ఒక Reddit పోస్టు OpenAI Codex Pro చందా విలువను GPT-6 Sol వచ్చిన తర్వాత సగం చేసిందని వాదిస్తుంది. దాని పట్టికలో వారపు పరిమితిలో ఒక్కో శాతం కోసం సుమారు $13 API-సమాన వినియోగాన్ని అంచనా వేసింది; GPT-5.6 Solతో ఇది సుమారు $25గా ఉండేది.
ధర తగ్గిందని, వినియోగం దాదాపు మారలేదని రచయిత అంగీకరిస్తారు. టోకెన్ అనుమతి ఒకటే ఉండి రేట్లు సగమైతే API-సమాన విలువ కూడా సగమవుతుంది. చందాదారులకు తక్కువ టోకెన్లు లేదా పూర్తయిన పనులు అందుతున్నాయా అని తేల్చడానికి మరో కొలత అవసరం. పోస్టులోని సంఖ్యలు ఆ ప్రశ్నకు సమాధానం ఇవ్వవు.
పెద్ద మార్పు
- ఏం మారింది:స్థానిక Codex లాగ్లు టోకెన్లను చూపిస్తాయి. మూడో పక్ష సాధనాలు వాటిని API డాలర్లుగా మారుస్తాయి; OpenAI చందా మీటర్ మాత్రం వేరే పరిమితిని ఉపయోగిస్తుంది.
- ఇది ఎందుకు ముఖ్యం:చందా తీసుకునేవారు నెలవారీ రుసుముకు పూర్తయిన పనిని పోల్చాలి. API డాలర్ అంచనా తగ్గితే మంచి బేరం ఎలా కనిపిస్తుందో మారవచ్చు; నెలవారీ రుసుముకు తక్కువ పని వస్తుందో మాత్రం తెలియదు.
- ఏం గమనించాలి:మోడల్, వేగం, టోకెన్ల మిశ్రమం, cache వినియోగాన్ని పరిమితి తగ్గింపులతో అనుసంధానించే రికార్డులను ప్రొవైడర్లు అందిస్తున్నారా? అలాంటి రికార్డులు విడుదలల మధ్య చందా విలువను పోల్చడానికి, పరిమితి తగ్గింపులపై వివాదాలను పరిశీలించడానికి బృందాలకు సాయపడతాయి.
పరిమితి గురించిన ఊహ లేకుండానే 50% ఫలితం వస్తుంది
GPT-5.6 Solకు OpenAI ప్రస్తుత Standard, short-context API ధరలు ప్రతి మిలియన్ ఇన్పుట్ టోకెన్కు $4, అవుట్పుట్కు $20. GPT-6 Sol ధరలు వరుసగా $2, $10. ఇవి ప్రచురించిన API ధరలు; GPT-6 Sol మోడల్ పేజీ 272,000 ఇన్పుట్ టోకెన్లకు మించిన long-context ధరలను చూపిస్తుంది.
ప్రతి అభ్యర్థన short-context పరిమితిలో ఉండేలా విభజించిన, cache చేయని ఇన్పుట్లో ఒక మిలియన్, అవుట్పుట్లో ఒక మిలియన్ టోకెన్ల స్థిర పనిభారానికి:
మోడల్ | ఇన్పుట్ లెక్క | అవుట్పుట్ లెక్క | API-సమాన మొత్తం |
|---|---|---|---|
GPT-5.6 Sol | 1M × $4 | 1M × $20 | $24 |
GPT-6 Sol | 1M × $2 | 1M × $10 | $12 |
Standard వేగంలో OpenAI Codex క్రెడిట్ల పట్టిక అదే cache లేని ఇన్పుట్, అవుట్పుట్ మొత్తాలకు 600 వర్సెస్ 300 క్రెడిట్లు ఇస్తుంది. క్రెడిట్ ధరలే చందాలో కలిపిన వినియోగాన్ని నిర్ణయించవని పేజీ చెబుతుంది.
ధరను మాత్రమే తిరిగి లెక్కించడం ఈ నమూనాను సృష్టించగలదు. పోస్టులో ఖాతాకు సరిపోల్చిన ముందు/తర్వాత డేటాసెట్గా టోకెన్ మిశ్రమం, సెట్టింగ్లు లేవు; కాబట్టి ఆ ఫలితాన్ని మళ్లీ లెక్కించడం సాధ్యం కాదు.
ccusage ఏమి కొలుస్తుంది
ఈ ccusage Codex డాక్యుమెంటేషన్ Codex మద్దతు ప్రయోగాత్మకమని పేర్కొంటుంది. ccusage సాధనం స్థానిక సెషన్ ఫైళ్లలోని token_count ఈవెంట్లను చదివి, వాటిని turn_context లోని మోడల్ ఆధారంగా వర్గీకరించి, ఆపై ధరల డేటాసెట్ నుంచి మోడల్ ధరలను వర్తింపజేస్తుంది. దాని నివేదిక API-సమాన అంచనా మాత్రమే; ChatGPT క్రెడిట్ నిల్వతో అది వేరని డాక్యుమెంటేషన్ స్పష్టం చేస్తుంది.
ఖర్చు సూత్రం సాధారణ ఇన్పుట్, cache చేసిన ఇన్పుట్, అవుట్పుట్ను విడిగా లెక్కిస్తుంది. reasoning టోకెన్లు అవుట్పుట్ బిల్లింగ్లో ఉంటాయి. నమోదు చేసిన Standard లేదా Fast సేవా శ్రేణులూ అంచనాను మార్చవచ్చు. కాబట్టి ఒక్కో పరిమితి శాతానికి తక్కువ డాలర్ మొత్తం రెండు వేర్వేరు రికార్డుల కలయిక: స్థానికంగా ధర కట్టిన టోకెన్లు, OpenAI చందా పరిమితిలో కదలిక.
cache హిట్లు, సందర్భ పొడవు టోకెన్ ఖర్చును ఎందుకు మారుస్తాయో మరింత వివరానికి BIG CHANGE GPT-6 prompt caching మార్గదర్శకం చూడండి. మా GPT-6, Claude ధరల పోలిక API ధర మార్పును విస్తృత మోడల్ మార్కెట్తో పోలుస్తుంది. ఈ రెండు కథనాలూ చందా పరిమితులపై ఆధారాలు ఇవ్వవు.
OpenAI చందాలో చేర్చిన వినియోగం గురించి ప్రచురించిన సమాచారం
Pro 20xలో GPT-6 Solను ప్రతి ఐదు గంటలకు 300–3,000 సార్లు స్థానికంగా ఉపయోగించవచ్చని OpenAI అంచనా వేస్తుంది; GPT-5.6 Solకు 200–2,000గా పేర్కొంటుంది. వారపు పరిమితులు వర్తించవచ్చు; వారానికి టోకెన్ గరిష్ఠాన్ని పేజీ ఇవ్వలేదు. ఈ మారగల అంచనాలు మోడల్, సందర్భం, reasoning, సాధనాలు, retrieval, cachingపై ఆధారపడి ఉంటాయి. Reddit ఖాతాకు ముందు/తర్వాత ఉన్న అనుమతిని అవి నిర్ధారించవు.
సెప్టెంబర్ 22న వచ్చిన Codex మార్పుల చిట్టా ధరలు తగ్గిన GPT-6 Sol, Lunaలను ప్రకటిస్తుంది. చందాలోని వినియోగం తగ్గిందని ప్రకటించలేదు.
వాదనను తేల్చగల ఆధారాలు
మూడు కొలతలు వేర్వేరు ప్రశ్నలకు సమాధానం ఇస్తాయి:
ప్రశ్న | కనీసం అవసరమైన రికార్డు |
|---|---|
API-సమాన విలువ తగ్గిందా? | అదే టోకెన్ సంఖ్యలను ప్రతి మోడల్ ప్రచురించిన ధరతో గుణించాలి. సమాధానం ఇప్పటికే అవును. |
GPT-6 Sol మీటర్ను వేరుగా వినియోగిస్తుందా? | అదే ఖాతా, ప్రణాళికలో, reasoning, వేగం స్థిరంగా ఉంచిన సరిపోల్చిన పనులు; నమోదు చేసిన ఇన్పుట్/cached/అవుట్పుట్ టోకెన్లు; పునరావృత పరీక్షల్లో ముందు, తర్వాత డాష్బోర్డ్ శాతాలు. |
ప్రణాళిక పరిమితినే తగ్గించారా? | అదే మోడల్, సెట్టింగ్లు, పనిభారంతో, చెప్పిన మార్పుకు ముందు మరియు తర్వాత, పోల్చదగిన రీసెట్ కాలాల్లో కొలవాలి. |
సాధనాల కాల్స్, retrieval, సందర్భం పెరుగుదల, cache స్థితిని నమోదు చేయాలి; ఇవి వినియోగాన్ని మారుస్తాయి. ఒకే పనిని చేసే రెండు ఏజెంట్ పరుగులు వేర్వేరు మార్గాలు తీసుకోవచ్చు, కాబట్టి పునరావృత కొలత ముఖ్యం.
API-సమాన విలువ తగ్గిందన్న నివేదిక ధర మార్పుతో సరిపోతుంది. చందా తక్కువ పనిని అందిస్తుందా అనేది ఇంకా తేలలేదు. టోకెన్లు, పని ఫలితాలు, మీటర్ మార్పును కలిపిన సరిపోల్చిన రికార్డు ఆ ప్రశ్నకు సమాధానం ఇస్తుంది; లెక్క ఒక్కటే పరిమితి తగ్గిందని నిర్ధారించదు లేదా మీటరింగ్ సమస్య లేదని తోసిపుచ్చదు.



