Los tokens son las unidades que un modelo de lenguaje lee y escribe: palabras, fragmentos de palabras, números o puntuación. Los modelos de texto facturan fichas de entrada y salida a tasas separadas por cada 1M de tokens, mientras que muchos modelos de medios y búsqueda facturan por imagen, segundo, carácter, minuto o solicitud.
Un modelo de lenguaje no lee caracteres ni palabras directamente. Un tokenizador primero divide el texto en fragmentos de un vocabulario fijo y asigna cada pieza a un número, y el modelo lee y escribe esos números. Las palabras comunes suelen ser un solo token, mientras que las palabras más largas o más raras se dividen en varias partes. Suelen estar asociados espacios a la palabra que los sigue, y los signos de puntuación suelen ser símbolos propios.
Como aproximación, un token equivale a unos cuatro caracteres de texto en inglés, o aproximadamente tres cuartas partes de una palabra, por lo que 1.000 palabras suman aproximadamente 1.300 tokens. El código, los números y muchos otros idiomas usan más tokens para la misma cantidad de texto. Cada familia de modelos tiene su propio tokenizador, por lo que el mismo prompt puede producir diferentes recuentos en distintos modelos, y el Uso El objeto en cada respuesta informa del recuento exacto que utilizó el modelo.
Los modelos que aceptan imágenes, audio o vídeo también convierten esas entradas en tokens, y algunos fijan esos tokens a su propio precio.
Los tokens de entrada son todo lo que envías: el aviso del sistema, la conversación, las definiciones de herramientas y cualquier contenido adjunto. Los tokens de salida son todo lo que genera el modelo. En un Modelo de razonamiento Esto incluye el razonamiento que escribe antes de la respuesta, que se factura incluso cuando el modelo no devuelve su texto.
Los modelos de texto fijan precios de ambos por separado, y los tokens de salida suelen costar más que los tokens de entrada. Pueden aplicarse otras dos tarifas: facturas de entrada almacenadas en caché a una tasa más baja en modelos que soportan caché de prompts, y algunos modelos cobran una tasa más alta una vez que la entrada supera una longitud establecida.
Cada respuesta informa de lo que utilizó. Finalizaciones del chat prompt_tokens, completion_tokens y total_tokens, y cost_usd indica la cantidad cobrada por la solicitud. Para estimar la entrada antes de enviarla, POST /v1/messages/count_tokens Devuelve un recuento y no se factura.
Un solo token cuesta muy poco, así que se cotizan tarifas de texto por cada token de 1M para mantener los números legibles y fáciles de comparar. Para estimar el coste de una solicitud, divide sus tokens de entrada por 1.000.000 y multiplícalos por la tasa de entrada, haz lo mismo con los tokens de salida con la tasa de salida y suma los dos. Para una aplicación, multiplica esa cifra por el número de solicitudes que esperas.
El legible por máquina Precios objeto en ¡VE /v1/models Proporciona las mismas tasas por token individual, como cadenas, para código que calcula costes.
No todos los modelos facturan por token. La unidad sigue lo que el modelo produce o procesa:
Las unidades en uso en todo el catálogo se listan en esta página, y cada página de modelo muestra las suyas propias. Puedes pagar conforme usas, o elegir un plan con franquicias semanales, y esas franquicias utilizan los mismos tipos de unidades: fichas para modelos de texto, segundos de vídeo, imágenes, minutos de transcripción y caracteres de voz. Véase Precios y el Modelos y guía de precios.
La unidad de facturación de la tarifa principal de cada uno de los 206 modelos, según las tarjetas de precios en vivo.
| Unidad de facturación | Modelos | Ejemplos |
|---|---|---|
| Por 1M de tokens | 104 | GLM 5.3, GLM 5.3 Flash, GLM 5.2 |
| Precio por segundo | 42 | Kling 3.0 Turbo, ACE-Step 1.5 XL, MiniMax Music 3 |
| Precio por imagen | 18 | FLUX.2 Klein 4B, Qwen Image 3.0, Seedream 5.5 |
| Precio por solicitud | 16 | TRELLIS.2 4B, Exa Answer, Exa Search |
| Precio por caracteres de texto | 11 | TTS 2, TTS 1.5 Mini, TTS 1.5 Max |
| Precio por minuto u hora de audio | 10 | Whisper Large v3 Turbo, Deepgram Nova-3, OpenAI Whisper 1 |
| Otras unidades | 3 | DeepReasoning, GPTZero, LightOnOCR-3 4B |
| Precio por video | 2 | Pixverse v5, Pixverse v5.6 |
En inglés, 1M tokens equivale aproximadamente a 750.000 palabras, usando la aproximación de unos cuatro caracteres por token. El recuento exacto depende del tokenizador del modelo y del idioma.
No. Los modelos de texto valoran los tokens de entrada y salida por separado, y los tokens de salida suelen costar más. Cada modelo enumera ambas tasas.
En los modelos que los aceptan como entrada, sí: las imágenes, el audio y el vídeo se convierten en tokens, y algunos modelos fijan el precio de esos tokens a su propio precio. Los modelos que generan imágenes, vídeo o voz suelen facturar por imagen, segundo o carácter.
Cada respuesta incluye un objeto de uso con sus conteos de tokens de entrada y salida. Los registros de uso del panel y la API de Uso de Cuentas registran los mismos conteos para cada solicitud.
Consulta nuestros precios o contacta con nosotros si quieres que tu propio modelo se implemente en nuestra pila.