Tarification de l'API Mistral AI vs une API sans censure au token

La réponse courte

Si vous recherchez la tarification API Mistral AI, la réponse honnête est qu'il n'existe pas de chiffre unique. Mistral facture chaque modèle séparément, généralement avec un taux pour les tokens d'entrée et un taux plus élevé pour les tokens de sortie, et la liste change lorsque des modèles sont ajoutés ou retirés. Ouvrez leur page de tarification, sélectionnez le modèle que vous comptez réellement appeler, et notez les deux taux par 1M de tokens.

L'API de ce site propose un seul modèle et un seul prix : $0,15 par 1M de tokens d'entrée et $0,50 par 1M de tokens de sortie. Vous rechargez du crédit prépayé, le dépensez, et rien ne se renouvelle. La suite de cet article vous donne la formule, une série d'exemples détaillés à ces deux taux, et un script court qui mesure votre propre trafic, afin que vous puissiez comparer les chiffres d'un autre fournisseur aux nôtres et voir la différence en dollars.

Une chose à régler d'abord : il ne s'agit pas de l'API officielle Mistral. C'est un service indépendant qui exécute un modèle à poids ouverts, ajusté pour répondre sans refus de contenu pour un usage adulte légal. Si vous avez besoin d'un modèle officiel spécifique de Mistral par son nom, ce n'est pas le bon produit et la comparaison ci-dessous ne changera rien.

Comment se construit une facture au token

Une API de modèle de langage compte le texte en tokens, qui sont des fragments de mots. Un mot anglais court est souvent un token, tandis qu'un mot long ou inhabituel en compte plusieurs. Vous payez deux flux : les tokens que vous envoyez (le prompt, incluant le message système et l'historique de la conversation) et les tokens que le modèle génère en retour (la complétion). Les tokens de sortie coûtent plus cher car leur génération demande plus de puissance de calcul que la lecture du prompt.

La formule est la même partout :

cout = input_tokens / 1 000 000 × input_rate + output_tokens / 1 000 000 × output_rate

Deux habitudes rendent les estimations plus précises. Premièrement, comptez l'intégralité du prompt à chaque appel. Une application de chat renvoie l'historique complet à chaque tour, donc le dixième message d'une conversation inclut les neuf premiers en entrée. Deuxièmement, rappelez-vous que la fenêtre de contexte est partagée : ici, elle est de 100 000 tokens pour le prompt et la complétion combinés, et une complétion peut utiliser tout l'espace libre laissé par le prompt.

Exemples détaillés à $0,15 et $0,50

Le tableau ci-dessous utilise les tarifs de cette API. Chaque ligne montre le calcul, afin que vous puissiez remplacer les tarifs par ceux d'un autre fournisseur et refaire le calcul.

Charge de travail	Tokens en / sortie	Calcul	Coût
Un tour de chat	2,000 / 500	0.0003 + 0.00025	$0.00055
10 000 tours de chat	20M / 5M	3.00 + 2.50	$5.50
Résumer un long document	50,000 / 1,000	0.0075 + 0.0005	$0.008
Remplir toute la fenêtre une fois	98,000 / 2,000	0.0147 + 0.001	$0.0157
Petite application, un mois	5M / 2M	0.75 + 1.00	$1.75
Application active, un mois	200M / 50M	30.00 + 25.00	$55.00

Regardez la troisième ligne. Lire un document de 50 000 tokens coûte moins d'un centime, car l'entrée est le côté bon marché. Le côté cher concerne les longues réponses. Une charge de travail qui génère beaucoup de texte, comme la fiction, le jeu de rôle ou la rédaction en masse, est dominée par le taux de $0,50 ; estimez donc soigneusement votre volume de sortie et regardez au-delà du nombre de prompts.

Transformer un budget en requêtes

Le rechargement minimum est de 20 $. À la taille de tour de conversation ci-dessus (0,00055 $ chacun), cela représente environ 36 000 tours. Les rechargements plus importants offrent un bonus : +5 % à partir de 50 $, +10 % à partir de 100 $ et +15 % à partir de 200 $. Ainsi, 50 $ achètent 52,50 $ de crédit, 100 $ achètent 110 $, et 200 $ achètent 230 $. Les rechargements sont possibles pour tout montant entier de 20 $ à 500 $.

Ce qu'il faut comparer au-delà du tarif affiché

Deux API au même taux par token peuvent coûter très différemment. Voici les points à vérifier sur n’importe quelle page tarifaire, y compris la nôtre.

• Le modèle pour lequel vous payez. Un taux moins élevé sur un modèle plus petit n'est pas une économie si vous devez relancer des réponses. Testez vos propres prompts sur chaque candidat.
• Les refus et les relances. Si un modèle refuse une requête légale et que vous devez reformuler et renvoyer, vous payez les tentatives supplémentaires sur la plupart des services. Ici, les requêtes échouées ou refusées ne sont pas facturées.
• Le modèle de facturation. Un crédit prépayé sans abonnement signifie qu'un mois d'inactivité ne coûte rien. Le crédit ici n'expire jamais.
• Crédit gratuit. Les niveaux gratuits sont destinés à essayer et sont généralement soumis à des limites de débit strictes. Consultez comment obtenir une clé API pour le crédit d'essai disponible ici, et vérifiez ce que Mistral propose actuellement de son côté.
• Les limites de débit. Un prix bas ne sert à rien si vous atteignez un plafond au lancement. Une clé complète ici permet 8 requêtes simultanées et 300 requêtes par minute ; une clé d'essai permet 2 et 60.
• La dépense minimum. Les services prépayés ont un plancher. Le nôtre est de $20.

Quand l'API propre de Mistral est le meilleur choix

Parfois, la bonne réponse est de rester chez le fournisseur. Choisissez Mistral directement si vous avez besoin de l'un de leurs modèles nommés pour une raison de politique ou de reproductibilité, si vous avez besoin de fonctionnalités que ce service n'offre pas comme les embeddings, l'entrée d'image ou le fine-tuning, ou si votre entreprise exige un contrat et des conditions de support avec le créateur du modèle. Cette API est uniquement en texte : complétions de chat et une liste de modèles, rien d'autre.

Choisissez un endpoint indépendant comme celui-ci lorsque les facteurs décisifs sont différents : vous voulez des réponses sans refus de contenu pour un usage adulte légal, vous préférez payer au token à partir d'un solde prépayé, ou vous avez déjà du code écrit contre le SDK OpenAI et voulez modifier deux paramètres au lieu de réécrire un client. La page sur l'API de style Mistral sans censure explique le côté modèle plus en détail.

Il existe également une limite dure à énoncer clairement : le service ne produit pas de contenu sexuel impliquant des mineurs, sous aucune forme, et aucun niveau de tarification ne change cela.

Mesurez votre propre trafic avant de décider

Les estimations issues d’un tableau ont leurs limites. La meilleure méthode consiste à envoyer une journée de prompts réels et à lire les comptes de tokens que l’API rapporte. Chaque réponse non-streaming inclut un objet usage, et les réponses en streaming rapportent l’utilisation à la fin. Le script ci-dessous additionne un lot et affiche la facture aux tarifs de cette API. Pour comparer, modifiez les deux constantes de taux selon les tarifs actuels de l’autre fournisseur.

Copyfrom openai import OpenAI

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

IN_RATE = 0.15   # dollars per 1M input tokens
OUT_RATE = 0.50  # dollars per 1M output tokens

prompts = [
    "Summarize the plot of Hamlet in five sentences.",
    "Write a product description for a steel water bottle.",
    "Explain what a mutex is to a new developer.",
]

tin = tout = 0
for p in prompts:
    r = client.chat.completions.create(
        model="uncensored",
        messages=[{"role": "user", "content": p}],
    )
    tin += r.usage.prompt_tokens
    tout += r.usage.completion_tokens

cost = tin / 1e6 * IN_RATE + tout / 1e6 * OUT_RATE
print(f"in={tin} out={tout} cost=${cost:.6f}")
print("per 1,000 requests: $%.4f" % (cost / len(prompts) * 1000))

Exécutez-le contre quelques centaines de prompts de vos vrais logs, pas trois jouets. Ensuite, multipliez par votre nombre de requêtes mensuelles. L'en-tête de réponse X-Balance-USD affiche également votre crédit restant après chaque appel, ce qui est un contrôle croisé pratique par rapport aux nombres que vous avez calculés. Les détails complets de la requête sont dans le quickstart, et la grille tarifaire actuelle est sur la page de tarification.

Trois budgets, trois types d'utilisateurs

Les taux abstraits sont difficiles à ressentir, voici donc trois profils réalistes, chacun calculé à $0,15 et $0,50 par 1M de tokens.

Le passionné

Une personne qui discute pendant une demi-heure par jour, environ 30 échanges avec 3 000 tokens d'entrée et 300 tokens de sortie chacun. Un échange coûte 0,00045 + 0,00015 = $0,0006. Trente échanges par jour pendant 30 jours font 900 échanges, soit $0,54 pour le mois. Le plus petit rechargement de $20 durerait des années à ce rythme, et comme le crédit n'expire jamais, ce n'est pas un problème.

Le bot de support

Une petite boutique répondant à 1 500 tickets par jour, chacun avec 1 200 tokens d'entrée (texte de politique plus le message du client) et 250 tokens de sortie. Un ticket coûte 0,00018 + 0,000125 = $0,000305. Une journée coûte $0,4575, et un mois de 30 jours s'élève à environ $13,73. Ici, le prompt système est le plus grand coût d'entrée, donc le raccourcir est rentable directement.

Le processeur par lots

Un pipeline qui étiquette 100 000 documents, chacun avec 2 000 tokens en entrée et 200 tokens en sortie. L'entrée est de 200M tokens, ce qui coûte 30,00 $. La sortie est de 20M tokens, ce qui coûte 10,00 $. Le travail complet coûte 40,00 $, et vous pouvez voir la facture avant de l'exécuter en multipliant un échantillon.

Ces profils montrent pourquoi la grille tarifaire seule ne suffit pas. L’amateur se soucie du rechargement minimum, le bot de support de la longueur du prompt, et le traitement par lots du débit de sortie et de la limite de concurrence. Une clé complète permet 8 requêtes simultanées, de sorte qu’un lot de 100 000 documents relève autant du débit que du prix.

Erreurs courantes lors de la comparaison des prix

• Comparer uniquement le taux d'entrée. De nombreuses applications dépensent la majeure partie de leur argent en sortie. Comparez toujours les deux colonnes.
• Ignorer la croissance de l'historique. Une conversation avec une longue mémoire renvoie les mêmes messages initiaux encore et encore. Réduisez ou résumez les anciennes tours si le coût est important.
• Oublier le prompt système. Un bloc d'instructions de 1 500 tokens est facturé en entrée sur chaque requête.
• Utiliser les tokens d'un tokenizer pour estimer un autre. Les modèles différents segmentent le texte différemment. Utilisez les comptes retournés par l'API, pas un comptage de mots multiplié par une estimation.
• Confondre une allocation gratuite avec la capacité de production. Un niveau gratuit répond à la question « est-ce que cela fonctionne ? ». Il répond rarement à « cela tiendra-t-il sous une vraie charge ? »

Plus de guides

• Mistral API Free Tier : Limites et une alternative prépayée
• Mistral API sans censure : Paiement par token