Structured extraction के लिए GPT 6.2 Sol API की लागत: दोहराया जा सकने वाला अनुमान
Token, retry, cache और context-tier से जुड़ी स्पष्ट मान्यताओं के आधार पर GPT 6.2 Sol से structured extraction की लागत का अनुमान लगाएं।
सारांश · TL;DR
100,000 दस्तावेज़ों के एक उदाहरणात्मक extraction workload की लागत, retry, caching और अन्य शुल्कों से पहले, प्रकाशित OpenAI Standard token दरों पर $1,300 या प्रकाशित OneMux दरों पर $135.20 है। वास्तविक लागत मापे गए उपयोग और लागू बिलिंग शर्तों पर निर्भर करती है।
मुख्य बातें
- प्रति दस्तावेज़ 4,000 input और 500 output tokens पर उदाहरणात्मक token लागत आधिकारिक Standard दरों पर $0.013 प्रति दस्तावेज़ और प्रकाशित OneMux दरों पर $0.001352 है।
- Retry का बजट अलग रखें: पूरे आकार के 5,000 retries से आधिकारिक दरों पर $65 या प्रकाशित OneMux दरों पर $6.76 जुड़ते हैं।
- 272K input tokens से अधिक वाले requests पर पूरे request के लिए अधिक दरें लागू होती हैं; cache और processing-tier की मान्यताएं भी अनुमान बदलती हैं।
- Schema के अनुरूप JSON इस बात का प्रमाण नहीं है कि निकाले गए मान सही हैं, इसलिए validation failures और field accuracy दोनों मापें।
इस पृष्ठ पर (9)
अनुमान एक नज़र में
100,000 दस्तावेज़ों से structured fields निकालने के एक उदाहरणात्मक काम के लिए OpenAI की प्रकाशित Standard token दरों पर $1,300 या OneMux catalogue दरों पर $135.20 का बजट रखें। इसमें प्रति दस्तावेज़ 4,000 input tokens और 500 output tokens, कोई cached token या retry नहीं, और 272K input tokens तक के requests माने गए हैं। यह token कीमत पर आधारित अनुमान है, कोई कोटेशन या मापा गया benchmark नहीं।
इस तुलना का प्रकाशक और इसमें चर्चा किया गया उत्पाद OneMux है। यह OpenAI-compatible API के ज़रिए models तक पहुंच देता है। कोई route चुनने से पहले लागू endpoint, structured-output parameters और मौजूदा कीमतें जांचें।
कीमतें और इकाइयां
नीचे सभी दरें प्रति 1 million tokens अमेरिकी डॉलर में हैं। OneMux catalogue का snapshot 18 नवंबर 2026 को लिया गया था। प्रकाशित price ratio, OneMux की दर को संबंधित आधिकारिक दर से भाग देने पर मिलता है; 0.104 का मतलब है कि सूचीबद्ध दर आधिकारिक दर का 10.4% है, न कि 10.4% की छूट।
| प्रति request input context | आधिकारिक input | आधिकारिक output | OneMux input | OneMux output | प्रकाशित price ratio |
|---|---|---|---|---|---|
| 272K tokens तक | $2 | $10 | $0.208 | $1.04 | 0.104 |
| 272K tokens से अधिक | $4 | $15 | $0.416 | $1.56 | 0.104 |
OpenAI के GPT-6.2 Sol दस्तावेज़ के अनुसार, 272K input tokens से ऊपर की दरें पूरे request पर लागू होती हैं। OneMux model पेज पर संबंधित context tiers सूचीबद्ध हैं। इन तुलनाओं से यह सिद्ध नहीं होता कि दोनों routes की शर्तें एक जैसी हैं या किसी खास workload में निश्चित बचत होगी। बजट तय करने से पहले OneMux की मौजूदा कीमतें और provider की बिलिंग जानकारी जांचें।
Extraction workload की गणना
मान लें कि हर request में एक text दस्तावेज़, extraction निर्देश और एक JSON schema भेजा जाता है। Response में निकाले गए fields होते हैं। नीचे दिए आंकड़े मान्यताएं हैं, मापी गई token गिनती नहीं।
| मान्यता | उदाहरणात्मक मान |
|---|---|
| दस्तावेज़ | 100,000 |
| प्रति दस्तावेज़ input tokens, निर्देशों और schema सहित | 4,000 |
| प्रति दस्तावेज़ कुल billed output tokens | 500 |
| Cached input tokens | कोई नहीं |
| शुरुआती requests | प्रति दस्तावेज़ एक |
| Processing दर | आधिकारिक Standard या प्रकाशित OneMux दर |
कुल input 100,000 × 4,000 = 400 million tokens है। कुल output 100,000 × 500 = 50 million tokens है। Short-context दरों पर:
| गणना | आधिकारिक Standard | प्रकाशित OneMux दर |
|---|---|---|
| Input: 400 million tokens | 400 × $2 = $800 | 400 × $0.208 = $83.20 |
| Output: 50 million tokens | 50 × $10 = $500 | 50 × $1.04 = $52.00 |
| 100,000 दस्तावेज़ों का कुल | $1,300 | $135.20 |
| प्रति दस्तावेज़ token लागत | $0.013 | $0.001352 |
केवल दिखाई देने वाले JSON के आधार पर अनुमान लगाने के बजाय billed output usage का उपयोग करें। Model दस्तावेज़ में reasoning-token support सूचीबद्ध है, इसलिए दिखाई देने वाला response पूरे output usage को नहीं दर्शा सकता। पुष्टि करें कि चुना गया route usage की रिपोर्टिंग और बिलिंग कैसे करता है। इस अनुमान में non-token शुल्क, कर, storage, validation infrastructure और किसी भी tool के शुल्क शामिल नहीं हैं; गणना में उनका न होना यह नहीं दर्शाता कि वे मुफ़्त हैं।
Retry के लिए अतिरिक्त बजट जोड़ें
यदि मूल दस्तावेज़ों में से 5% के लिए पूरे आकार का एक और request चाहिए, तो 5,000 retries होंगे। इससे 20 million input tokens और 2.5 million output tokens जुड़ेंगे। उन्हीं दरों पर:
| Retry लागत | आधिकारिक Standard | प्रकाशित OneMux दर |
|---|---|---|
| Input | 20 × $2 = $40 | 20 × $0.208 = $4.16 |
| Output | 2.5 × $10 = $25 | 2.5 × $1.04 = $2.60 |
| अतिरिक्त लागत | $65 | $6.76 |
| Retries सहित कुल | $1,365 | $141.96 |
Validation errors, बड़ा schema या पिछला response भेजने वाले retry की लागत इस अतिरिक्त बजट से अधिक हो सकती है। Retries को शुरुआती requests से अलग दर्ज करें और केवल प्रति API call नहीं, बल्कि प्रति स्वीकृत दस्तावेज़ लागत की गणना करें।
Cache और long-context के लिए समायोजन
जब requests में बड़ा साझा prefix हो, जैसे एक जैसे निर्देश और schema, तो caching मदद कर सकती है। यह न मानें कि हर दोहराया गया token cache hit होगा: रिपोर्ट किए गए cache usage और लागू retention शर्तों का उपयोग करें। OpenAI के दस्तावेज़ों में ये short-context कीमतें सूचीबद्ध हैं; OneMux के आंकड़े दिए गए दिनांक वाले catalogue snapshot से हैं।
| Cache श्रेणी, प्रति 1 million tokens | आधिकारिक Standard | प्रकाशित OneMux दर |
|---|---|---|
| Cached input read | $0.10 | $0.0104 |
| Cache write, 30-minute retention | $2.50 | $0.26 |
| Cache write, 12-hour retention | $5.00 | $0.52 |
पैमाना समझने के लिए, सूचीबद्ध आधिकारिक short-context दर पर 1 million cached input read tokens की लागत $0.10 या सूचीबद्ध OneMux दर पर $0.0104 है। Cache writes और सामान्य uncached input का हिसाब अलग रखें; अनुमान में उन्हीं read tokens को सामान्य input के रूप में दोबारा चार्ज न करें। 272K input tokens से ऊपर, दी गई pricing में पूरे request के लिए cache दरें दोगुनी सूचीबद्ध हैं। पात्रता और वास्तविक cache usage की पुष्टि अभी भी ज़रूरी है।
लंबे दस्तावेज़ के उदाहरण में मान लें कि एक request में 300,000 input tokens और 1,000 output tokens हैं और cache का उपयोग नहीं होता। आधिकारिक लागत 0.3 × $4 + 0.001 × $15 = $1.215 है। प्रकाशित OneMux tier दरों पर यह 0.3 × $0.416 + 0.001 × $1.56 = $0.12636 है। दोनों में पूरे request के लिए अधिक दर वाला tier उपयोग होता है। दस्तावेज़ को बांटने से उस tier से बचा जा सकता है, लेकिन निर्देश दोहराने, अतिरिक्त outputs और नतीजों को मिलाने का काम बढ़ सकता है; जांचें कि chunk की सीमाओं के आर-पार extraction अब भी काम करता है या नहीं।
OpenAI के दस्तावेज़ों में Batch की दर Standard दरों का 50% और अधिक कीमत वाले Fast तथा Ultrafast modes भी दिए गए हैं। ये आधिकारिक processing-tier शर्तें हैं; यह मान्यता नहीं कि OneMux के ज़रिए भी वही विकल्प या multipliers लागू होते हैं। तुलना में इन्हें इस्तेमाल करने से पहले उपलब्धता, समय-सीमा और बिलिंग की पुष्टि करें।
बजट में schema validation शामिल करें
दस्तावेज़ों के अनुसार GPT-6.2 Sol structured outputs और text input तथा output को support करता है। एक व्यावहारिक extraction request में आवश्यक fields, अनुमत types और गायब मानों का प्रतिनिधित्व तय करना चाहिए। फिर लौटाए गए JSON को स्वीकार करने से पहले उसी schema के विरुद्ध validate करना चाहिए। Model दस्तावेज़ यह भी कहते हैं कि reasoning effort को none पर सेट करने वाले requests अस्वीकार कर दिए जाते हैं। आप जिस route का उपयोग करते हैं, उसके लिए endpoint और parameter support की पुष्टि करें; केवल OpenAI-compatible access इस बात का प्रमाण नहीं है कि हर feature उपलब्ध है।
एक वैध object में भी गलत तारीख, अनुमान से भरा गया मान या दस्तावेज़ के गलत हिस्से से कॉपी किया गया field हो सकता है। एक उदाहरणात्मक pilot के लिए labelled sample रखें और इन पर नज़र रखें:
- लंबे और कम आम दस्तावेज़ों सहित input और billed output token का वितरण।
- Schema validation failures, अधूरे responses और transport errors।
- Labelled sample के मुकाबले field-level शुद्धता और गायब मानों को संभालने का तरीका।
- Retry की संख्या, retry token usage और अंतिम स्वीकृति दर।
- रिपोर्ट किए गए cache reads और writes, retention और context tier के अनुसार अलग-अलग।
यदि failures किसी खास field के आसपास केंद्रित हों, तो बिना सोचे-समझे retry करने के बजाय उसकी परिभाषा सुधारें या समीक्षा का रास्ता जोड़ें। यदि output usage अप्रत्याशित रूप से अधिक हो, तो जहां उपलब्ध हो वहां रिपोर्ट किए गए reasoning और output usage की जांच करें; यह न मानें कि केवल JSON की लंबाई से बिल समझ में आ जाएगा। Model image inputs को support करता है, लेकिन tokens पर आधारित यह text उदाहरण image-processing लागत स्थापित नहीं करता।
निष्कर्ष
प्रति स्वीकृत दस्तावेज़ मापे गए tokens से शुरुआत करें, हर request के context tier की दर लागू करें, फिर देखे गए retry और cache usage को जोड़ें। यह गणना नियोजन के लिए एक आधार है; validation की गुणवत्ता, बिलिंग जानकारी और मौजूदा कीमतें तय करती हैं कि यह आपके workload के लिए उपयुक्त है या नहीं।
स्रोत
- OpenAI: GPT-6.2 Sol model दस्तावेज़ — क्षमताएं, context सीमाएं और आधिकारिक pricing शर्तें।
- OneMux: GPT 6.2 Sol — प्रकाशित model और tier कीमतें; catalogue snapshot 18 नवंबर 2026 को लिया गया।
प्रकाशित कीमतों का snapshot
OneMux के प्रकाशित catalogue से 2026-11-18T10:00:06.394Z को लिया गया। कीमतों में वेबसाइट की बिलिंग इकाइयां बरकरार हैं; यह live benchmark नहीं है। Tiered, cached या समय-आधारित बिलिंग अलग हो सकती है। अज्ञात मान शून्य नहीं हैं।
| Model | आधिकारिक input | आधिकारिक output | OneMux input | OneMux output | प्रकाशित price ratio |
|---|---|---|---|---|---|
| GPT 6.2 Sol | $2 | $10 | $0.208 | $1.04 | 0.104 |
OneMux की मौजूदा कीमतें। Workload लागतों की तुलना केवल तब करें जब input/output और बिलिंग इकाइयां मेल खाती हों; tier शर्तों के लिए हर model का पेज देखें।
सामान्य प्रश्न
100,000 structured extraction requests के लिए GPT 6.2 Sol की लागत कितनी है?
प्रति request 4,000 input और 500 output tokens, बिना caching और बिना retries के, उदाहरणात्मक लागत आधिकारिक Standard दरों पर $1,300 या 18 नवंबर 2026 को दर्ज OneMux catalogue दरों पर $135.20 है। वास्तविक usage और बिलिंग शर्तें अलग हो सकती हैं।
क्या JSON schema validation निकाले गए डेटा के सही होने की गारंटी देता है?
नहीं। कोई response schema के अनुरूप हो सकता है, फिर भी उसमें गलत या बिना आधार वाले मान हो सकते हैं। संरचना validate करें और labelled उदाहरणों के मुकाबले field-level शुद्धता का अलग से आकलन करें।
GPT 6.2 Sol की long-context कीमतें कब लागू होती हैं?
दिए गए OpenAI model दस्तावेज़ों के अनुसार, 272K से अधिक input tokens वाले requests में पूरे request के लिए input, cache और output की अधिक दरें लागू होती हैं।
संबंधित लेख
Guides
स्ट्रक्चर्ड एक्सट्रैक्शन के लिए GPT Image 2.6 Sunburst API की लागत: योजना बनाने की गाइड
टोकन संबंधी स्पष्ट मान्यताओं, स्कीमा वैलिडेशन, रीट्राई और मूल्य निर्धारण की सीमाओं के साथ image-to-JSON वर्कलोड का अनुमान लगाएं।
Guides
Schema से सत्यापित extraction के लिए GPT Image 2.6 Flare API की लागत का अनुमान
Structured extraction के लिए दोबारा जाँचा जा सकने वाला API बजट बनाएँ और दस्तावेज़ों में दी गई image-token दरों को extraction और OneMux की अज्ञात कीमतों से अलग रखें।
Guides
JSON एक्सट्रैक्शन के लिए Qwen3.8 Flash API की लागत: दोहराया जा सकने वाला अनुमान
टोकन उपयोग, schema validation, retries और प्रकाशित दरों की तुलना सहित structured extraction के लिए Qwen3.8 Flash API की लागत का अनुमान लगाएं।
Guides
JSON Schema Extraction के लिए Gemini 4 Carbon API लागत का अनुमान
संरचित extraction के लिए Gemini 4 Carbon की लागत का अनुमान लगाने का एक पुनरुत्पाद्य तरीका, जिसमें स्पष्ट token मान्यताएँ, मूल्य तुलना, JSON Schema validation और failure cases शामिल हैं।