Calculate how much you’re paying to use the OpenAI GPT API(openai key price)
I. OpenAI API定价概述
OpenAI API的定价模式包括ChatGPT Plus定阅和OpenAI API定价版本，以满足用户的区别需求。
A. ChatGPT Plus定阅
ChatGPT Plus定阅的月费为$20，覆盖使用chat.openai.com的范围。
B. OpenAI API定价版本
OpenAI API提供了四个区别的定价版本，价格从$0到$0.06不等。
II. OpenAI API的定价方式
A. 根据单词数量计费
根据单词数量计费是OpenAI API的一种定价方式。下面是各个模型的定价和提供字数的示例：
-
Davinci模型
Davinci模型每个月费用为$40，可提供约150万字。它提供最高质量的语言生成，每一个单词的价格较高。
-
Curie模型
Curie模型每个月费用为$4，可提供约150万字。它提供高质量的语言生成，每一个单词的价格相对较低。
-
Babbage模型
Babbage模型每个月费用为$1，可提供约150万字。它提供较低质量的语言生成，每一个单词的价格较低。
-
Ada模型
Ada模型每个月费用为$0.80，可提供约150万字。它提供最低质量的语言生成，每一个单词的价格最低。
-
DaVinci模型的费用按每1000个标记计费
对最早进的DaVinci模型，每1000个标记的费率为$0.02。该模型每1000个标记可提供约750个单词。
B. 根据标记数量计费
另外一种定价方式是根据标记数量计费，费用会根据模型的定价进行调剂。
-
DaVinci模型
根据标记数量计费，DaVinci模型的每1000个标记费率为$0.002，约可提供750个单词。
-
其他模型
费用根据各个模型的定价进行调剂。
III. OpenAI API价格计算示例
A. 根据标记数量计费示例
-
对一次包括150个标记的要求，费用为$0.03。
-
对一次包括500个标记的要求，费用为$0.1。
B. 根据单词数量计费示例
-
使用Davinci模型提供约150万字的语言生成，费用为$40。
-
使用Curie模型提供约100万字的语言生成，费用为$4。
IV. OpenAI API价格的吸引力
A. 相对较低的价格
OpenAI API的定价相对较低，吸引了众多开发者的选择。
-
ChatGPT Plus定阅每个月费用只需$20。
-
区别模型提供区别价格选择，根据单词数量计费模式下，可以根据预算选择区别的模型。
B. 灵活的定价选项
OpenAI API提供了灵活的定价选项，让用户可以根据实际需求选择合适自己的定价版本。
-
用户可以根据实际需求选择区别的定价版本，如根据单词数量计费或标记数量计费。
-
根据使用情况，用户可以选择最合适的定价模式，以到达最好性价比。
总结
OpenAI API提供了灵活的定价选项，用户可以根据实际需求选择合适自己的定价版本。不论是根据单词数量或者标记数量计费，OpenAI API的价格相对较低，使其成为开发者们最具吸引力的选择之一。同时，OpenAI API的价格计算方式清晰明确，用户可以根据自己的需求进行预估和优化本钱。
openai key price的进一步展开说明
怎样使用Python详细记录所有OpenAI API费用
ChatGPT是OpenAI的GPT API上构建的会话引擎，你们中的大多数人可能已听说过它。该API在2023年对公众开放，并且现在愈来愈多的Web利用程序正在使用该API来为特定客户需求提供服务。
如果你每天都在使用OpenAI API，那末了解每一个文本生成要求（也就是API调用）的费用非常重要。
OpenAI的定价模型是基于处理的记号数量。OpenAI依照每1,000个记号的速度对提示和输出的文本进行计费，对最早进的DaVinci模型，每1,000个记号的费用是0.02美元（1,000个记号大约相当于750个单词）。
因此，如果你的提示由150个记号组成，答案由850个记号组成，你将支付0.02美元。
使用Python如何详细记录所有API费用
你的OPENAI账户中的USAGE页面显示每天和每一个10分钟时间段的费用。
你可能希望更准确地查看API支出，以每一个调用或每一个脚本运行动单位。
我将向你展现怎样在使用Python与OpenAI API交互时实现这一点。
假定我想要向GPT⑶提出一个基于一些信息的房地产描写。
下面是Python函数的代码，后面是调用该函数（问题），传递两个变量（prompt、facts）。
你会注意到，我在函数中插入了一个print（response）命令，打印出第二个代码框中所显现的JSON响应。这有助于我找出如何访问JSON响应的区别部份。固然，你可以将此命令注释掉，以便后续运行。
def question(prompt, info):
openai.api_key = "your api key"
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("Write a 100-word real estate presentation based on those facts", "3 bedrooms, swimming pool, large garden, $1 million")下面是OpenAI API返回的JSON响应。我们将关注“text”和“total_tokens”。
{
"choices": [
{
"finish_reason": "stop",
"index": 0,
"logprobs": null,
"text": "
This stunning 3-bedroom property is the perfect place to call home, with its large garden and swimming pool. Located in a desirable area, it offers an ideal lifestyle with plenty of space for the whole family.
The home features a spacious kitchen and living area, complete with modern appliances. It also boasts a huge garden which is perfect for entertaining friends and family. The large swimming pool is a great place to cool off in the summer months.
For those looking for a luxurious lifestyle, this property is perfect. With a price tag of $1 million, you can rest assured that you are getting your money's worth. This is an opportunity not to be missed."
}
],
"created": 1676208247,
"id": "xxxxxxxxxxxxxxx",
"model": "text-davinci-003",
"object": "text_completion",
"usage": {
"completion_tokens": 138,
"prompt_tokens": 24,
"total_tokens": 162
}
}在上面的第一个代码框中，你会看到我怎么以以下方式访问文本回复：
answer = response["choices"][0]["text"]
#如果我打印出答案
print(answer)
#我会得到下面的原始文本回复
这个使人惊叹的三居室房产是个完善的家，它有一个大花园和游泳池。位于理想的区域，提供了一个理想的生活方式，有足够的空间供全家使用。
这个家配有宽阔的厨房和起居区，配有现代化的装备。它还具有一个巨大的花园，非常合适接待朋友和家人。大型游泳池是夏天消暑的好地方。
对那些寻求豪华生活方式的人来讲，这个物业非常完善。以100万美元的价格标签，你可以放心肠得到物有所值。这是一个不容错过的机会。
我以类似的方式访问了标记计数：
usage = response["usage"]["total_tokens"]
#我可以打印出使用情况
print(usage)
#这个例子中给出了162现在我有了标记的使用情况，可使用一个基本的公式来计算费用。
请记住，我将整数使用浮点数转换为计算包括小数的美元金额（大多数调用的本钱远低于一美元）。
cost = float(usage)/1000*0.02
print(cost)
如果你在同一Python脚本中屡次调用OpenAI API，例如在一个FOR LOOP中，你应当在FOR LOOP之前初始化一个使用变量，并在每次迭代时按记号数量增加使用计数。
例如，假定我们有一个要总结的长段落列表。
usage = 0
list = ["long paragraph 1", "long paragraph 2", "long paragraph 3"]
for item in list:
prompt = "Summarize the following text. TEXT: "
info = item
#首先我调用上述描写的函数，传递“prompt”和“info”
reply = question(prompt, info)
#现在我正在访问由我的函数返回的2个元素，使用索引（0 = 第一个元素，1 = 第二个元素）
reply_text = reply[0]
reply_usage = reply[1]
#最后，我增加使用计数
usage += reply_usage
#最后一步，在FOR LOOP以后，我根据更新后的使用情况计算费用（对我所有的迭代）。
cost = float(usage)/1000*0.02
print(cost)如果你对OpenAI API有任何其他问题，请随时与我联系。
openai key price的常见问答Q&A
问题1：OpenAI API的定价模型是甚么？
答案：OpenAI API的定价模型是基于令牌(token)的计费模式，和每1000个令牌或大约750个单词为单位计费。以下是一些相关信息：
- 对最早进的DaVinci模型，每1000个令牌的费用为0.02美元。
- 聊天型GPT（ChatGPT）API每1000个令牌的费用为0.002美元（约合750个单词）。
- 根据查询的长度和使用率区别，定价会有所区别。但通常来讲，使用OpenAI API的本钱较低。
问题2：OpenAI API的定价计算器有哪几种功能？
答案：OpenAI API的定价计算器提供了多种功能，主要包括以下内容：
- 输入区别的参数，如令牌数量、单词数量，可以计算相应的费用。
- 根据定价模型和区别的API版本，可以比较区别选项的定价。
- 通过定价计算器，用户可以对其使用OpenAI API的本钱进行预估和优化。
问题3：OpenAI API的区别定价版本有哪几种？
答案：OpenAI API有4个区别的定价版本，价格范围从0美元到0.06美元不等。以下是一些相关信息：
- 区别的定价版本提供了区别的功能和资源，用户可以根据自己的需求选择合适的版本。
- 区别的定价版本可能具有区别的性能和响应速度，用户可以根据自己的需求和预算进行选择。
- 详细的定价信息和产品介绍可以在OpenAI的官方网站上找到。
