Ollama API-prijzen: Lokale kosten vs. betalen per token

Wat "Ollama API-prijzen" eigenlijk betekent

Als mensen ollama api-prijzen in een zoekbalk typen, zoeken ze vaak naar een prijslijst, maar voor de lokale software bestaat die niet. Ollama is een programma dat je installeert om open-weight modellen op je eigen computer te draaien en ze via een lokale HTTP-API aan te bieden. Het telt geen tokens en stuurt je geen factuur daarvoor. Ollama biedt ook eigen gehoste opties aan; voor die opties kun je de huidige prijslijst op hun site raadplegen, omdat dit artikel daar niet over gaat.

Dat maakt lokaal infereren niet gratis. De kosten verschuiven van een kosten per token naar dingen die je al betaalt of moet kopen: een machine met genoeg geheugen, elektriciteit, je tijd voor installatie en updates, en de opportunity cost van een GPU die bezet is. De interessante vraag is niet "wat is de prijs" maar "welke regeling kost minder en werkt goed genoeg voor mijn volume". De rest van dit artikel geeft je de cijfers voor de gehoste kant, zodat je die vraag kunt beantwoorden.

De kosten van het zelf draaien van Ollama

Er zijn vier posten aan de lokale kant van het grootboek.

• Hardware. Grotere modellen hebben meer GPU-geheugen of veel systeemgeheugen nodig. Als je al een geschikte machine hebt, zijn deze kosten reeds gemaakt (sunk cost). Als je er een moet kopen of huren, is het de grootste post.
• Stroom. Vermenigvuldig het stroomverbruik van de machine in kilowatts met het aantal gebruiksuren en je elektriciteitstarief. Een desktop-GPU onder belasting verbruikt veel meer dan in rust, dus alleen de belastinguren tellen is eerlijk.
• Rustcapaciteit. Een server die de meeste dag ongebruikt staat, moet toch bestaan. Per-token facturatie rekent je alleen als je belt.
• Jouw tijd. Modellen ophalen, de runtime updaten, geheugen bewaken, herstarten na crashes.

Meet je eigen cijfers in plaats van een generiek figuur te vertrouwen. Log hoeveel tokens je workload echt gebruikt gedurende een week. Die ene meting heb je ook nodig om het gehoste alternatief nauwkeurig te prijzen.

Gehoste tarieven en de rekenkunde

De gehoste API op deze site rekent twee meters. Inputtokens (je prompt, inclusief eventuele chatgeschiedenis die je opnieuw stuurt) kosten $0,15 per 1M. Outputtokens (de voltooiing) kosten $0,50 per 1M. Er is geen abonnement; je voegt tegoed toe en het wordt per verzoek afgeschreven. Mislukte of geweigerde verzoeken worden niet in rekening gebracht en tegoed vervalt niet.

De formule is kort:

cost = input_tokens x 0.15 / 1.000.000 + output_tokens x 0.50 / 1.000.000

Hier zijn veelvoorkomende taakvormen met de uitgewerkte berekeningen.

Taak	Input-tokens	Output-tokens	Kosten
Eén chatantwoord	2,000	500	$0.0003 + $0.00025 = $0.00055
1.000 dergelijke antwoorden	2,000,000	500,000	$0.30 + $0.25 = $0.55
Een lang document samenvatten	50,000	1,000	$0.0075 + $0.0005 = $0.008
De volledige context vullen	100,000	4,000	$0.015 + $0.002 = $0.017
Batch van 10.000 verzoeken	8,000,000	3,000,000	$1.20 + $1.50 = $2.70

De batchregel gaat uit van 800 input en 300 outputtokens per verzoek. Merk op dat output de dure meter per token is, maar input domineert meestal het aantal, dus lange prompts en lange chatgeschiedenissen zijn waar het geld naartoe gaat.

Een chat die per beurt groeit

Chat-API's zijn stateless, dus elke beurt stuurt je de hele geschiedenis opnieuw. Dat maakt de kosten sneller groeien dan het aantal beurten. Neem een gesprek van 20 beurten waarbij elk gebruikersbericht 150 tokens is en elk antwoord 250 tokens, zodat elke beurt 400 tokens toevoegt aan de geschiedenis.

1. Beurt 1 stuurt 150 inputtokens. Beurt 2 stuurt 150 + 400 = 550. Beurt k stuurt 150 + 400 x (k - 1).
2. Over 20 beurten is de inputtotaal 150 x 20 + 400 x (0 + 1 + ... + 19) = 3.000 + 400 x 190 = 79.000 tokens.
3. Outputtotaal is 20 x 250 = 5.000 tokens.
4. Kosten: 79.000 x 0,15 / 1M = $0,01185, plus 5.000 x 0,50 / 1M = $0,0025, in totaal $0,01435.

Ongeveer anderhalf cent voor een lang gesprek. Als je het gesprek verdubbelt naar 40 beurten, verviervoudigt de input ongeveer, omdat de geschiedenis blijft groeien. Het inkorten of samenvatten van oude beurten is de belangrijkste manier om de kosten in chat-apps te beheersen.

Tegoed, bonussen en de proefperiode

Je laadt op met elk geheel bedrag van $20 tot $500. Grotere opladingen hebben een bonus: +5% vanaf $50, +10% vanaf $100 en +15% vanaf $200. In de praktijk betekent dat:

• $50 koopt $52,50 aan tegoed.
• $100 koopt $110,00.
• $200 koopt $230,00.

Betaling is per kaart (Visa, Mastercard, Apple Pay, Google Pay) of crypto (USDT op TRC20, USDC op Base). De prijspagina heeft de huidige details.

Nieuwe gebruikers kunnen testen voordat ze betalen. Na het inloggen met Google, of met e-mail en wachtwoord, heeft de API-sleutelpagina een knop die $0,50 aan proeftegoed claimt, één per persoon, geldig voor 7 dagen, zonder dat een kaart nodig is. Bij de reactiegrootte van 2.000-in en 500-uit hierboven dekt $0,50 ongeveer 900 reacties, wat ruim voldoende is om te beoordelen of de output past bij je project. Een proefsleutel is beperkt tot 2 gelijktijdige verzoeken en 60 verzoeken per minuut. Je kunt in een paar minuten je API-sleutel krijgen.

Vergelijken voor jouw volume

Gebruik je gelogde tokenaantallen en doe de som voor een maand. Stel een project gebruikt 50M inputtokens en 10M outputtokens per maand. Gehoste kosten: 50 x $0,15 = $7,50, plus 10 x $0,50 = $5,00, dus $12,50. Zet nu je lokale figuur ernaast: de maandelijkse share van hardware die je anders niet zou bezitten, plus de stroom voor de belastinguren, plus de waarde van je onderhoudstijd. Als dat totaal duidelijk boven $12,50 uitkomt, wint hosting op kosten. Als je al idle hardware hebt die het model goed aankan, wint lokaal op kosten.

Kosten is niet de enige as. Lokaal houdt gegevens op je machine en werkt offline. Gehost verwijdert de behoefte aan een GPU, geeft een contextvenster van 100.000 tokens en laat meerdere services één backend delen. Het gehoste model is een enkel open-weight model getuned om te antwoorden zonder inhoudelijke weigeringen voor wettig gebruik door volwassenen, dus het hangt ook af van of dat model past bij je taak. Prompts worden niet gebruikt voor training.

Een eerlijke limiet: er is geen gratis onbeperkte tier. Na de proef van $0,50 betaal je per token van prepaid tegoed. Als je werk onbeperkte gratis calls nodig heeft en je hebt de hardware, dan is lokale Ollama het juiste hulpmiddel.

Fouten die de vergelijking vervormen

Er zijn een paar fouten die steeds terugkomen als mensen de kosten van een LLM-werklast berekenen, en elke fout kan het antwoord doen omslaan.

• Output-tokens vergeten. Een korte prompt met een lang antwoord is vooral een rekening voor output. Een vraag van 300 tokens die een verhaal van 3.000 tokens oplevert, kost 300 x $0,15 / 1M + 3.000 x $0,50 / 1M = $0,000045 + $0,0015 = $0,001545.
• Opnieuw verstuurde geschiedenis negeren. Zoals het voorbeeld van 20 beurten laat zien, schalen de chatkosten met de opgebouwde context, niet met de lengte van het laatste bericht.
• Woorden tellen in plaats van tokens. Engelse tekst kost meestal iets meer tokens dan woorden, en code of niet-Latin scripts kosten weer meer. Lees de gebruikscijfers die bij elke respons worden teruggegeven en gebruik die, niet een schatting.
• Lokale hardware prijzen op nul. Een GPU die je al hebt slijt nog steeds en verbruikt nog steeds stroom, zelfs als je geen cheque schrijft.
• Verschillende modellen vergelijken. Een klein lokaal model en een groter gehost model produceren niet dezelfde kwaliteit. Goedkoper per token is niet goedkoper per goed antwoord als je veel retries nodig hebt.

Het laatste punt verdient een test in plaats van een mening. Neem twintig echte prompts uit je project, voer ze uit op beide opstellingen en oordeel over de antwoorden. Bereken dan de kosten van de winnaar voor je werkelijke volume.

Uitgaven in de gaten houden

Elke respons van de gehoste API bevat een X-Balance-USD header met je resterende tegoed, plus X-Request-Id voor supportvragen. Je kunt het lezen in code en jezelf waarschuwen voordat het saldo op is.

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"))

Het instellen van max_tokens is optioneel, omdat een voltooiing de rest van het venster kan gebruiken, maar het is een goedkope bescherming tegen onbeheerst output. De documentatie behandelt de andere headers en de rate limits.

Meer handleidingen

• Ollama API in Python en een gehost alternatief
• Ollama API versus OpenRouter: welke past bij jou
• Mistral API-sleutelgids