· kaynak dev.to (home feed)
Output tokenlar LLM hacminin yüzde 17'isi ama API faturasının yarısı, diye buluyor fiyatlandırma analizi
Bir dev.to analizi, Gemini 4 Neon, Claude Opus 5.5 ve GPT-6.2 Sol'u özdeş bir iş yükü üzerinden fiyatlandırıyor ve hacmin altıda biri olan output tokenların faturanın yarısını oluşturduğunu ortaya koyuyor — cached-input oranları ise dürüst karşılaştırmaları zorlaştırıyor.

Sabit bir iş yükü, dört fiyat etiketi
dev.to'da yayımlanan bir analiz, Gemini 4 Neon, Claude Opus 5.5, Claude Opus 5.5 (fast) ve GPT-6.2 Sol'un API fiyatlandırmalarını modeller arasında sabit tutulan özdeş bir iş yükü üzerinden karşılaştırıyor: ayda 10 milyon input token ve 2 milyon output token, cache isabeti olmadan. Yazara göre tüm maliyet modeli tek bir formüle sığıyor: aylık maliyet, input token sayısı çarpı input oranı artı output token sayısı çarpı output oranına eşit; oranlar milyon token başına verilir ve cached input ayrı bir kalem olarak faturalanır.
Sağlayıcıların fiyatlandırma sayfalarından 18 ve 20 Kasım 2026'da doğrudan okunan oranlara göre bu iş yükünün maliyeti:
- Gemini 4 Neon, $3.00 giriş / $15.00 çıkış: ayda $60, yılda $720
- Claude Opus 5.5, $4.00 giriş / $20.00 çıkış: ayda $80, yılda $960
- Claude Opus 5.5 (fast), $8.00 giriş / $40.00 çıkış: ayda $160, yılda $1,920
- GPT-6.2 Sol, $2.00 giriş / $10.00 çıkış: ayda $40, yılda $480
Öne çıkan örnek: Gemini 4 Neon ile Claude Opus 5.5 arasında milyon input token başına tamı tamına $1 fark var ve bu iş yükünde bu $1, bir yılda $240'a dönüşüyor.
Output tokenlar hacmin altıda biri, faturanın yarısı
Analizin merkezindeki bulgu, output tokenların maliyeti trafiğimdeki payıyla orantısız biçimde domine ettiği. Neon'da 10 milyon input token $3.00'dan $30, 2 milyon output token da $15.00'dan $30 tutuyor — yani faturanın tam yarısı tokenların yüzde 16.7'sinden geliyor.
dev.to gönderisine göre bu tek bir sağlayıcının tuhaflığı değil: karşılaştırmadaki her model output'u tam olarak input oranının beş katına fiyatlıyor ve her satırda output kalemi toplamın yüzde 50'sine denk geliyor. Yazar, faturayı fiilen belirleyen şeyin output'un input'a oranı olduğunu ve genellikle kimsenin ölçmediği sayı bu olduğunu savunuyor. Sohbet biçimli uygulamalarda output payı, burada kullanılan 1:5 oranından bile daha yüksek olabiliyor.
Cached input karşılaştırmayı bozuyor
İkinci bulgu prompt caching ile ilgili. Neon, milyon token başına $0.15'lik bir cached-input oranı yayımlıyor; bu, $3.00'lık input oranının yüzde 5'i. Yazarın okumasına göre Anthropic'in sayfası Opus 5.5 için bir cached-input oranı yayımlamıyor ve yazar bir tahmin yapmayı reddediyor.
Bu, promptlar uzun bir ortak önek taşıdığı anda önemli hale geliyor — bir system prompt, bir araç şeması ya da her çağrıda yeniden gönderilen bir belge. Input'un yüzde 80'i cache'e denk gelirse, Neon hesabının input tarafı $30'dan kabaca $7.20'ye düşüyor. Cache oranı yayımlayan iki model, cache yoğun trafik üzerinden karşılaştırılabilir; yalnızca birinin yayımladığı bir çift ise karşılaştırılamaz. Yazar özellikle, bir model için sessizce sıfır cache isabeti, diğer için ise yayımlanan oranı varsayayan hesap makineserine karşı uyarıyor.
Fast katman her şeyi ikiye katlıyor
Claude Opus 5.5 (fast), $8.00 giriş / $40.00 çıkıştan fiyatlanıyor — standart katmanın tam iki katı. Aynı 12 milyon tokenlık iş yükünde bu ayda $160, yani yılda $1,920 ediyor; Neon'dan ayda $100 daha fazla ve genel olarak yüzde 167 daha yüksek. Yazarın tavsiyesi: gecikmeye duyarlı bir özellik fast katmanı haklı kılıyorsa, bu çarpan tasarım belgesinde yer almalı, sonradan fatura sürprizi olarak ortaya çıkmamalı.
Sayılar nasıl yeniden üretilir
Gönderi yinelenebilir bir yöntem ortaya koyuyor: payını tahmin etmek yerine sağlayıcının kullanım panelinden geçen ayın gerçek input ve output token sayılarını çekin; her birini sağlayıcının fiyatlandırma sayfasındaki milyon başına oranla çarpın ve oranın okunduğu tarihi kaydedin; caching devredeyse cached ve uncached input'u ayırın; ve bir sağlayıcı oran değiştirdiğinde hesabı yeniden çalıştırın.
Yazar uyarıları da listeliyor: tüm yıllık rakamlar basitçe aylık maliyetin on iki katı; toplam indirimleri, taahhütlü kullanım fiyatlandırması ya da ücretsiz katmanlar uygulanmadı, çünkü okunan fiyatlandırma sayfalarının hiçbiri bu modeller için bunları listelemiyordu. Fiyatlar kısa bir bildirimle değişebiliyor, dolayısıyla herhangi bir sayı bütçeye girmeden önce kaynak sayfalar kontrol edilmeli. Yazar, okundukları tarihlerle birlikte oranların kamuya açık bir matrisini modelcost.org adresinde tutuyor ve taslağın AI desteğiyle yazıldığını ama her fiyat ve hesabın elle kontrol edildiğini belirtiyor.
Neden önemli
Çoğu fiyatlandırma karşılaştırması milyon token başına üç ana rakamda duruyor ve geliştiriciler doğal olarak input oranına demir atıyor. Bu analiz bunun neden yanıltıcı olduğunu gösteriyor: token karışımı — her şeyden önce output payı ve cache isabet oranı — faturayı, input fiyatındaki $1'lik farktan çok daha fazla belirliyor. Yalnızca input oranları üzerinden bütçe yapan bir ekip, iş yükü başına yılda yüzlerce dolar sapabilir; fast katmanına geçen bir ekip ise uygulama kodunun tek bir satırını değiştirmeden maliyetleri ikiye katlayabilir. Bir model seçmeden önce kendi output-input oranınızı ölçmek ucuz çözümdür.
- #llm
- #api-pricing
- #gemini
- #claude
- #openai
İlgili yazılar
- LookAtMyQuant quantization derleyicisi, eşit dosya boyutunda Q4_K_M'ye kıyasla 12 kat daha düşük KL iddia ediyor
- Anthropic'un Nasdaq'a çıkışı, önce güvenlik odaklı markasını hissedar baskısı altına sokuyor
- OpenAI Agents SDK, yeni issue'ların yüzde 98'ini 30 günde kapattı; Anthropic'un Claude Agent SDK'sı 54'ün 1'ini