Solar Pro 4 fiyatları: promosyon, cache ve standart tarife

28 Ağustos 2026 itibarıyla iki fiyat dönemi

Solar Pro 4 kampanya fiyatı, 1 milyon token başına girişte $0.03, cache okumasında $0.006 ve çıktıda $0.12. Kampanya 10 Eylül 2026, 23:59 UTC’ye kadar duyurulmuş durumda; sonraki dönem için standart tarifeyle bütçe hazırlamak gerekiyor.

28 Ağustos kontrolünde Upstage fiyat sayfası standart rakamları, resmî lansman duyurusu ise %90 indirimi ve son günü gösteriyor. LLMTR kataloğunun geçiş anı 2026-09-11T00:00:00.000Z; Türkiye saatiyle 11 Eylül 03:00. Aşağıdaki fiyatlar bu iki pencereyi ayırır.

Cache tokenları toplam girdinin içindedir

Hesapta P toplam giriş tokenı, C bunun cache’ten okunan bölümü, O toplam çıktı tokenı olsun. Normal giriş tarifesi P − C tokena uygulanır. Önce P’nin tamamını giriş fiyatından ücretlendirip ardından C’yi eklemek, aynı tokenları iki kez sayar.

Formül: maliyet = ((P − C) × giriş fiyatı + C × cache fiyatı + O × çıktı fiyatı) / 1.000.000. İndirim yalnızca gerçekten cache okuması olarak raporlanan bölüme uygulanır. Aynı metni göndermek, her isteğin tamamının indirimli olacağı anlamına gelmez.

Tekrarlanan sabit talimatları ve ortak belgeleri istemin başında tutmak yararlı bir tasarım tercihidir. Ancak bütçede cache isabetini garanti kabul etmeyin; gerçek kullanım sayaçlarıyla ölçün.

100.000 giriş tokenı için hesap örneği

Örnek bir işte 100.000 giriş tokenının 80.000’i cache’ten okunsun, 20.000’i yeni giriş olsun ve toplam çıktı 5.000 token olsun. Bunlar hesap öğretmek için seçilmiş varsayımlardır; canlı model ölçümü veya fatura değildir.

Kampanya hesabı 0.02 × 0.03 + 0.08 × 0.006 + 0.005 × 0.12 = $0.00168 olur. Standart tarifede aynı token dağılımı $0.0168 tutar. İş yükü değişmezse 10.000 böyle işin model tüketimi sırasıyla $16.80 ve $168 olur.

Cache isabeti hiç yoksa aynı giriş ve çıktı miktarı standart tarifede $0.036 tutar. Bütçeye bu senaryoyu da eklemek, beklenen indirim gerçekleşmediğinde oluşabilecek farkı görünür kılar.

Reasoning ve yeniden denemeleri hesaba katın

LLMTR’nin 11 Ağustos 2026 tarihli Upstage kaydında reasoning tokenları completion_tokens toplamının içindedir ve çıktı tarifesinden hesaplanır. Bu toplamı kullandıysanız reasoning_tokens değerini ayrıca eklemeyin. Kullanıcıya görünen kısa yanıt, tek başına toplam çıktı tüketimini göstermez.

Upstage duyurusu varsayılan reasoning davranışını LLMTR’nin o tarihli ölçümünden farklı anlatıyor. Bu yazı yeni bir canlı test yapmıyor; aşağıdaki örnek varsayılana güvenmemek için reasoning_effort değerini açıkça none seçiyor.

Bir görevin bütçesine tüm model turlarını ve yeniden denemelerini ekleyin. Farklı effort ayarlarını değerlendirirken yalnız token tutarını değil, tamamlanan iş sayısını ve gerekli insan kontrolünü de karşılaştırın.

Kullanımı içerik kaydetmeden izleyin

LLMTR kaydında cache sayacı prompt_tokens_details.cached_tokens alanından okunuyor. Aşağıdaki Python örneği kullanım sayaçlarını gösterir; istemi veya model yanıtını loglamaz. Eksik bir sayaç null görünür: bunu doğrulanmış sıfır tüketim gibi yorumlamayın.

LLMTR_BASE_URL değerini /v1 kısmını da içeren tam API kökü olarak ayarlayın; örnek ikinci bir /v1 eklemez. LLMTR_API_KEY ortam değişkeninden okunur. Bu bir LLMTR çağrısıdır; doğrudan Upstage anahtarı ve model kimliğiyle karıştırmayın. Örnek burada çalıştırılmadı; çalıştırmanız ücretli kullanım oluşturabilir.

Yalnız token sayaçlarını yazdıran LLMTR kullanım örneği.

import json
import os
from urllib.request import Request, urlopen

payload = {
    "model": "upstage/solar-pro4",
    "messages": [{"role": "user", "content": "Summarize: A cache reuses previous work."}],
    "reasoning_effort": "none",
    "max_tokens": 256,
}
request = Request(
    os.environ["LLMTR_BASE_URL"].rstrip("/") + "/chat/completions",
    data=json.dumps(payload).encode("utf-8"),
    headers={
        "Authorization": "Bearer " + os.environ["LLMTR_API_KEY"],
        "Content-Type": "application/json",
    },
)
with urlopen(request, timeout=60) as response:
    result = json.load(response)

usage = result.get("usage")
if not isinstance(usage, dict):
    raise RuntimeError("Usage missing; do not estimate billing.")
prompt_details = usage.get("prompt_tokens_details") or {}
completion_details = usage.get("completion_tokens_details") or {}
print(json.dumps({
    "prompt_tokens": usage.get("prompt_tokens"),
    "cached_tokens": prompt_details.get("cached_tokens"),
    "completion_tokens": usage.get("completion_tokens"),
    "reasoning_tokens": completion_details.get("reasoning_tokens"),
}))

Kredi yükleme marjını model tüketiminden ayırın

LLMTR’nin %8 platform marjı kredi yükleme aşamasındadır; tablodaki model token fiyatlarına eklenmez. Örneğin $10 kredi için marj hesabı $0.80 olur. Bu ayrımı muhasebeleştirirken model tüketimi ile kredi satın alma maliyetini ayrı tutun. Yukarıdaki örnekler vergi veya kur dönüşümü hesabı içermez.

Eylül bütçesini iki döneme bölün. Kampanya sonrası kullanım için standart tarifeyi, belirsiz cache oranı için isabetsiz senaryoyu saklayın. Küçük istek tutarlarını erkenden yuvarlamak yerine önce toplam tüketimi hesaplayın; ödeme ve fatura mutabakatını ilgili kullanım kayıtlarıyla yapın.

Sık sorulan sorular

Solar Pro 4 kampanyası ücretsiz kullanım mı?

Hayır. Bu, süreli fiyat indirimidir. Cache dışı giriş, cache okuması ve çıktı ayrı ücretli kalemlerdir; ücretsiz veya sınırsız kullanım sözü vermez.

Cache her istekte indirim sağlar mı?

Garanti değildir. Bütçeyi tekrar sayısına göre değil, yanıtta raporlanan cache okuma tokenlarına göre kontrol edin. Sayaç yoksa isabet oranını doğrulanmış saymayın.

Önceden kredi yüklemek kampanya fiyatını korur mu?

Kredi yükleme, modelin tarihli tarife penceresini değiştirmez. Gelecek kullanım için o dönemin geçerli fiyatını esas alın; kampanya bütçesini standart dönem boyunca uzatmayın.

İlgili yazılar

• Solar Pro 4 nedir? Metin ve ajan işleri için kullanım rehberi

• upstage/solar-pro4
• Model kataloğu
• Gateway dokümantasyonu
• OpenAI / OpenRouter