> ## Documentation Index
> Fetch the complete documentation index at: https://docs.flexinference.com/llms.txt
> Use this file to discover all available pages before exploring further.
# Preços e faturamento
> O que a FlexInference cobra, como o BYOK funciona e quando seu cartão é cobrado.
A FlexInference é **gratuita para rotear**. Você paga à FlexInference apenas quando uma solicitação flex obtém um preço de provedor mais barato. A taxa é uma parte dessa economia, não uma margem de lucro por token.
## O que você paga
A FlexInference cobra **20% do dinheiro economizado** em uma solicitação flex. Uma solicitação flex é uma chamada que define [`start_within`](/pt/deadline-routing) para uma duração e pode realmente executar a corrida flex. Apenas um **modelo precificado e não-Anthropic** pode executar flex, o que significa os [modelos](/pt/models) OpenAI e Gemini compatíveis com flex. Parâmetros de Chat Completions apenas nativos não podem ser combinados com uma duração `start_within`, então essas solicitações são rejeitadas antes do faturamento.
`start_within` é um orçamento de prazo, como 30 segundos. A FlexInference pode gastar esse tempo tentando iniciar a solicitação em um nível mais barato. Se nenhum nível mais barato puder iniciar antes que o orçamento expire, o roteador escala para o seu modelo padrão. `start_within` é um orçamento que você define, não uma garantia de tempo de início.
O roteamento flex começa com o nível mais barato e avança para o padrão quando necessário. Ele não roteia o padrão primeiro para depois fazer o downgrade.
A economia é a diferença entre o preço padrão do provedor para a chamada e o preço flex mais barato usado para essa chamada. A FlexInference fica com 20% dessa diferença. Você mantém os outros 80%. Se uma solicitação flex não economizar nada, você não deve nada.
A FlexInference cobra a taxa sobre a **economia**, nunca sobre os tokens. O
custo total permanece abaixo do preço padrão do provedor quando o flex economiza
dinheiro. Se a economia for zero, a taxa é zero.
## O que é gratuito
* **Todo o roteamento `default`, `priority` e `auto`**, em qualquer modelo. Essas rotas funcionam como proxy direto para o provedor. A FlexInference não tenta um nível mais barato, então não há economia para compartilhar e nenhuma taxa.
* **Todas as solicitações de nível Anthropic (Claude).** Claude é apenas proxy. Não possui nível flex, então as solicitações `default`, `priority` e `auto` em modelos `claude-*` nunca são solicitações flex faturáveis. Consulte [modelos](/pt/models).
* **Falhas de validação não são cobradas.** Uma duração em um modelo OpenAI ou Gemini não compatível com flex, ou em qualquer modelo Claude, retorna `400` na validação. Não é faturado nem atendido. Use um valor de nível em vez disso.
* **Rotas de nuvem são pass-through sem preço.** As rotas de nuvem `vertex` e `bedrock` servem apenas no nível padrão, então nunca incorrem em uma taxa flex. A FlexInference passa o uso da nuvem sem preço, sem margem de lucro e sem comissão; apenas uma solicitação direta atendida por flex gera a comissão de 20%. Consulte [roteamento de provedor](/pt/models).
Apenas uma **solicitação flex precificada em um modelo OpenAI ou Gemini** incorre em uma taxa para você.
## Traga sua própria chave (BYOK)
A FlexInference roteia com **suas** chaves de provedor. Adicione suas chaves OpenAI, Gemini ou Anthropic no painel; a FlexInference as armazena criptografadas e as usa para roteamento. Você não envia chaves de provedor por solicitação.
Seu provedor cobra você **diretamente** pelos tokens às suas taxas. A FlexInference **não adiciona margem de lucro** sobre os tokens e não lida com o gasto de tokens. A única cobrança da FlexInference é a taxa flex de 20% descrita acima.
## Cache de prompt entre provedores
O cache de prompt reduz o custo de tokens de entrada repetidos, e cada provedor executa seu próprio cache. O cache de prompt não é transportado entre provedores: quando um fallback de provedor atende sua solicitação em uma rota de provedor diferente, o cache do provedor de fallback se aplica independentemente e se aquece com o uso repetido. A primeira solicitação na nova rota paga o preço total do token de entrada, e as solicitações posteriores utilizam o cache desse provedor à medida que ele se preenche. Uma solicitação atendida em sua rota nativa usa o cache desse provedor como de costume.
## Como seu cartão é cobrado
Adicione ou atualize um cartão na página **Faturamento** do painel. Seu saldo não pago aumenta quando as solicitações flex economizam dinheiro:
* A FlexInference cobra seu cartão **automaticamente todos os meses** assim que seu saldo não pago atinge **\$20**.
* Um saldo \*\*abaixo de $20 é transferido** para o mês seguinte. A FlexInference o cobra assim que ele ultrapassa $20. Se um saldo transferido permanecer por cerca de três meses e ainda valer pelo menos o mínimo de \*\*$0.50** do Stripe, a FlexInference o cobra então, mesmo que nunca tenha atingido $20.
## Atraso e o 402
Uma única falha de cobrança não pausa o flex. Quando um pagamento falha, a organização entra em um **período de carência**, e o flex faturável continua funcionando enquanto a FlexInference tenta a cobrança novamente.
A FlexInference pausa o flex apenas após o término do período de carência. Isso acontece quando cerca de três semanas se passam sem um pagamento bem-sucedido, quando a fatura é contestada ou considerada incobrável, ou quando não há um cartão válido registrado. Uma vez que o flex é pausado:
* As solicitações flex faturáveis retornam um [`402 payment_required`](/pt/errors#payment_required).
* **O roteamento gratuito (`default`, `priority`, `auto`) e todas as solicitações de nível Anthropic continuam funcionando.** Apenas o flex precificado é afetado.
Uma solicitação flex pausada retorna `402 payment_required` com um corpo que identifica o estado de faturamento falho e como resolvê-lo. Consulte [o erro 402](/pt/errors#payment_required) para o JSON exato.
Para remover a pausa, adicione ou atualize um cartão na página **Faturamento** do painel e tente novamente.
Preços completos no site de marketing da FlexInference.
Como `payment_required` aparece na rede e como lidar com ele.