API LLM termurah untuk tugas bervolume tinggi

Klasifikasi, pemberian tag, ekstraksi, moderasi, penerjemahan string pendek, routing: pekerjaan seperti ini dijalankan jutaan kali, dan harga per token menentukan apakah pekerjaan tersebut menguntungkan. Di bawah ini adalah model teks dengan harga terendah di GetVibe API. Harga diambil secara live dari katalog setiap kali halaman ini dirender, sehingga tabel tidak pernah kedaluwarsa.

Daftar pilihan

Model-model ini termasuk yang memiliki harga terendah di katalog kami pada 25 September 2026. Harga dapat berubah, jadi periksa urutan terbaru di halaman Models.

Cara memilih di antara model-model ini

• Anda memerlukan output JSON yang ketat: gunakan model dengan mode JSON, seperti GPT-6 Luna, Qwen 3.8 Flash, DeepSeek V4.1 Flash, atau Hy4 Preview. Model Gemini Flash dan GLM-5.3 Flash tidak menawarkan mode JSON di katalog kami. Matriks mode JSON kami menjelaskan detailnya.
• Anda memproses dokumen panjang: Gemini 3.8 Flash, Gemini 3.7 Flash, DeepSeek V4.1 Flash, dan GLM-5.3 Flash memiliki window sekitar satu juta token.
• Anda ingin mengatur tingkat reasoning: GPT-6 Luna menerima keenam level reasoning_effort. Atur ke minimal untuk pekerjaan massal. Hy4 Preview menerima low dan high. Lihat penjelasan tentang reasoning_effort.
• Input Anda mencakup gambar: setiap model dalam tabel di atas menerima input gambar.

Lima cara menjaga biaya pekerjaan massal tetap rendah

1. Uji kualitas dengan sampel terlebih dahulu. Jalankan beberapa ratus item nyata melalui dua atau tiga kandidat, lalu bandingkan hasilnya dengan kunci jawaban yang telah diperiksa secara manual. Model termurah yang lolos adalah pilihan terbaik.
2. Jadikan instruksi sebagai prefix tetap. Letakkan instruksi panjang dan contoh di awal, lalu item di bagian akhir, agar permintaan berulang menggunakan prompt cache. Input yang tersimpan dalam cache ditagih dengan sebagian kecil dari tarif input (cara kerja caching).
3. Batasi output. Atur max_tokens sesuai kebutuhan label atau objek JSON pendek. Pada setiap model di atas, output dihargai lebih tinggi daripada input.
4. Jaga reasoning tetap rendah. Token reasoning ditagih sebagai output. Untuk label sederhana, gunakan minimal atau low jika didukung oleh model.
5. Naikkan model hanya untuk kegagalan. Kirim semuanya ke model murah, validasi outputnya, lalu ulangi hanya item yang gagal dengan model yang lebih kuat.

from openai import OpenAI

client = OpenAI(base_url="https://getvibeapi.com/v1", api_key="sk-pv-...")
INSTRUCTION = "Klasifikasikan tiket sebagai billing, bug, feature, atau other. Balas dengan satu kata."

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()

Langkah berikutnya

Urutkan seluruh katalog berdasarkan harga di halaman Models, baca tentang Hy4 Preview dan Qwen 3.8 Flash, atau mulai dari dokumentasi. Penagihan dilakukan per token dari saldo prabayar, tanpa langganan.