteur de débit en cinq exécutions, Sol coûtant moins cher dans cet exemple. Ce résultat n’établit pas leur précision relative ni leur coût par réponse acceptée pour les questions-réponses sur documents ; ces résultats restent inconnus sans évaluation pertinente.

Pour établir un premier budget, utilisez le calcul de référence, puis remplacez chaque hypothèse sur les tokens et le taux de réussite par des données observées. Distinguez le trafic à contexte long et le trafic mis en cache afin qu’une moyenne plausible ne masque pas une répartition coûteuse des requêtes.

Sources

Relevé des prix publiés

Relevé le 2026-11-18T08:00:05.571Z dans le catalogue publié de OneMux. Les prix conservent les unités de facturation du site ; il ne s’agit pas d’un benchmark en temps réel. La facturation par palier, par cache ou selon la durée peut différer. Les valeurs inconnues ne sont pas nulles.

ModèleEntrée officielleSortie officielleEntrée OneMuxSortie OneMuxRatio de prix publié
GPT 6.2 Astra$8$40$0.832$4.160.104

Tarifs OneMux actuels. Ne comparez les coûts des charges de travail que lorsque les unités d’entrée, de sortie et de facturation correspondent ; consultez la page de chaque modèle pour connaître les conditions des paliers.

FAQ

Combien coûte GPT 6.2 Astra par réponse sur un document ?

Avec 12 000 tokens d’entrée et 1 000 tokens de sortie, sans cache et aux tarifs relevés pour le palier allant jusqu’à 272K, le coût illustratif des tokens du modèle est de $0.136 aux tarifs officiels indiqués ou de $0.014144 aux tarifs OneMux. La recherche documentaire, l’ingestion, les nouvelles tentatives et les autres dépenses sont exclues.

Les citations ont-elles un tarif distinct par token ?

Les tarifs fournis ne mentionnent pas de frais distincts pour les citations. Les instructions de citation et les identifiants des sources contribuent aux tokens d’entrée, tandis que les citations générées dans une réponse contribuent aux tokens de sortie.

La répétition d’un document garantit-elle une réduction grâce au cache ?

Non. Les économies dépendent de l’admissibilité du contenu répété au cache, des catégories d’écriture et de lecture facturées, de la durée de conservation et des conditions applicables. Mesurez l’utilisation réelle du cache plutôt que de supposer que chaque répétition donne lieu à une lecture depuis le cache.

Comment budgéter les requêtes à contexte long ?

Estimez séparément les requêtes dépassant 272K tokens d’entrée en utilisant les tarifs applicables du palier supérieur. Vérifiez comment ces tarifs s’appliquent à l’ensemble de la requête et incluez les éventuelles catégories de cache ainsi que les tokens de sortie.

Articles liés