La factura de la API de MiniMax no se entiende mirando solo el precio por token. El texto, la voz, el video y la imagen usan unidades de facturación distintas, y en una misma cuenta pueden aparecer tokens, duración, caracteres, cantidad de imágenes y número de tareas. Si preparas el presupuesto solo con el precio del texto, es fácil subestimar el costo cuando entran tareas de voz o video.

En el lado del texto tampoco basta con multiplicar «tokens totales por un número». La entrada, la salida y los aciertos de caché se cobran por separado, y el contexto largo puede entrar en un tramo superior; además, los reintentos y los mensajes históricos elevan el consumo real.

Este artículo desglosa las unidades de cada capacidad, la estructura de la factura de texto, los puntos donde el contexto largo y los reintentos amplifican el costo, y métodos para estimar y conciliar el presupuesto con el campo usage. Los precios concretos se consultan en la página de precios de modelos y en la documentación oficial.

Nota: MiniMax es una marca registrada de su propietario y este artículo solo tiene fines técnicos; no existe relación de subordinación con MiniMax. Las reglas de facturación, los nombres de modelo y los precios pueden cambiar. El artículo toma como ejemplo la documentación pública de octubre de 2026; revisa de nuevo la página oficial antes de comprar.

1. Primero, distingue la unidad de facturación de cada capacidad

La facturación por uso de MiniMax se divide por capacidad. La documentación oficial maneja, a grandes rasgos, el siguiente criterio:

Capacidad Unidad principal Punto que suele pasarse por alto
Modelos de lenguaje y algunas tareas de video Tokens (entrada, salida y aciertos de caché por separado) El mensaje de sistema, el historial y las definiciones de herramientas cuentan como entrada
Reconocimiento de voz Duración del audio El silencio y las cargas repetidas también consumen duración
Síntesis de voz Caracteres (por diez mil caracteres) Un carácter chino cuenta como dos; la puntuación y los espacios también suman
Diseño o clonación de voz Cargo único por voz Se cobra en la primera síntesis
Generación de video Segundos de salida más material de entrada Volver a generar cobra otra vez el material de entrada
Generación de imágenes Por imagen Confirma primero el criterio de tamaño y cantidad
Llamada a herramientas y música Por llamada o por pista Los bucles de agente acumulan consumo de forma continua

No apliques un «costo medio por solicitud» a todos los negocios. La atención al cliente por texto, la atención por voz y el video corto tienen estructuras de costo completamente distintas; si solo usas la interfaz de texto, vigila los tres componentes de tokens, y cuando incorpores voz o video, crea una tabla de costos aparte.

2. Las tres cuentas del modelo de texto: entrada, salida y caché

Una solicitud de texto suele dividirse en entrada, salida y aciertos de caché; algunos modelos separan además la escritura de caché. La entrada no es solo la frase del usuario: el mensaje de sistema, el historial de conversación, las definiciones de herramientas y los documentos recuperados también cuentan. En un diálogo de varias rondas, cada ronda puede volver a enviar el historial, y ahí es donde más se acumula.

La caché sirve para reutilizar prefijos repetidos. La caché de indicaciones de MiniMax funciona por coincidencia de prefijo y el orden que indica la documentación es: definiciones de herramientas, mensaje de sistema e historial de conversación. Se activa automáticamente, pero la entrada debe alcanzar al menos 512 tokens. La parte acertada se factura a un precio de entrada menor y la entrada nueva al precio estándar; si existe un cargo por escritura de caché, depende del modelo.

Costo por solicitud = entrada con acierto de caché × precio de acierto + entrada nueva × precio de entrada + salida × precio de salida; si hay cargo por escritura de caché, se añade otro término.

Lo que más se subestima es la «entrada nueva». Incluir el manual completo en cada ronda o devolver la respuesta completa de una herramienta a la ronda siguiente la hace crecer sin pausa. La caché alivia los prefijos repetidos, pero no sustituye la recuperación selectiva ni el recorte.

3. Contexto largo: 512k es una frontera de facturación

Tener una ventana de contexto amplia no significa que sea barato. La documentación actual indica que, cuando la entrada de M3 supera los 512k tokens, se entra en un tramo de precio superior y tanto la entrada como la salida se calculan a precios más altos; el umbral puede variar según el modelo, así que guíate por la tabla de precios.

La segunda capa de costo viene del número de rondas: cuanto más largo es el contexto, más historial arrastra cada ronda. Si conservas la conversación completa en cada turno, la entrada se acumula y la factura crece más rápido de lo que sugiere la intuición; los asistentes de código, las preguntas sobre documentos y las tareas de agente son los casos más propensos.

Para controlar el costo, prioriza tres acciones: reducir el alcance con recuperación, resumir el historial de forma progresiva y colocar el contenido estable al inicio para mejorar los aciertos de caché. Solo lleva el contexto a un tamaño muy largo cuando de verdad necesites razonar entre documentos.

4. Reintentos y solicitudes fallidas: no des por hecho que no se cobran

Cada reintento es una solicitud nueva y puede volver a llevar la entrada completa; si los reenvíos automáticos tras un 429 o un tiempo de espera agotado no tienen retroceso ni límite de intentos, el consumo se dispara con facilidad. Sobre si una solicitud de texto fallida se cobra, la documentación no ofrece una promesa uniforme; guíate por el registro de consumo y la factura. En video el criterio es más claro: una generación fallida o bloqueada por revisión de seguridad no descuenta puntos; en voz e imagen se aplica lo que indique cada servicio.

Recomendaciones prácticas:

  • Reintenta solo errores que admitan reintento; no reenvíes errores de autenticación o de parámetros.
  • Usa retroceso exponencial y fija un número máximo de intentos.
  • Registra el ID de solicitud, el modelo, la longitud de entrada y el número de reintentos.
  • En tareas por lotes, valida primero la tasa de éxito con una muestra pequeña.

5. Una estimación reproducible con usage

No adivines los tokens contando caracteres. Lee el campo usage después de cada llamada y registra durante una semana seguida para obtener la estructura real de tu negocio. El ejemplo llama a través de la entrada compatible con OpenAI y lee los campos de caché:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["ZSQH_API_KEY"],
    base_url="https://ai.zhongshangqihang.com/v1",
)

resp = client.chat.completions.create(
    model="MiniMax-M3",  # el nombre del modelo se rige por la página de precios del sitio
    messages=[
        {"role": "system", "content": "Eres un asistente de atención al cliente; responde en tres frases como máximo."},
        {"role": "user", "content": "¿Se puede cambiar la dirección después de que el pedido sale?"},
    ],
    max_completion_tokens=256,
)

usage = resp.usage
cached = 0
details = getattr(usage, "prompt_tokens_details", None)
if details is not None:
    cached = getattr(details, "cached_tokens", 0) or 0

print("Entrada total", usage.prompt_tokens)
print("Aciertos de caché", cached)
print("Entrada nueva", usage.prompt_tokens - cached)
print("Salida", usage.completion_tokens)

Registra en el log la fecha, el proyecto, el modelo, la entrada, los aciertos de caché, la salida y los reintentos, y agrupa por proyecto, modelo y escenario. La referencia oficial aproximada es de 1000 tokens por cada 1600 caracteres chinos, pero la variación es grande; el campo usage sigue siendo la fuente de verdad.

Un presupuesto por bandas baja, media y alta se acerca más a la factura real que una cifra exacta. La tasa de aciertos de caché, la longitud de salida y la proporción de reintentos fluctúan, así que estimar por intervalos es más prudente.

6. Orden para reducir costos: primero cuantifica, luego cambia de modelo

  1. Cuantifica: usa usage y los registros para calcular entrada, salida, aciertos de caché y reintentos de cada función.
  2. Mejora la caché: fija el orden de las herramientas y el mensaje de sistema, y mueve marcas de tiempo e IDs aleatorios al final de la solicitud.
  3. Reduce la entrada: recupera solo fragmentos relevantes, resume el historial y conserva solo los campos necesarios de las respuestas de herramientas.
  4. Limita la salida: fija un max_completion_tokens razonable y pide JSON o campos fijos.
  5. Segmenta por modelo: clasificación y extracción con modelos ligeros, razonamiento complejo con modelos mayores; si la latencia es crítica, considera el nivel prioritario.
  6. Asincronía y alertas: envía las tareas fuera de línea a una cola y define límites de presupuesto y alertas de saldo bajo por proyecto y por clave.

No inviertas el orden. Cambiar primero a un modelo más barato sin gobernar la entrada ni acertar en la caché no reduce la factura y además puede bajar la calidad.

7. Cómo conciliar presupuesto, factura y comprobantes

El presupuesto mensual se calcula sumando «consumo por escenario × precio unitario» y multiplicando por un factor de seguridad; los precios unitarios se toman de precios de modelos. Crea claves separadas para prueba y producción, con cuotas distintas, para evitar que se desplacen entre sí.

Al conciliar, revisa tres puntos: si la estructura de tokens coincide con los registros, si el tramo del modelo es correcto y si los reintentos fallidos generan registros adicionales. La factura de la cuenta oficial se emite sobre el importe realmente pagado; la parte cubierta por cupones normalmente no es facturable.

Los equipos que necesitan una factura única en moneda local y consumo consolidado de varios modelos pueden recargar y facturar a través de un gateway de IA nacional; los precios, el tipo de cambio y las reglas de facturación se rigen por la página de precios y la de recarga del sitio.

Preguntas frecuentes

¿La API de MiniMax cobra por número de llamadas?

No exactamente. El texto se cobra por tokens, el reconocimiento de voz por duración, la síntesis de voz por caracteres, el video por segundos y material, y las imágenes por unidad. Confirma primero qué capacidad usa tu negocio.

¿Qué es más caro, la entrada o la salida?

En la mayoría de los modelos, el precio de salida es superior al de entrada, y la entrada con acierto de caché es más económica. No compares solo precios unitarios: calcula el costo por solicitud según tu proporción real de entrada y salida.

¿El contexto largo siempre cuesta más?

No necesariamente, pero el riesgo es mayor. Superar el umbral lleva a un tramo superior y arrastrar historial en cada ronda acumula entrada. Si la tarea se resuelve con recuperación y resúmenes, no llenes el contexto.

¿Los reintentos fallidos se facturan?

En texto, la documentación no ofrece una promesa uniforme; un reintento es una solicitud nueva y debe verificarse con el consumo y la factura. En video, una generación fallida o bloqueada por revisión de seguridad no descuenta puntos; en las demás capacidades se aplica lo indicado por cada servicio.

¿Por qué la estimación no coincide con la factura?

Entre las omisiones habituales están los mensajes históricos, las definiciones de herramientas, los fallos de caché, los reintentos, las salidas largas y las diferencias de tramo. Para localizarlas, compara los registros usando el ID de solicitud.

Próximos pasos

Crea una clave de prueba en ZSQH AI Gateway, ejecuta tareas reales durante una semana y registra entrada, salida, aciertos de caché y reintentos; después convierte el consumo en presupuesto con la página de precios de modelos.

Lecturas relacionadas: