📐 Matematiksel Formül ve Hesaplama Mantığı
C_{month} = 30 \times R_{day} \times \left[ \frac{T_{in} (1 - r_{cache}) P_{in} + (T_{in} \cdot r_{cache} \cdot 0.25 P_{in}) + (T_{out} \cdot P_{out})}{10^6} \right] 🔬 Mühendislik Metodolojisi ve Sektör Kıyaslaması
Yapay zeka uygulamalarında çıktı (output) tokenları, bellek bant genişliği darboğazı nedeniyle girdi (input) tokenlarından 3 ila 5 kat daha pahalıdır.
Ancak RAG ve otonom ajan mimarilerinde her istekte aynı sistem yönergeleri tekrar gönderilir. Prompt Caching (Önbellekleme) kullanmak tekrar eden girdi maliyetini %75–%90 oranında düşürür.
Bu simülatör ile model katmanları arasındaki gerçek aylık maliyet farkını ve önbellek kazancınızı net olarak görebilirsiniz.
🛠️ Adım Adım Hesaplama ve Simülasyon Rehberi
- Günlük Toplam API İsteği (Prompt Sayısı): "Günlük Toplam API İsteği (Prompt Sayısı)" parametresini girin (varsayılan referans değer: 5000).
- İstek Başına Ortalama Girdi (Input) Token: "İstek Başına Ortalama Girdi (Input) Token" parametresini girin (varsayılan referans değer: 2500).
- İstek Başına Ortalama Çıktı (Output) Token: "İstek Başına Ortalama Çıktı (Output) Token" parametresini girin (varsayılan referans değer: 600).
- Model Fiyat Katmanı (1 Milyon Input / Output): "Model Fiyat Katmanı (1 Milyon Input / Output)" parametresini girin (varsayılan referans değer: 1).
- Prompt Önbellek (Cache) İsabet Oranı (%): "Prompt Önbellek (Cache) İsabet Oranı (%)" parametresini girin (varsayılan referans değer: 50).