Acesso gratuito à API LLM: o que a avaliação cobre e os custos

A resposta curta

Se você quer acesso gratuito à API LLM sem limite e sem custo, este não é o serviço, e você deve desconfiar de quem promete isso. Executar um modelo de linguagem grande custa dinheiro real em tempo de GPU, então um endpoint hospedado ou cobra por token, limita você rigidamente ou cobre seus próprios custos de outra forma. O que esta API oferece é um teste: após o cadastro, você resgata $0,50 de crédito com um clique na página da chave de API. É um por pessoa, é válido por 7 dias e você não paga nada para resgatá-lo.

Depois disso, o modelo é pagamento por uso. Você compra crédito pré-pago, gasta-o a $0,15 por 1M de tokens de entrada e $0,50 por 1M de tokens de saída, e não há taxa mensal esperando por você. Como as taxas por token são baixas, $0,50 rendem muito mais do que parece. As seções abaixo colocam números reais nisso para que você decida se a avaliação é suficiente para seu teste e quanto um trabalho real custa quando não é mais.

O endpoint é compatível com OpenAI, então testá-lo significa alterar uma URL base e uma chave no código que você provavelmente já tem. Você pode ler os detalhes de configuração na página de início rápido, e a lista de preços está na página de preços.

O que $0,50 de crédito de teste compra

Os preços dos tokens são cotados por milhão, o que é difícil de visualizar. Uma maneira mais simples é precificar uma requisição e depois dividir. Um token é alguns caracteres de texto, então 1.000 tokens são aproximadamente uma página de prosa simples. Pegue uma requisição com 1.000 tokens de entrada e 500 tokens de saída:

• Entrada: 1.000 tokens x $0,15 / 1.000.000 = $0,00015
• Saída: 500 tokens x $0,50 / 1.000.000 = $0,00025
• Total: $0,0004 por requisição

Divida o crédito de teste por isso: $0,50 / $0,0004 = 1.250 requisições. Isso é suficiente para construir um protótipo, executar algumas centenas de prompts de teste e ainda ter crédito sobrando para uma demonstração. A tabela abaixo mostra a mesma aritmética para quatro formas comuns de requisição.

Formato da requisição	Tokens de entrada / saída	Custo por requisição	Requisições em $0,50
Classificação curta	300 / 20	$0.000055	cerca de 9.090
Prompt de teste padrão	1,000 / 500	$0.0004	1,250
Rodada de chat com histórico	3,000 / 700	$0.0008	625
Processamento de documento longo	80,000 / 2,000	$0.013	38

A linha de documento longo mostra onde o teste acaba rapidamente: prompts grandes. Preencher toda a janela de contexto de 100.000 tokens apenas com entrada custa 100.000 x $0,15 / 1.000.000 = $0,015, então o teste cobriria cerca de 33 requisições desse tamanho antes mesmo de contar as respostas.

Limites de avaliação que você deve conhecer

A chave de teste é deliberadamente menor que uma chave completa. Ela permite 2 requisições simultâneas e 60 requisições por minuto, contra 8 simultâneas e 300 por minuto em uma chave completa. Para testes manuais e um único script, isso é suficiente. Ela vai doer se você apontar um trabalho em lote com muitos trabalhadores para isso.

Quando você excede um limite, a API responde com HTTP 429. O código de erro é rate_limited quando você ultrapassou requisições por minuto e concurrency quando muitas requisições estavam em andamento ao mesmo tempo. O streaming é importante aqui: uma solicitação de streaming mantém sua slot de concorrência até que o stream termine, então dois streams longos podem bloquear uma terceira requisição mesmo que você esteja muito abaixo de 60 por minuto. Se você ver erros concurrency em uma chave de teste, reduza sua contagem de trabalhadores para 2.

A avaliação dura 7 dias desde o resgate, então resgate-a quando estiver pronto para testar, não quando criar uma conta pela primeira vez. O cadastro funciona com Google ou com um e-mail e senha, e o botão de resgate está na página da chave de API.

Quanto uma carga de trabalho real custa após a avaliação

Três exemplos com a matemática escrita, para que você possa inserir seus próprios números.

Um aplicativo de chat com histórico

Cada turno envia cerca de 3.000 tokens de prompt do sistema e histórico e recebe 700 tokens de volta. Isso custa 3.000 x $0,15 / 1M = $0,00045 para entrada mais 700 x $0,50 / 1M = $0,00035 para saída, então $0,0008 por mensagem. Mil mensagens custam $0,80. Um usuário que envia 40 mensagens por dia custa a você $0,032 por dia, cerca de $0,96 em um mês de 30 dias.

Um trabalho em lote

Digamos que você processe 10.000 registros, cada um com 1.500 tokens de entrada e 300 de saída. A entrada é 15.000.000 de tokens, que é 15 x $0,15 = $2,25. A saída é 3.000.000 de tokens, que é 3 x $0,50 = $1,50. Toda a execução é $3,75. Observe que a saída é apenas um sexto dos tokens aqui, mas 40% da conta, porque a saída custa mais de três vezes mais por token do que a entrada.

Análise de contexto longo

Ler um documento de 80.000 tokens e escrever um resumo de 2.000 tokens custa $0,012 para entrada e $0,001 para saída, então $0,013. Execute isso em 100 documentos e você gastou $1,30.

Requisições falhas ou recusadas não são cobradas, então uma requisição que falha não consome esses totais. Cada resposta carrega um cabeçalho X-Balance-USD, que permite que você acompanhe o saldo restante do seu próprio código em vez de adivinhar.

O que uma recarga de $20 cobre

A recarga mínima é $20, e você pode adicionar qualquer valor inteiro até $500. Recargas maiores têm um bônus: +5% a partir de $50, +10% a partir de $100 e +15% a partir de $200. Na prática, isso significa que $50 lhe dá $52,50 de crédito, $100 dá $110 e $200 dá $230. O pagamento é apenas em cripto, USDT na TRC20 ou USDC na Base, e o crédito nunca expira, então não há pressão para gastá-lo em um mês.

A $20 sem bônus, as mesmas quatro formas de requisição da tabela funcionam assim:

• Classificação curta a $0.000055: cerca de 363.636 requisições
• Prompt de teste padrão a $0,0004: 50.000 requisições
• Turno de chat a $0,0008: 25.000 requisições
• Processamento de documento longo a $0,013: cerca de 1.538 requisições

Para a maioria dos projetos pessoais, $20 são meses de uso. Verifique a página de preços para as opções de recarga atuais antes de pagar.

Maneiras de estender o crédito gratuito

Alguns hábitos cortam a conta sem alterar o que seu aplicativo faz.

1. Limite o histórico. Tokens de entrada são o lado barato, mas um chat que reenvia 20.000 tokens de turnos antigos em cada mensagem se acumula. Resuma ou descarte turnos antigos.
2. Limite a saída onde faz sentido. max_tokens é opcional, mas defini-lo para tarefas curtas como classificação impede que uma resposta extensa custe cinco vezes mais do que você esperava.
3. Use sequências de parada. O parâmetro stop encerra a geração em um marcador que você escolher.
4. Mantenha os prompts estáveis durante os testes. O parâmetro seed ajuda você a comparar execuções do mesmo prompt, para que você não gaste crédito perseguindo ruído.
5. Leia seu próprio uso. Registre o bloco usage de cada resposta e multiplique-o pelas duas taxas. Um helper de cinco linhas torna o custo visível desde o primeiro dia.

CopyIN_PER_M, OUT_PER_M = 0.15, 0.50

def cost_usd(usage):
    return (usage.prompt_tokens * IN_PER_M
            + usage.completion_tokens * OUT_PER_M) / 1_000_000

# resp = client.chat.completions.create(...)
# print(f"${cost_usd(resp.usage):.6f}")

Se você quiser testar isso contra o endpoint real, defina a URL base para https://api.nsfwvideogenerator.cc/v1, use o ID do modelo uncensored e envie sua chave como um token Bearer. O início rápido tem um exemplo funcional em Python, Node e curl.

Alternativas gratuitas e quando elas fazem sentido

Sendo direto sobre isso: a avaliação não é a única rota. Modelos de pesos abertos podem ser executados no seu próprio hardware, que não tem taxa por token, mas precisa de uma máquina com memória suficiente e do seu tempo para configurá-la e mantê-la em execução. Alguns provedores também anunciam planos gratuitos, com seus próprios limites de taxa e políticas, então verifique seus preços e termos atuais em vez de confiar em um resumo.

A razão para usar um endpoint pré-pago hospedado em vez disso é simples. Você obtém um modelo que é ajustado para responder sem recusas de conteúdo para uso adulto legal, uma interface compatível com OpenAI estável e um preço que você pode calcular em um guardanapo. O limite rígido permanece: não há conteúdo sexual envolvendo menores de idade. O serviço é apenas texto, então não gerará imagens, áudio ou vídeo, e não oferece embeddings ou ajuste fino. Se o seu projeto é um pipeline de texto, como scripts e prompts para ferramentas downstream descritos na página de pipelines NSFW, essa é exatamente a fatia que você precisa.

Prompts não são usados para treinamento, o que vale a pena saber antes de você colar material real do projeto em qualquer API hospedada.

Mais guias

• LLMs gratuitos para Python: Modelos Locais vs uma API Hospedada
• API LLM de Roteiro de Vídeo NSFW: Um Fluxo de Trabalho Apenas Texto
• API LLM sem censura para Pipelines NSFW