उच्च-मात्रा वाले कार्यों के लिए सबसे सस्ते LLM API

Classification, tagging, extraction, moderation, छोटे strings का translation, routing: ऐसे काम लाखों बार चलते हैं, और प्रति token कीमत तय करती है कि वे लाभदायक होंगे या नहीं। नीचे GetVibe API पर सबसे कम कीमत वाले text models दिए गए हैं। कीमतें हर बार यह पेज render होने पर catalog से live ली जाती हैं, इसलिए table कभी पुरानी नहीं होती।

चुने गए मॉडल

ये 25 सितंबर 2026 को हमारे catalog में सबसे कम कीमत वाले text models में शामिल थे। कीमतें बदलती रहती हैं, इसलिए Models page पर वर्तमान क्रम देखें।

Model	Maker	Context	JSON mode	Images	Price
GPT-6 Luna	OpenAI	272K	हाँ	हाँ	$0.0055 इनपुट · $0.0274 आउटपुट प्रति 10 लाख टोकन
Gemini 3.8 Flash	Google	1M	नहीं	हाँ	$0.0097 इनपुट · $0.0483 आउटपुट प्रति 10 लाख टोकन
Qwen 3.8 Flash	Alibaba (Qwen)	256K	हाँ	हाँ	$0.1039 इनपुट · $0.3254 आउटपुट प्रति 10 लाख टोकन
DeepSeek V4.1 Flash	DeepSeek	1M	हाँ	हाँ	$0.0112 इनपुट · $0.0445 आउटपुट प्रति 10 लाख टोकन
Tencent Hy4 Preview	Tencent	262K	हाँ	हाँ	$0.0334 इनपुट · $0.1001 आउटपुट प्रति 10 लाख टोकन
GLM-5.3 Flash	Zhipu AI	1.048M	नहीं	हाँ	$0.0112 इनपुट · $0.0371 आउटपुट प्रति 10 लाख टोकन

इनमें से चुनाव कैसे करें

आपको सख्त JSON वापस चाहिए: JSON mode वाले model का उपयोग करें, जैसे GPT-6 Luna, Qwen 3.8 Flash, DeepSeek V4.1 Flash या Hy4 Preview। Gemini Flash models और GLM-5.3 Flash हमारे catalog में JSON mode offer नहीं करते। हमारी JSON mode matrix में पूरी जानकारी है।
आप लंबे documents process करते हैं: Gemini 3.8 Flash, Gemini 3.7 Flash, DeepSeek V4.1 Flash और GLM-5.3 Flash में लगभग one million tokens की window है।
आप ऐसा reasoning चाहते हैं जिसे कम-ज्यादा कर सकें: GPT-6 Luna सभी six reasoning_effort levels स्वीकार करता है। Bulk work के लिए minimal सेट करें। Hy4 Preview low और high स्वीकार करता है। reasoning_effort की व्याख्या देखें।
आपके input में images शामिल हैं: ऊपर table में दिया गया हर model image input स्वीकार करता है।

Bulk job को सस्ता रखने के पाँच तरीके

पहले sample पर quality test करें। दो या तीन candidates के जरिए कुछ hundred real items चलाएँ और hand-checked answer key से तुलना करें। जो सबसे सस्ता model आवश्यक quality पास करे, वही चुनें।
Instruction को fixed prefix रखें। लंबी instruction और examples को पहले रखें और item को अंत में, ताकि repeated requests prompt cache का लाभ उठा सकें। Cached input का billing input rate के एक fraction पर होता है (caching कैसे काम करती है)।
Output की सीमा तय करें। max_tokens को उतना ही रखें जितना किसी label या short JSON object के लिए आवश्यक हो। ऊपर दिए गए हर model में output की कीमत input से अधिक है।
Reasoning कम रखें। Reasoning tokens का billing output के रूप में होता है। Simple labels के लिए, जहाँ model support करता हो, minimal या low का उपयोग करें।
केवल failures को escalate करें। सब कुछ सस्ते model को भेजें, output को validate करें और केवल failures को stronger model पर retry करें।

from openai import OpenAI

client = OpenAI(base_url="https://getvibeapi.com/v1", api_key="sk-pv-...")
INSTRUCTION = "Ticket को billing, bug, feature या other के रूप में classify करें। एक शब्द में reply करें।"

def classify(ticket: str) -> str:
    resp = client.chat.completions.create(
        model="gpt-6-luna",
        reasoning_effort="minimal",
        max_tokens=5,
        messages=[
            {"role": "system", "content": INSTRUCTION},
            {"role": "user", "content": ticket},
        ],
    )
    return resp.choices[0].message.content.strip()

अगले कदम

Models page पर पूरे catalog को price के अनुसार sort करें, Hy4 Preview और Qwen 3.8 Flash के बारे में पढ़ें, या documentation से शुरुआत करें। Billing prepaid balance से प्रति token होता है और इसमें कोई subscription नहीं है।

चुने गए मॉडल

इनमें से चुनाव कैसे करें

Bulk job को सस्ता रखने के पाँच तरीके

अगले कदम

संबंधित लेख