PT ▾
Obter chave de API

Alternativa mais barata ao OpenAI: mude a Base URL

Uma alternativa mais barata ao openai para texto geralmente é apenas uma mudança de base URL: troque a URL, chave e ID do modelo, e seu código OpenAI SDK continua funcionando. Veja o código exato, as diferenças e como calcular suas economias.

Atualizado

Um cabo sendo movido para uma tomada vizinha brilhante, representando uma troca de base URL para uma API mais barata

Cheap AI APIs

Pontos principais

  1. Altere a URL base para https://api.cheapaiapis.com/v1, a chave e o ID do modelo para uncensored.
  2. Apenas texto: sem imagens, áudio, vídeo, embeddings ou ajuste fino.
  3. Tarifas: $0,15 por 1M de tokens de entrada e $0,50 por 1M de tokens de saída, pré-pago.
  4. Mantenha as configurações em variáveis de ambiente para que você possa reverter.

O que você muda e o que não muda

Se você quer uma alternativa mais barata ao openai para geração de texto, a migração é pequena: uma nova URL base, uma nova chave e um novo ID de modelo. Seus prompts, formato de mensagens, código de streaming e definições de ferramentas mantêm a forma. Esse é o benefício de uma API compatível com OpenAI, e também a razão pela qual você pode testar a migração em uma tarde sem reescrever.

O que não pode ser movido é qualquer coisa fora do chat de texto. Este endpoint oferece chat completions, o método responses e uma lista de models. Não faz imagens, áudio, vídeo, embeddings ou fine-tuning. Se seu produto usa esses, mantenha essa parte onde está e mova apenas as chamadas de texto.

ConfiguraçãoValor para este serviço
URL basehttps://api.cheapaiapis.com/v1
ID do modelouncensored
AutenticaçãoAuthorization: Bearer YOUR_KEY
EndpointsPOST /v1/chat/completions, POST /v1/responses, GET /v1/models

Mude em Python, Node ou curl

Em Python, passe os novos valores ao criar o cliente:

from openai import OpenAI

client = OpenAI(
    base_url="https://api.cheapaiapis.com/v1",
    api_key="YOUR_KEY",
)

r = client.chat.completions.create(
    model="uncensored",
    messages=[
        {"role": "system", "content": "Answer in two sentences."},
        {"role": "user", "content": "Why do retries need jitter?"},
    ],
)
print(r.choices[0].message.content)

Em Node:

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.cheapaiapis.com/v1",
  apiKey: process.env.CHEAP_KEY,
});

const r = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Why do retries need jitter?" }],
});
console.log(r.choices[0].message.content);

E HTTP simples:

curl https://api.cheapaiapis.com/v1/chat/completions \
  -H "Authorization: Bearer YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"uncensored","messages":[{"role":"user","content":"Why do retries need jitter?"}]}'

Torne a troca reversível

Não codifique os novos valores. Coloque as três configurações em variáveis de ambiente ou em um objeto de configuração, e você pode voltar atrás em segundos se o novo modelo não se adequar a um dos seus recursos.

import os
from openai import OpenAI

client = OpenAI(
    base_url=os.environ.get("LLM_BASE_URL", "https://api.cheapaiapis.com/v1"),
    api_key=os.environ["LLM_API_KEY"],
)
MODEL = os.environ.get("LLM_MODEL", "uncensored")

Uma boa implantação envia uma pequena parte do tráfego para o novo endpoint primeiro, por exemplo uma ferramenta interna ou 5% das requisições, e compara as respostas. Mantenha a rota antiga como alternativa para erros 429 ou 5xx. Ao ler a resposta, trate apenas os campos padrão como estáveis: choices[0].message.content, usage e finish_reason.

O que realmente difere

  • O modelo. Há um único modelo de pesos abertos, executado por um provedor independente, ajustado para responder sem recusas de conteúdo para uso adulto lícito. Não é a API oficial de nenhum vendor, não é um router, e não se comportará exatamente como o modelo que você deixa. Prompts ajustados para outro modelo podem precisar de pequenas edições.
  • Contexto. A janela é de 100.000 tokens, contando prompt mais completion. max_tokens é opcional.
  • Recursos. Streaming via SSE, chamada de funções, modo JSON e passagem de temperatura, top_p, stop, seed e as penalidades são suportados. Consulte a documentação para qualquer recurso exótico que seu código utilize.
  • Limites. Uma chave completa permite 8 requisições simultâneas e 300 por minuto. O corpo máximo é 8 MB.
  • Segurança. Recusar conteúdo não é o comportamento padrão, mas conteúdo sexual envolvendo menores de idade nunca é permitido. Adicione seus próprios filtros se o seu produto tiver suas próprias regras.

Teste a chamada de ferramentas e o modo JSON especificamente, já que um modelo diferente pode formatar argumentos de forma diferente. Valide o JSON que você recebe e tente novamente uma vez com uma instrução mais rigorosa se a análise falhar.

Uma lista de migração que cabe em uma tarde

  1. Liste suas chamadas. Procure no código todos os lugares que criam um cliente ou chamam a API. Marque cada uma como chat de texto ou outra coisa.
  2. Recolha 30 prompts reais dos logs, com detalhes privados removidos, incluindo alguns longos, alguns que usam ferramentas e alguns que esperam JSON.
  3. Reproduza-os contra ambos os endpoints e salve as saídas lado a lado. Conte quantas são aceitáveis sem edições.
  4. Verifique o streaming. Defina stream: true e certifique-se de que sua interface lida com o último lote de uso.
  5. Verifique erros. Force uma chave inválida e uma explosão de requisições, e confirme se o seu código lida com 401 e 429 de forma adequada.
  6. Faça a rollout lentamente, mantendo a rota antiga como fallback.
stream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Explain idempotency keys briefly."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

Lembre-se de que uma requisição em streaming ocupa sua slot de concorrência até o fim do streaming. Se uma página abrir vários streams ao mesmo tempo, os 8 slots de uma chave completa podem ser preenchidos antes de atingir o limite de 300 por minuto. Um 429 com código concurrency indica que isso aconteceu.

Calcule as economias com seus próprios números

As tarifas aqui são $0,15 por 1M de tokens de entrada e $0,50 por 1M de tokens de saída, pré-pago e sem assinatura. Não declaramos os preços de ninguém; olhe o pricing atual do serviço que você usa agora. Então execute isso:

def monthly_cost(requests, in_tokens, out_tokens, in_rate, out_rate):
    return requests * (in_tokens * in_rate + out_tokens * out_rate) / 1_000_000

# here: 0.15 per 1M input, 0.50 per 1M output
mine = monthly_cost(30_000, 2_500, 600, 0.15, 0.50)
print(round(mine, 2))   # 20.25

Verifique esse valor à mão: cada request custa 2.500 x 0,15 / 1M = $0,000375 de input mais 600 x 0,50 / 1M = $0,0003 de output, totalizando $0,000675. Multiplicado por 30.000 requests, dá $20,25. Execute a mesma função com as tarifas publicadas do seu provedor atual e compare. Inclua o custo de quaisquer rewrites ou retries na comparação, não apenas os preços por token.

Requisições com falha ou recusadas não são cobradas, e o crédito nunca expira, então um mês lento não custa nada extra.

Comece com o trial

Entre com Google, ou com e-mail e senha, depois reclame o crédito de teste de $0,50 com um clique na página da chave de API. Não precisa de cartão, dura 7 dias e é limitado a um por pessoa. No custo do exemplo acima, $0,50 paga por cerca de 740 requisições desse tamanho, o que é suficiente para executar seus próprios prompts de regressão contra ambos os provedores e comparar.

Quando estiver pronto para pagar, recargas são qualquer valor inteiro de $20 a $500, com +5% a partir de $50, +10% a partir de $100 e +15% a partir de $200. Você pode usar cripto (USDT na TRC20, USDC na Base). A página de preços mostra a tabela atual. Prompts não são usados para treinamento.

Quando permanecer onde está

Conselho honesto: não mude se seu produto depende de endpoints de image, audio ou embedding do seu provedor atual, se você precisa do modelo de um vendor específico por motivos contratuais, ou se seus usuários esperam o comportamento exato desse vendor. Uma rota mais barata também não ajuda se o tempo de engenharia para adaptar seus prompts exceder as economias. Use este serviço para as chamadas de texto onde um modelo uncensored, pay-per-token se encaixa, e mantenha o resto onde está.

Para uma visão geral dos mitos comuns sobre APIs de baixo custo, leia Mitos e fatos sobre a API GPT barata antes de decidir.

Perguntas e respostas

Ler a documentação
Preciso reescrever meu código?

Normalmente não. Chat completions, streaming, chamada de funções e modo JSON mantêm o mesmo formato. Altere o base URL, a chave e o nome do modelo.

Posso usar embeddings ou geração de imagem aqui?

Não. O serviço é apenas de texto, sem geração de imagem, áudio ou vídeo, sem embeddings e sem ajuste fino.

As respostas correspondem ao meu modelo atual?

Não. É um modelo de pesos abertos diferente, ajustado para responder sem recusas de conteúdo para uso adulto lícito; teste seus prompts e ajuste.

Como comparo custos?

Multiplique seus tokens de entrada e saída mensais por $0,15 e $0,50 por 1M e compare com as tarifas publicadas do seu provedor atual.

Sua chave está a um formulário de distância

Crie uma conta, copie a chave, altere a URL base. Essa é toda a configuração.

Obter chave de API

https://api.cheapaiapis.com/v1