Calculate how much you’re paying to use the OpenAI GPT API(openai key cost)
I. OpenAI API的费用和定价方式
A. ChatGPT Plus 定阅费用为每个月20美元，仅适用于chat.openai.com。Playground使用会不会计入配额？
- ChatGPT Plus定阅仅涵盖chat.openai.com使用，每个月费用为20美元。
- 尚不清楚Playground使用会不会计入ChatGPT Plus定阅的配额。
B. OpenAI API订价根据tokens计算，费用分为建议和输出文本的部份。
- 付费模型（如DaVinci）每1,000个tokens的费用为0.02美元。
- GPT⑶.5-turbo依照0.002美元/1K tokens的价格计费。
C. OpenAI API定价版本及费用范围
- OpenAI API有4个定价版本，价格范围从0美元到0.06美元。
- 详细了解各个定价版本，并在此处获得有关该产品的更多信息，以肯定合适您的需求。
根据OpenAI API的费用和定价方式，ChatGPT Plus定阅的费用为20美元/月，并且仅适用于chat.openai.com。对OpenAI API的计费方式，根据tokens计算，费用包括建议和输出文本的部份。付费模型的费用为0.02美元/1,000个tokens，而GPT⑶.5-turbo的费用为0.002美元/1K tokens。OpenAI API共有4个定价版本，价格范围从0美元到0.06美元。建议您详细了解各个定价版本，并在选择时斟酌到您的具体需求。
II. OpenAI API费用计算示例
A. 基于tokens的计费方式
- 最早进的DaVinci模型每1,000个tokens的费用为0.02美元。
- 对GPT⑷等具有32k上下文长度的模型，建议部份使用0.03美元/1K tokens，采样部份使用0.06美元/1K tokens。
B. 基于字数的计费方式
- 大约750个单词（约为1,000个tokens）的prompt和输出文本的费用为0.002美元。
- 根据字数大致估算，使用DaVinci模型生成约150个单词的prompt的费用为0.003美元。
以OpenAI API的费用计算为例，基于tokens的计费方式以下：最早进的DaVinci模型每1,000个tokens的费用为0.02美元。对具有32k上下文长度的模型，建议部份的费用为0.03美元/1K tokens，采样部份的费用为0.06美元/1K tokens。基于字数的计费方式大约为750个单词（约为1,000个tokens）的prompt和输出文本的费用为0.002美元，使用DaVinci模型生成约150个单词的prompt的费用为0.003美元。
III. OpenAI API密钥费用优惠和限额说明
A. 新用户可以避不要钱创建OpenAI API密钥，取得18美元的不要钱额度。
- 不要钱额度仅适用于新用户，不包括现有用户。
- 不要钱额度为18美元，可用于API使用，但仅在一定时间范围内有效。
B. 推荐使用OpenAI API的不要钱额度来进行测试和评估，以了解其会不会符合您的需求。
对OpenAI API密钥的费用优惠和限额说明，新用户可以避不要钱创建OpenAI API密钥，并取得18美元的不要钱额度。这个不要钱额度仅适用于新用户，不包括现有用户。不要钱额度可用于API使用，但仅在一定时间范围内有效。建议使用这个不要钱额度来进行测试和评估，以了解OpenAI API会不会符合您的需求。
openai key cost的进一步展开说明
## 怎样使用Python记录OpenAI API费用的详细信息
### 介绍
在2023年，OpenAI推出了建立在GPT API之上的ChatGPT，这是一个用于生成对话的引擎。OpenAI API已开放给公众使用，并且愈来愈多的网络利用程序在其基础上提供了特定的客户需求服务。
如果您每天都在使用OpenAI API，那末了解每一个文本生成要求的费用非常重要，也就是每一个API调用的费用。
OpenAI的定价模型是基于处理的标记数量。OpenAI对提示和输出文本的标记都收费，最早进的DaVinci模型的费率为每1,000个标记0.02美元（1,000个标记大约相当于750个单词）。
因此，如果您的提示包括150个标记，答案包括850个标记，您需要支付0.02美元。
### 使用Python记录所有API费用的详细信息
您的OpenAI账户的USAGE页面显示每天和每10分钟的费用。
如果您希望更详细地了解API的开支，例如每一个调用或每一个脚本运行的费用，可使用Python与OpenAI API进行交互。
假定我想让GPT⑶根据一些信息生成一个房地产描写。
下面是Python函数的代码示例，后面是对函数的调用（问题），传递了两个变量（prompt和facts）。
您会注意到，我在函数中插入了一个print（response）命令，以打印出JSON响应，该响应以第二个代码框架中的情势显现。这有助于我找出如何访问JSON响应的区别部份。固然，您可以在以后的运行中注释掉此命令。
“`python
def question(prompt, info):
import openai
openai.api_key = “您的API密钥”
response = openai.Completion.create(
model=”text-davinci-003″,
prompt=f”{prompt} {info}”,
temperature=0.7,
max_tokens=250,
top_p=1,
frequency_penalty=0,
presence_penalty=0
)
print(response)
answer = response[“choices”][0][“text”]
usage = response[“usage”][“total_tokens”]
return answer, usage
question(“根据以下事实，写一个100字的房地产介绍”, “3个卧室，游泳池，大花园，100万美元”)
“`
这是OpenAI API返回的JSON响应。我们将关注“text”和“total_tokens”这两个字段。
“`json
{
“choices”: [
{
“finish_reason”: “stop”,
“index”: 0,
“logprobs”: null,
“text”: “……（省去部份内容）”
}
],
“created”: 1676208247,
“id”: “xxxxxxxxxxxxxxx”,
“model”: “text-davinci-003”,
“object”: “text_completion”,
“usage”: {
“completion_tokens”: 138,
“prompt_tokens”: 24,
“total_tokens”: 162
}
}
“`
在上面的第一段中，您可以看到我通过以下方式访问了文本回复：
“`python
answer = response[“choices”][0][“text”]
# 如果我打印答案
print(answer)
# 我将取得下面的原始文本回复
这是一个使人惊叹的3卧室房产，配有大花园和游泳池。位于一个理想的地区，它提供了一个理想的生活方式，为全部家庭提供了足够的空间。
家里有一个宽阔的厨房和生活区，配备了现代化的装备。它还具有一个巨大的园林，非常合适接待朋友和家人。宽阔的游泳池是夏季消暑的好去处。
对那些寻求奢华生活方式的人来讲，这个物业是完善的选择。以100万美元的价格，您可以放心肠得到物有所值。这是一个不容错过的机会。
“`
我通过类似的方式访问了标记计数：
“`python
usage = response[“usage”][“total_tokens”]
# 我可以打印出用量
print(usage)
# 对这个例子，结果是162
“`
现在，我有了标记用量（usage），可使用一个基本的公式计算价格。
