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।
सारांश · TL;DR
उपलब्ध स्रोत यह स्थापित नहीं करते कि GPT Image 2.6 Flare, JSON Schema के साथ structured extraction को सपोर्ट करता है या उसके text output की कीमत क्या है। इनमें image-generation token की दरें दी गई हैं, जिनसे बजट के एक हिस्से का उदाहरण बनाया जा सकता है। यह गाइड बताती है कि गायब कीमतों की पहचान कैसे करें, एक उदाहरण वर्कलोड की गणना कैसे करें और schema validation तथा retries को बजट में कैसे शामिल करें।
मुख्य बातें
- वर्कफ़्लो के लिए GPT Image 2.6 Flare चुनने से पहले पुष्टि करें कि आपका provider और endpoint, image input, structured extraction और ज़रूरी JSON Schema व्यवहार को सपोर्ट करते हैं।
- दिए गए स्रोत में आधिकारिक दरें $5 per million text input tokens, $8 per million image input tokens और $30 per million image output tokens बताई गई हैं; text output की दर स्थापित नहीं की गई है।
- 16 नवंबर 2026 के OneMux कैटलॉग स्नैपशॉट में Flare की input और output कीमतें अज्ञात और कीमत अनुपात 0.11699999999999999 दर्ज है। इन गायब कीमतों के आधार पर लागत का अनुमान न बनाएँ।
- हर स्वीकृत और सत्यापित रिकॉर्ड के हिसाब से बजट बनाएँ, जिसमें retries और अलग से बिल किए जाने वाले extraction मॉडल की लागत भी शामिल हो।
इस पृष्ठ पर (8)
सबसे पहले यह जानें: क्या endpoint आपकी schema के अनुसार जवाब दे सकता है?
Structured extraction के लिए पहले पुष्टि करें कि जिस endpoint को आप कॉल करने वाले हैं, वह आपकी स्रोत इमेज स्वीकार करता है और ज़रूरी फ़ील्ड ऐसे फ़ॉर्मैट में लौटा सकता है जिसे JSON Schema से सत्यापित किया जा सके। दी गई सामग्री यह स्थापित नहीं करती कि GPT Image 2.6 Flare इस वर्कफ़्लो, किसी खास extraction endpoint या schema की शर्तों से बँधे JSON output को सपोर्ट करता है। दस्तावेज़ों में दी गई उसकी image output दर को text output की कीमत की जगह इस्तेमाल नहीं किया जा सकता।
इसलिए उपलब्ध कीमतों से Flare extraction की पूरी लागत नहीं निकाली जा सकती। फिर भी आप एक उपयोगी बजट टेम्पलेट बना सकते हैं और यह तय कर सकते हैं कि किसी बैच पर काम शुरू करने से पहले उपयोग और कीमत से जुड़े कौन-से आँकड़े जुटाने हैं। OneMux यह गाइड प्रकाशित करता है और एक OpenAI-compatible API के ज़रिए AI मॉडल तक पहुँच देता है; चुने गए मॉडल और रूट के लिए endpoint तथा parameter की संगतता की पुष्टि करना ज़रूरी है।
प्रकाशित कीमतें वास्तव में किन चीज़ों पर लागू होती हैं
Ofox की कीमत संबंधी गाइड, जिसे उसके प्रकाशक ने 5 नवंबर 2026 को जाँचा था, Flare के लिए OpenAI की नीचे दी गई आधिकारिक दरें बताती है। ये स्रोत में बताई गई दरें हैं, OneMux का मूल्य उद्धरण नहीं। गाइड में भुगतान करके किए गए Image 2.6 generation परीक्षणों की जगह गणना के उदाहरण दिए गए हैं।
| बिलिंग श्रेणी | स्रोत में बताई गई आधिकारिक कीमत | इकाई |
|---|---|---|
| Text input | $5.00 | प्रति 10 लाख tokens |
| Cached text input | $1.25 | प्रति 10 लाख tokens |
| Image input | $8.00 | प्रति 10 लाख tokens |
| Cached image input | $2.00 | प्रति 10 लाख tokens |
| Image output | $30.00 | प्रति 10 लाख tokens |
| Text output | अज्ञात | दर उपलब्ध नहीं कराई गई |
OneMux कैटलॉग का स्नैपशॉट 16 नवंबर 2026 को लिया गया था। इसके कीमत वाले फ़ील्ड में कैटलॉग के प्रकाशित मान इस्तेमाल किए गए हैं; अज्ञात का मतलब मुफ़्त नहीं है।
| मॉडल | आधिकारिक input | आधिकारिक output | OneMux input | OneMux output | प्रकाशित कीमत अनुपात |
|---|---|---|---|---|---|
| GPT Image 2.6 Flare | अज्ञात | अज्ञात | अज्ञात | अज्ञात | 0.11699999999999999 |
स्नैपशॉट में OneMux की उन अज्ञात कीमतों के लिए बिलिंग इकाइयाँ या लागू tier की शर्तें नहीं दी गई हैं। केवल अनुपात से डॉलर में कीमत या सत्यापित बचत निकालना संभव नहीं है। OneMux बिल का अनुमान लगाने से पहले मौजूदा OneMux कीमतें और मॉडल पर लागू शर्तें जाँचें।
स्रोत में दी गई cached दरें इस बात का प्रमाण नहीं हैं कि किसी खास request पर छूट मिलेगी। स्रोत के अनुसार, image गाइड में endpoint की पात्रता से जुड़ी भाषा में पहले के मॉडल का नाम लिया गया है। इसलिए जब तक आपके रूट के उपयोग और बिलिंग रिकॉर्ड पुष्टि न करें, cache से होने वाली बचत को अनुमान में शामिल न करें। जहाँ provider tier के अनुसार दरें देता है, वहाँ वर्कलोड पर लागू tier का इस्तेमाल करें; दिए गए स्नैपशॉट में Flare के लिए कोई लागू tier स्थापित नहीं किया गया है।
ज्ञात input लागत की गणना करें
मान लें कि एक उदाहरणात्मक प्रयास में 120 text input tokens और 1,024 image input tokens इस्तेमाल होते हैं। ऊपर स्रोत में बताई गई आधिकारिक दरें मानें और यह भी मानें कि caching की पुष्टि नहीं हुई है तथा input पर कोई अन्य शुल्क नहीं है। ये गणना के लिए कल्पित token संख्याएँ हैं, मापे गए extraction उपयोग के आँकड़े नहीं।
| Input का हिस्सा | गणना | प्रति प्रयास लागत |
|---|---|---|
| Text | 120 × $5 / 1,000,000 | $0.000600 |
| Image | 1,024 × $8 / 1,000,000 | $0.008192 |
| कुल ज्ञात input | $0.000600 + $0.008192 | $0.008792 |
इसी उपयोग के साथ 1,000 प्रयासों में ज्ञात input लागत $8.792 होगी। यह extraction की कुल लागत नहीं है: output की दर और उपयोग अज्ञात हैं तथा अलग से बिल किए जाने वाले किसी मॉडल या सेवा की लागत भी जुड़ सकती है। यह OneMux की कीमत भी नहीं है।
Text और image input की token संख्याएँ अलग रखें। अगर usage response में कुल संख्या और उसका अलग-अलग ब्योरा, दोनों दिए गए हैं, तो हर हिस्से की कीमत निकालने के लिए ब्योरे का इस्तेमाल करें; कुल संख्या दोबारा जोड़ने से वही tokens दो बार गिने जाएँगे। अगर ब्योरा उपलब्ध नहीं है, तो हर token को text मानने के बजाय input का अनुमान अधूरा चिह्नित करें।
Retries सहित स्वीकृत रिकॉर्ड के लिए बजट बनाएँ
Schema के अनुसार वैध response का मतलब यह नहीं कि extraction भी सही है। उदाहरण के लिए, किसी invoice के response में सभी ज़रूरी फ़ील्ड हो सकते हैं, लेकिन रकम के अंक उलट गए हों या गलत currency दर्ज हो गई हो। पायलट से पहले स्वीकृति के मानदंड तय करें: वैध JSON, schema का पालन और काम के लिए ज़रूरी स्रोत जाँचें।
योजना बनाने के उदाहरण में मान लें कि पायलट से अंततः ये काल्पनिक मान मिलते हैं:
- प्रति प्रयास औसत कुल लागत: $0.012, जिसमें बिल किए गए सभी हिस्से शामिल हैं।
- Schema और कार्य संबंधी जाँचों के बाद स्वीकृति दर: 80%।
- लक्ष्य: 1,000 स्वीकृत रिकॉर्ड।
अनुमानित प्रयासों की संख्या 1,000 / 0.80 = 1,250 है। $0.012 प्रति प्रयास की दर से अनुमानित बजट $15, यानी $0.015 प्रति स्वीकृत रिकॉर्ड है। 50% स्वीकृति दर पर उसी लक्ष्य के लिए अनुमानित 2,000 प्रयास लगेंगे और लागत $24 होगी। ये आँकड़े दोबारा इस्तेमाल किए जा सकने वाले उदाहरण हैं, Flare की कीमत या प्रदर्शन का परिणाम नहीं।
इस गणना में माना गया है कि प्रति प्रयास औसत लागत आगे भी प्रतिनिधिक बनी रहती है और retries की स्वीकृति की संभावना समान रहती है। व्यवहार में retries के लिए लंबे prompts, अलग इमेज या अलग मॉडल इस्तेमाल हो सकते हैं। ऐसा होने पर उनकी लागत अलग से दर्ज करें। साथ ही, जिन responses को आप अस्वीकार करते हैं उन्हें विफल HTTP requests से अलग रखें: स्रोत से कोई सामान्य नियम स्थापित नहीं होता कि providers बाद वाली requests का बिल कैसे बनाते हैं।
रिकॉर्ड सत्यापित करें और उसके प्रमाण सुरक्षित रखें
Invoice वाले उदाहरण के लिए एक न्यूनतम schema में identifier, संख्यात्मक कुल राशि और तीन अक्षरों वाला currency code अनिवार्य किया जा सकता है:
{
"type": "object",
"properties": {
"invoice_number": { "type": "string", "minLength": 1 },
"total": { "type": "number", "minimum": 0 },
"currency": { "type": "string", "pattern": "^[A-Z]{3}$" }
},
"required": ["invoice_number", "total", "currency"],
"additionalProperties": false
}
भले ही कोई endpoint schema की शर्तों से बँधे output का दावा करे, लौटाए गए रिकॉर्ड पर JSON Schema validator का इस्तेमाल करें। Pattern केवल currency के फ़ॉर्मैट की जाँच करता है, यह नहीं कि वह असली currency है या दस्तावेज़ से मेल खाती है। तय करें कि गायब फ़ील्ड, अस्पष्ट रकम और कई कुल राशियों वाले दस्तावेज़ों को कैसे संभालना है; कोई मान सिर्फ इसलिए कार्य संबंधी जाँच में पास नहीं होना चाहिए कि वह schema के अनुरूप और विश्वसनीय दिखता है, जबकि उसका कोई आधार नहीं है।
भुगतान वाला पायलट चलाने से पहले सटीक model identifier, provider access, endpoint, image-input सपोर्ट, output फ़ॉर्मैट, schema parameters, कीमतों और खर्च की सीमा की पुष्टि करें। फिर हर प्रयास के लिए मॉडल और रूट, request सेटिंग्स, श्रेणी के अनुसार input और output उपयोग, वास्तविक शुल्क, validation का परिणाम, कार्य संबंधी जाँच का परिणाम और retry का कारण दर्ज करें। अस्वीकृत परिणामों को भी नमूने में रखें, ताकि स्वीकृति दर पूरे वर्कलोड को दर्शाए। दी गई सामग्री में इस वर्कफ़्लो के लिए किसी परीक्षण किए गए OneMux integration की जानकारी नहीं है।
अगर आपके चुने हुए रूट पर Flare extraction नहीं कर सकता, तो ऐसा मॉडल चुनें जिसके दस्तावेज़ों में image input और ज़रूरी structured output के सपोर्ट का स्पष्ट उल्लेख हो। उस मॉडल की लागत उसकी अपनी input और output इकाइयों के आधार पर निकालें। अगर image generation के बाद कोई अलग मॉडल extraction करता है, तो प्रति स्वीकृत रिकॉर्ड की लागत में दोनों मॉडलों का उपयोग और सभी retries शामिल करें।
निष्कर्ष
Image और text input की लागत समझने के लिए प्रकाशित Flare दरों का इस्तेमाल करें, लेकिन जब तक endpoint सपोर्ट, text output की कीमत और वास्तविक उपयोग का पता न चले, पूरे extraction बजट को अनिर्धारित रखें। Schema और स्रोत की जाँचों के साथ एक छोटा, मापा गया पायलट इन अज्ञात बातों के आधार पर प्रति स्वीकृत रिकॉर्ड लागत निकालने में मदद करता है।
स्रोत
- Ofox: GPT Image 2.6 API pricing — स्रोत में बताई गई आधिकारिक दरें, पहुँच से जुड़े विचार और image लागत की उदाहरणात्मक गणना; प्रकाशक ने 5 नवंबर 2026 को जाँचा।
- OneMux GPT Image 2.6 Flare मॉडल पेज — मॉडल कैटलॉग सूची। इस लेख में इस्तेमाल किया गया कीमत स्नैपशॉट 16 नवंबर 2026 को लिया गया था।
- OneMux कीमतें — मौजूदा प्रकाशित कीमतें जाँचने का संदर्भ।
प्रकाशित कीमतों का स्नैपशॉट
OneMux के प्रकाशित कैटलॉग से 2026-11-16T13:30:06.000Z पर लिया गया। कीमतों के साथ वेबसाइट की बिलिंग इकाइयाँ बरकरार रखी गई हैं; यह लाइव बेंचमार्क नहीं है। Tier, cache या समय पर आधारित बिलिंग अलग हो सकती है। अज्ञात मान शून्य नहीं हैं।
| मॉडल | आधिकारिक input | आधिकारिक output | OneMux input | OneMux output | प्रकाशित कीमत अनुपात |
|---|---|---|---|---|---|
| GPT Image 2.6 Flare | अज्ञात | अज्ञात | अज्ञात | अज्ञात | 0.11699999999999999 |
मौजूदा OneMux कीमतें। वर्कलोड की लागतों की तुलना तभी करें जब input/output और बिलिंग इकाइयाँ समान हों; tier की शर्तों के लिए हर मॉडल का पेज देखें।
सामान्य प्रश्न
GPT Image 2.6 Flare से structured extraction की लागत कितनी है?
दी गई जानकारी से पूरी लागत तय नहीं की जा सकती। स्रोत में text और image input की दरें हैं, लेकिन Flare के structured extraction सपोर्ट या text output की दर स्थापित नहीं की गई है। OneMux कैटलॉग स्नैपशॉट में भी उसकी input और output कीमतें अज्ञात दर्ज हैं।
क्या JSON responses की कीमत निकालने के लिए image output दर इस्तेमाल कर सकते हैं?
नहीं। स्रोत में $30 per million image output tokens बताया गया है, लेकिन यह स्थापित नहीं किया गया कि यही दर text या JSON output पर लागू होती है। इस्तेमाल किए जाने वाले endpoint और मॉडल के लिए लागू output दर की पुष्टि करें।
क्या वैध JSON का मतलब है कि extraction सही है?
नहीं। JSON Schema संरचना, ज़रूरी फ़ील्ड और मानों से जुड़ी कुछ शर्तों की जाँच कर सकता है। अकेले इससे यह स्थापित नहीं होता कि निकाला गया मान स्रोत दस्तावेज़ से मेल खाता है।
क्या अनुमान में cache की छूट शामिल करनी चाहिए?
इसे तभी शामिल करें जब provider पुष्टि करे कि request और endpoint पात्र हैं और उपयोग या बिलिंग रिकॉर्ड में cached tokens दिखें। दिए गए स्रोत में Image 2.6 के लिए cached-input endpoint की पात्रता स्थापित नहीं की गई है।
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
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।
Guides
JSON Extraction वर्कफ़्लो के लिए Grok Imagine Image API की लागत का अनुमान
Grok Imagine Image से इमेज जनरेट करने का शुल्क अनुमानित करें, extraction की अज्ञात लागतों को पहचानें और JSON schema के आधार पर structured records को validate करें।