ドキュメントが一新されました!旧ドキュメントは doc.newapi.pro
New APINew API
利用ガイドインストールAPI リファレンスAIアプリケーションヘルプ&サポートビジネス協力
コンソール設定

倍率設定

倍率設定はNewAPI課金システムの中核となる設定であり、異なる倍率を設定することで、様々なモデルやユーザーグループの課金基準を柔軟に制御できます。

倍率システム概要

NewAPIは、ユーザーのクォータ消費を計算するために3層の倍率体系を使用します。

  1. モデル倍率(ModelRatio) - 異なるAIモデルの基本課金倍数を定義します
  2. 補完倍率(CompletionRatio) - 出力トークンに対して追加の課金調整を行います
  3. グループ倍率(GroupRatio) - 異なるユーザーグループに対して差別化された課金倍数を設定します

クォータと倍率の関係

New APIシステムにおいて、倍率はクォータ消費を計算するための重要なパラメータです。クォータはシステム内部の課金単位であり、すべてのAPI呼び出しは最終的にクォータポイントに変換されて減算されます。

クォータ単位変換:

  • 1米ドル = 500,000クォータポイント
  • クォータポイントはシステム内部課金の基本単位です
  • ユーザーの残高、消費履歴はすべてクォータポイントに基づきます

クォータ計算式

従量課金モデル(トークン消費に基づく)

配额消耗 = (输入token数 + 输出token数 × 补全倍率) × 模型倍率 × 分组倍率

回数課金モデル(固定価格)

配额消耗 = 模型固定价格 × 分组倍率 × 配额单位(500,000)

音声モデル(特殊処理、new-api内部で自動処理)

配额消耗 = (文本输入token + 文本输出token × 补全倍率 + 音频输入token × 音频倍率 + 音频输出token × 音频倍率 × 音频补全倍率) × 模型倍率 × 分组倍率

事前消費と事後消費のメカニズム

New APIは、事前消費と事後消費の二重課金メカニズムを採用しています。

  1. 事前消費フェーズ:API呼び出し前に、予測トークン数に基づいてクォータ消費を計算し、事前引き落としを行います
  2. 事後消費フェーズ:API呼び出し完了後に、実際のトークン数に基づいてクォータ消費を再計算します
  3. 差額調整:実際の消費が事前消費と異なる場合、システムは自動的にユーザーのクォータ残高を調整します
预消费配额 = 预估token数 × 模型倍率 × 分组倍率
实际配额 = 实际token数 × 模型倍率 × 分组倍率
配额调整 = 实际配额 - 预消费配额

モデル倍率設定

モデル倍率は、異なるAIモデルの基本課金倍数を定義し、システムは様々なモデルに対してデフォルトの倍率をプリセットしています。

一般的なモデル倍率の例

モデル名モデル倍率補完倍率公式サイト価格(入力)公式サイト価格(出力)
gpt-4o1.254$2.5/1M Tokens$10/1M Tokens
gpt-3.5-turbo0.251.33$0.5/1M Tokens$1.5/1M Tokens
gpt-4o-mini0.0754$0.15/1M Tokens$0.6/1M Tokens
o17.54$15/1M Tokens$60/1M Tokens

倍率の意味の説明:

  • モデル倍率:基本課金単位に対する倍数で、モデルのコスト差を反映します
  • 補完倍率:出力トークンが入力トークンに対して課金される倍数で、出力コストの差を反映します
  • 倍率が高いほど、消費されるクォータが多くなります。倍率が低いほど、消費されるクォータが少なくなります。

設定方法

  1. JSON形式での設定:モデル倍率のJSON設定を直接編集します
  2. ビジュアルエディタ:グラフィカルインターフェースを通じて倍率を設定します

倍率1

補完倍率設定

補完倍率は、出力トークンに対して追加の課金を行うために使用され、主に異なるモデルの入出力コストの差を均衡させるために用いられます。

デフォルトの補完倍率

モデルタイプ公式サイト価格(入力)公式サイト価格(出力)補完倍率説明
gpt-4o2.5$/1M Tokens10$/1M Tokens4出力は入力の4倍
gpt-3.5-turbo0.5$/1M Tokens1$/1M Tokens2出力は入力の2倍
gpt-image-15$/1M Tokens40$/1M Tokens8出力は入力の8倍
gpt-4o-mini0.15$/1M Tokens0.6$/1M Tokens4出力は入力の4倍
その他のモデル111出力は入力の1倍

設定説明

  • 補完倍率は主に出力トークンの課金に影響します
  • 1に設定すると、出力トークンの課金が入力トークンの課金と同じであることを意味します
  • 1より大きい場合は出力トークンの課金が高く、1より小さい場合は出力トークンの課金が低いことを意味します

グループ倍率設定

グループ倍率により、異なるユーザーグループに対して差別化された課金倍数を設定し、柔軟な価格設定戦略を実現できます。

グループ倍率設定

{
  "vip": 0.5,
  "premium": 0.8,
  "standard": 1.0,
  "trial": 2.0
}

グループ倍率の優先順位

  1. ユーザー専用倍率:特定のユーザーに設定された個人倍率
  2. グループ倍率:ユーザーが所属するグループの倍率
  3. デフォルト倍率:システムデフォルトの倍率(通常1.0)

倍率2

ビジュアル倍率設定

ビジュアルエディタは、直感的な倍率管理インターフェースを提供し、以下をサポートします。

  • モデル倍率の一括編集
  • 倍率設定のリアルタイムプレビュー
  • 競合検出とヒント
  • 上流倍率のワンクリック同期

倍率3

倍率が設定されていないモデル

倍率が設定されていないモデルに対して、システムは以下を行います。

  1. 自己利用モード:デフォルト倍率37.5を使用します
  2. ビジネスモード:「倍率または価格が未設定」エラーを提示します
  3. 自動検出:管理インターフェースに未設定のモデルを表示します

倍率4

上流倍率同期

システムは、上流チャネルからの倍率設定の自動同期をサポートします。

  • 上流モデル倍率の自動取得
  • ローカル倍率設定の一括更新
  • 上流価格との同期を維持
  • 手動調整と上書きをサポート

倍率5

よくある質問

Q: 新しいモデルに倍率を設定するにはどうすればよいですか?

A: ビジュアルエディタを通じて新しいモデルを追加するか、JSON設定に直接追加できます。まず控えめな倍率を設定し、実際の使用状況に基づいて調整することをお勧めします。

Q: グループ倍率はどのように適用されますか?

A: グループ倍率はモデル倍率と乗算され、最終的にユーザーのクォータ消費計算に影響を与えます。ユーザーの実際の倍率 = モデル倍率 × グループ倍率。

Q: 補完倍率の役割は何ですか?

A: 補完倍率は主に入出力トークンのコスト差を均衡させるために使用されます。一部のモデルでは出力コストが入力コストよりもはるかに高いため、補完倍率による調整が必要です。

Q: 類似モデルの倍率を一括設定するにはどうすればよいですか?

A: ビジュアルエディタで一括操作を行うか、JSON設定に類似モデルの倍率設定を一括追加できます。

クォータ計算例

例1:GPT-4 標準ユーザーとの会話

シナリオパラメータ:

  • 入力トークン:1,000
  • 出力トークン:500
  • モデル倍率:15
  • 補完倍率:2
  • グループ倍率:1.0(標準ユーザー)

計算プロセス:

配额消耗 = (1,000 + 500 × 2) × 15 × 1.0
         = (1,000 + 1,000) × 15
         = 2,000 × 15
         = 30,000 配额点数

等価米ドルコスト:30,000 ÷ 500,000 = $0.06

例2:GPT-3.5 VIPユーザーとの会話

シナリオパラメータ:

  • 入力トークン:2,000
  • 出力トークン:1,000
  • モデル倍率:0.25
  • 補完倍率:1.33
  • グループ倍率:0.5(VIPユーザー50%割引)

計算プロセス:

配额消耗 = (2,000 + 1,000 × 1.33) × 0.25 × 0.5
         = (2,000 + 1,330) × 0.125
         = 3,330 × 0.125
         = 416.25 配额点数

等価米ドルコスト:416.25 ÷ 500,000 = $0.00083

例3:回数課金モデル(例:Midjourney)

シナリオパラメータ:

  • モデル固定価格:$0.02
  • グループ倍率:1.0(標準ユーザー)
  • クォータ単位:500,000

計算プロセス:

配额消耗 = 0.02 × 1.0 × 500,000
         = 10,000 配额点数

等価米ドルコスト:10,000 ÷ 500,000 = $0.02

その他の課金ルールについては、よくある質問をご覧ください。

このガイドはいかがですか?

最終更新