Ollama API料金：ローカルコストとトークン課金

「Ollama API料金」の実際の意味

検索ボックスにollama api pricingと入力する人は、多くの場合レートカードを探しています。ローカルソフトウェアにはそのようなものは存在しません。Ollamaはオープンウェイトモデルを自分のコンピュータ上で実行し、ローカルHTTP API経由で提供するためのプログラムです。トークンをカウントしたり、それに対して請求書を送ったりしません。Ollamaは独自のホストオプションも提供しています。それらについては、本記事がそれらを代表するわけではないため、現在の料金ページをご確認ください。

それによってローカル推論が無料になるわけではありません。コストはトークンごとの料金から、すでに支払っているものや購入が必要なもの（十分なメモリを持つマシン、電気、セットアップと更新のためのあなたの時間、GPUが使用中であることによる機会費用）へと移ります。有用な質問は「価格はいくらですか」ではなく「私のボリュームでは、どの構成がより安くて十分に機能するか」です。この記事の残りの部分では、ホスト側の数字を提供し、それに応じて回答できるようにします。

Ollamaを自分で実行するコスト

ローカルの側には帳簿の4つの項目があります。

• ハードウェア。 大きなモデルにはより多くのGPUメモリまたは大量のシステムRAMが必要です。適切なマシンをすでに所有している場合、このコストは埋没コストとなります。購入またはレンタルする必要がある場合は、これが最大の項目になります。
• 電力。 マシンの消費電力（キロワット）を使用時間と電気料率を掛けます。負荷時のデスクトップGPUはアイドル時よりもはるかに多くの電力を消費するため、ビジーな時間のみをカウントするのが公平です。
• アイドル容量。 1日の大部分が未使用であるサーバーでも存在する必要があります。トークン課金は呼び出すときのみ課金されます。
• あなたの時間。 モデルのプル、ランタイムの更新、メモリの監視、クラッシュ後の再起動。

一般的な数値を信じるのではなく、自分の数値を測定してください。ワークロードが実際に使用するトークンを1週間ログに記録してください。その1つの測定は、ホストの代替品を正確に価格設定するために必要なものです。

ホストの料金と計算

このサイトのホストAPIは2つのメーターを請求します。入力トークン（プロンプト、再送信されたチャット履歴を含む）は1Mあたり$0.15です。出力トークン（補完）は1Mあたり$0.50です。サブスクリプションはありません。クレジットを追加し、リクエストごとに引き落とされます。失敗または拒否されたリクエストには課金されず、クレジットは期限切れになりません。

計算式はシンプルです：

cost = input_tokens x 0.15 / 1,000,000 + output_tokens x 0.50 / 1,000,000

以下に、計算済みの一般的な利用パターンを示します。

タスク	入力トークン	出力トークン	コスト
チャットリプライ1回	2,000	500	$0.0003 + $0.00025 = $0.00055
1,000のそのような返信	2,000,000	500,000	$0.30 + $0.25 = $0.55
長文ドキュメントの要約	50,000	1,000	$0.0075 + $0.0005 = $0.008
コンテキストウィンドウを埋める	100,000	4,000	$0.015 + $0.002 = $0.017
10,000件のリクエストのバッチ	8,000,000	3,000,000	$1.20 + $1.50 = $2.70

バッチ行は、リクエストあたり800の入力トークンと300の出力トークンを仮定しています。出力はトークンあたり高価なメーターですが、入力は通常カウントを支配するため、長いプロンプトと長いチャット履歴にお金がかかります。

ターンごとに長くなるチャット

チャットAPIはステートレスなので、各ターンで履歴全体が再送信されます。これにより、コストはターンの数よりも速く増加します。各ユーザーメッセージが150トークン、各返信が250トークンで、各ターンが履歴に400トークンを追加する20ターンの会話を考えてみましょう。

1. ターン1は150の入力トークンを送信します。ターン2は150 + 400 = 550を送信します。ターンkは150 + 400 x (k - 1)を送信します。
2. 20ターン全体で、入力の合計は150 x 20 + 400 x (0 + 1 + ... + 19) = 3,000 + 400 x 190 = 79,000トークンです。
3. 出力の合計は20 x 250 = 5,000トークンです。
4. コスト：79,000 x 0.15 / 1M = $0.01185、プラス5,000 x 0.50 / 1M = $0.0025、合計$0.01435です。

長い会話で約1.5セント。会話を40ターンに倍増させると、履歴が成長し続けるため、入力は約4倍になります。チャットアプリでコストを制御する主な方法は、古いターンをトリミングまたは要約することです。

クレジット、ボーナス、トライアル

$20から$500までの任意の整数額でチャージできます。大口チャージにはボーナスがあります：$50で+5%、$100で+10%、$200で+15%。実際には次のようになります：

• $50で$52.50のクレジットが購入できます。
• $100で$110.00のクレジットが購入できます。
• $200で$230.00のクレジットが購入できます。

支払いにはカード（Visa、Mastercard、Apple Pay、Google Pay）または暗号資産（TRC20上のUSDT、Base上のUSDC）が使用されます。価格ページには現在の詳細が記載されています。

新規ユーザーは支払う前にテストできます。Googleまたはメールとパスワードでログインすると、APIキーページに$0.50の無料トライアルクレジットを請求するボタンがあります。1人1回、7日間有効、カード不要です。上記の2,000入力、500出力の返信サイズでは、$0.50は約900回の返信をカバーでき、出力がプロジェクトに適しているかどうかを判断するのに十分です。トライアルキーは2つの同時リクエストと1分あたり60件のリクエストに制限されています。APIキーを取得するには数分かかります。

あなたのボリュームで2つを比較する

ログに記録したトークンカウントを使用し、1か月の合計を計算してください。プロジェクトが月あたり50Mの入力トークンと10Mの出力トークンを使用するとします。ホストコスト：50 x $0.15 = $7.50、プラス10 x $0.50 = $5.00、合計$12.50。次に、ローカルの数値を並べてください：それ以外では所有しないハードウェアの月次シェア、ビジーな時間の電力、メンテナンス時間の価値。合計が$12.50を明らかに上回る場合、ホスティングがコストで勝ります。すでにモデルを適切に処理するアイドルハードウェアを所有している場合、ローカルがコストで勝ちます。

コストは唯一の軸ではありません。ローカルはデータをマシンに保持し、オフラインで動作します。ホストはGPUの必要性を除去し、100,000トークンのコンテキストウィンドウを提供し、複数のサービスが1つのバックエンドを共有できるようにします。ホストモデルは、法的な成人用途に対してコンテンツ拒否なしで応答するように調整された単一のオープンウェイトモデルです。したがって、そのモデルがあなたのタスクに適合するかどうかにも依存します。プロンプトはトレーニングに使用されません。

正直な制限の1つ：無料の無制限プランはありません。$0.50のトライアル後、前払いクレジットからトークンごとに課金されます。あなたの仕事に無料の無制限呼び出しが必要で、ハードウェアを所有している場合、ローカルのOllamaが適切なツールです。

比較を歪める間違い

人々がLLMワークロードを価格設定する際に、いくつかのエラーが繰り返し現れ、それぞれが答えをひっくり返す可能性があります。

• 出力トークンを忘れる。 短いプロンプトと長い回答は主に出力請求です。300トークンの質問が3,000トークンのストーリーを生成する場合、300 x $0.15 / 1M + 3,000 x $0.50 / 1M = $0.000045 + $0.0015 = $0.001545かかります。
• 再送信される履歴の無視 20ターン例が示すように、チャットの費用は最新のメッセージの長さではなく、蓄積されたコンテキストに比例して増加します。
• トークンではなく単語をカウントする。 英語のテキストは通常、単語よりもやや多くのトークンを必要とし、コードや非ラテン文字はさらに多く必要とします。各レスポンスと一緒に返される使用数値を読み取り、推定値ではなくそれらを使用してください。
• ハードウェアのコストをゼロにすること。すでに所有しているGPUも、小切手を書かなくても消耗し、電力を消費し続けます。
• 異なるモデルを比較する。 小さなローカルモデルと大きなホストモデルは同じ品質を生成しません。トークンあたりが安価でも、多くのリトライが必要な場合は、良い回答あたりのコストが安価ではないかもしれません。

最後の点は意見ではなくテストに値します。プロジェクトから20の実際のプロンプトを取り、両方のセットアップで実行し、回答を判断してください。その後、実際のボリュームで勝者を価格設定してください。

支出を監視する

ホストAPIからのすべてのレスポンスには、残りのクレジットを示すX-Balance-USDヘッダーと、サポート問い合わせ用のX-Request-Idが含まれています。残高が尽きる前にコードでこれを読み取り、アラートを設定できます。

Copyimport requests

r = requests.post(
    "https://api.ollamaapi.cc/v1/chat/completions",
    headers={"Authorization": "Bearer YOUR_API_KEY"},
    json={
        "model": "uncensored",
        "messages": [{"role": "user", "content": "Say hello."}],
        "max_tokens": 20,
    },
    timeout=60,
)
print(r.json()["choices"][0]["message"]["content"])
print("Balance:", r.headers.get("X-Balance-USD"))

補完がウィンドウの残りを消費する可能性があるため、max_tokensの設定は必須ではありませんが、出力が暴走するのを防ぐための安価なガードになります。他のヘッダーとレート制限についてはdocsをご覧ください。

その他のガイド

• PythonでのOllama API、およびホスト型代替サービス
• Ollama APIとOpenRouter：どちらがあなたに適しているか
• Mistral API キーのガイド