Så använder du LLM-API:er: tokens, kostnader, nycklar och din första AI-funktion

Ett LLM-API är en webbtjänst som låter din app skicka text till en stor språkmodell, till exempel OpenAI:s GPT-modeller, Anthropics Claude eller Googles Gemini, och få tillbaka svaret i kod. Du registrerar dig hos leverantören, skapar en API-nyckel, och din apps server skickar förfrågningar med den nyckeln. Du faktureras för varje förfrågan efter antalet tokens (textbitar) som går in och ut. Det är i stort sett allt som "att lägga till AI i en app" innebär: en väl skriven förfrågan till någon annans modell, skickad säkert från din server.

Varför det spelar roll när du bygger med AI

I en AI-byggd app finns två olika AI:er, och det är lätt att blanda ihop dem:

1. AI:n som bygger din app: byggarens egen agent, som skriver koden.
2. AI:n inuti din app: en funktion som dina användare använder, till exempel en chattassistent, en knapp för "sammanfatta det här" eller automatisk taggning.

Den andra anropar ett LLM-API med din nyckel och faktureras på ditt leverantörskonto. Att förstå tokens, kontext och priser är det som gör att du kan designa en funktion som fungerar, inte läcker din nyckel och inte överraskar dig med en räkning.

En vardaglig jämförelse: en mycket kapabel frilansare som betalas per ord

Tänk dig ett LLM-API som en briljant frilansskribent som du når via e-post och betalar per ord, både för de ord du skickar och de ord de skriver tillbaka (och orden de skriver kostar mer).

• De har inget minne mellan mejlen. Om du vill att de ska fortsätta en konversation klistrar du in de tidigare meddelandena i varje nytt mejl.
• De kan bara läsa så mycket åt gången. Den gränsen är kontextfönstret.
• Ju tydligare din instruktion är, desto bättre och kortare blir svaret, vilket också är billigare.

Grundbegreppen

Tokens

Modeller läser och skriver text i tokens. Anthropics prisdokumentation uppskattade per september 2026 cirka 4 tecken, eller ungefär 0,75 engelska ord, per token. Olika modeller och språk delar upp text i tokens på olika sätt, så behandla det som en grov vägledning. Allt räknas: dina instruktioner, användarens meddelande, eventuella dokument du bifogar, tidigare konversation och svaret.

Input och output

Input-tokens är det du skickar. Output-tokens är det modellen skriver. På prissidorna för OpenAI, Anthropic och Google kostar output-tokens, per september 2026, flera gånger mer än input-tokens för samma modell. Googles Gemini-prissättning noterar också att modellens interna "tänkande" räknas som output.

Kontextfönster

Det största antal tokens en modell kan ta emot i en enda förfrågan, inklusive svaret. Moderna modeller accepterar mycket långa inputs. Vissa av Anthropics nuvarande modeller accepterar till exempel upp till en miljon tokens. Långa inputs kostar dock mer och tar längre tid, så skicka bara det uppgiften behöver.

Förfrågningar utan tillstånd

Med de flesta chattliknande API:er står varje förfrågan på egen hand som standard. För att en chatt ska "komma ihåg" skickar din app de tidigare meddelandena igen med varje nytt. Därför kostar ett långt samtal mer per meddelande än ett kort.

Systemprompten

Instruktioner som styr modellens roll och regler för varje förfrågan, till exempel: "Du sammanfattar supportärenden i tre punkter. Inkludera aldrig kunders e-postadresser." Användarna ser den inte, men den formar varje svar.

Streaming

I stället för att vänta på hela svaret kan API:et skicka text allteftersom den genereras, så att användarna ser orden dyka upp direkt. Det gör chattgränssnitt mycket snabbare att använda.

Så fungerar prissättningen

Per september 2026, kontrollerat på leverantörernas egna prissidor:

Vissa leverantörer erbjuder också ett sätt att prova innan du betalar: Anthropic ger nya användare en liten summa gratiskredit, och Googles Gemini API har en gratisnivå för vissa modeller, med förbehållet att innehåll som skickas på den kan användas för att förbättra Googles produkter.

Priserna skiljer sig mycket mellan en leverantörs små, snabba modeller och deras största, och de ändras ofta, så vi anger dem inte här. En enkel uppskattning för vilken funktion som helst är: (input-tokens × inputpris + output-tokens × outputpris) × antal förfrågningar per månad. Lägg sedan på en marginal, och sätt en månatlig utgiftsgräns i leverantörens instrumentpanel.

Ett exempel: en knapp "sammanfatta ärendet"

Ett litet supportteam vill ha en knapp som gör om en lång kundmejltråd till tre punkter och ett föreslaget svar.

1. Skaffa en nyckel. Skapa ett konto hos en leverantör och generera en API-nyckel. Sätt en låg månatlig utgiftsgräns.
2. Spara nyckeln som en hemlighet på din server, med ett namn som ANTHROPIC_API_KEY eller OPENAI_API_KEY, aldrig i sidans kod. Se miljövariabler och hemligheter.
3. Lägg till en serverrutt, POST /api/summarise, som:
   • kontrollerar att personen är inloggad och tillhör supportteamet;
   • hämtar ärendet från databasen;
   • skickar leverantören en systemprompt ("Sammanfatta i tre punkter, skriv sedan ett artigt svarsutkast; hitta inte på ordernummer") tillsammans med ärendetexten;
   • begränsar svarets längd med en inställning för maximalt antal output-tokens;
   • returnerar resultatet och loggar hur många tokens som användes.
4. Knappen anropar din rutt, inte leverantören, och visar sammanfattningen när den strömmar in.
5. Hantera fel. Om leverantören är långsam eller returnerar ett fel, visa "Kunde inte sammanfatta just nu" och håll ärendet användbart.
6. Mät. Efter en vecka, titta på tokenloggarna. Om största delen av kostnaden kommer från långa mejltrådar, kapa det citerade innehållet innan du skickar.

Lägg märke till vad som saknas: ingen modellträning, ingen speciell infrastruktur. En nyckel, en serverrutt och en väl skriven prompt.

Nyckelbegrepp

• API-nyckel: hemligheten som identifierar ditt konto hos leverantören. Den som har den kan spendera dina pengar.
• Modell: den specifika LLM du anropar. Leverantörer erbjuder flera storlekar till olika priser och hastigheter.
• Temperatur: en inställning för hur varierade svaren är. Lägre värde ger mer förutsägbara svar.
• Max tokens: ett tak för svarets längd, som också begränsar kostnaden.
• Hastighetsgräns (rate limit): hur många förfrågningar eller tokens ditt konto får använda per minut.
• Embeddings: tal som representerar betydelsen i en text, används för sökning i egna dokument.
• RAG (retrieval-augmented generation): att hitta relevanta stycken i din egen data och inkludera dem i prompten, så att modellen svarar utifrån ditt innehåll.
• Verktygsanvändning / funktionsanrop: att låta modellen be din app att köra en specifik funktion, till exempel "slå upp orderstatus".

Vanliga misstag och missuppfattningar

• Lägga nyckeln i frontend-koden. Det dyraste misstaget. Kod i webbläsaren är offentlig. Anropa alltid från din server. Säkerhetschecklistan för AI-byggda appar går igenom detta tillsammans med andra kontroller inför lansering.
• Ingen utgiftsgräns eller gränser per användare. En bugg, en loop eller en missbrukande användare kan snabbt driva upp kostnaderna. Sätt en gräns hos leverantören och begränsa förfrågningar per användare i din app.
• Att skicka allt varje gång. Hela dokument och fullständiga chatthistoriker multiplicerar input-tokens. Kapa, sammanfatta äldre meddelanden eller hämta bara relevanta delar.
• Att blint lita på output. Modeller kan påstå felaktiga saker med stor säkerhet. För fakta, priser eller allt juridiskt eller medicinskt, förankra svaren i din egen data och visa källor, eller låt en person kontrollera.
• Att låta användarindata åsidosätta dina regler. Användare kan skriva "ignorera dina instruktioner". Behåll behörigheter och känsliga åtgärder i din serverkod, inte bara i prompten.
• Att börja med den största modellen. Prova en mindre, billigare modell först, och gå upp endast om kvaliteten kräver det.
• Att skicka personuppgifter utan eftertanke. Kontrollera leverantörens villkor för dataanvändning, särskilt på gratisnivåer, och skicka bara det funktionen behöver.

Vad du ska be din AI-byggare om

Lägg till en knapp "Sammanfatta" på ärendesidan. Den anropar en serverrutt som använder hemligheten OPENAI_API_KEY (aldrig exponerad för webbläsaren), kontrollerar att användaren är inloggad, skickar ärendetexten med denna systemprompt: […], begränsar svaret till 300 tokens, strömmar svaret till sidan och visar ett vänligt felmeddelande om anropet misslyckas. Logga använda tokens per förfrågan och begränsa varje användare till 30 sammanfattningar per timme.

För en fullständig chattupplevelse, se hur du bygger en AI-chattbot-app. För andra idéer, hur du lägger till AI-funktioner i din app. Om API:er i allmänhet är nya för dig, börja med vad ett API är.

LLM-API:er i appar byggda med Mythex

När du bygger med Mythex använder AI:n i din app din egen leverantörsnyckel. Du lägger till den som en projekthemlighet, eller via hemlighetskortet som Mythex visar i chatten när den behövs, och ber agenten att göra anropet på servern. Användning av leverantören faktureras på ditt leverantörskonto, inte på Mythex-byggkrediter. Mythex inkluderar inte tokens för din apps användare eller en inbyggd kunskapsbasprodukt, och hastighetsgränser och kostnadskontroller är dina att designa och testa. Docs-receptet lägg till AI-funktioner med dina egna API-nycklar har en startprompt, och AI-appbyggaren visar var du kan börja.

Frågor