Serverless inference. Betala per token.Pay per token.
Sex öppna modeller bakom ett OpenAI-kompatibelt API. Inga GPU:er att hantera — och när trafiken tystnar skalar det till noll.Six open models behind an OpenAI-compatible API. No GPUs to manage — and when traffic goes quiet, it scales to zero.
Inferens utan infrastruktur.Inference without the infrastructure.
Betala per tokenPay per token
Du betalar för tokens in och ut — inte för GPU-timmar, reserverad kapacitet eller tomgång.You pay for tokens in and out — not for GPU hours, reserved capacity or idle time.
OpenAI-kompatibeltOpenAI-compatible
Byt base_url och API-nyckel. Dina SDK:er, ramverk och verktyg fungerar som de är.Swap the base_url and API key. Your SDKs, frameworks and tools work as they are.
Skalar till nollScales to zero
Ingen trafik, ingen kostnad. När anropen kommer skalar vi upp — du hanterar inga GPU:er, noder eller köer.No traffic, no cost. When requests arrive we scale up — no GPUs, nodes or queues for you to manage.
Två rader att ändra.Two lines to change.
Peka din befintliga OpenAI-klient mot Kepler och välj en modell. Det är hela migreringen.Point your existing OpenAI client at Kepler and pick a model. That is the whole migration.
- 01Skapa en API-nyckel i Kepler-konsolenCreate an API key in the Kepler console
- 02SättSet
base_urltill Keplerto Kepler - 03VäljPick
model— t.ex.e.g.qwen3.8-27b
from openai import OpenAI import os client = OpenAI( base_url="https://api.keplercloud.se/v1", # placeholder api_key=os.environ["KEPLER_API_KEY"], ) r = client.chat.completions.create( model="qwen3.8-27b", messages=[{"role": "user", "content": "Hej!"}], ) print(r.choices[0].message.content)
curl https://api.keplercloud.se/v1/chat/completions \ -H "Authorization: Bearer $KEPLER_API_KEY" \ -H "Content-Type: application/json" \ -d '{"model": "qwen3.8-27b", "messages": [{"role": "user", "content": "Hej!"}]}'
Sex öppna modeller. Ett API.Six open models. One API.
Snabb allroundmodell för chatt, verktygsanrop och agentflöden där latens spelar roll.Fast all-round model for chat, tool calling and agent workflows where latency matters.
Resonerande modell optimerad för hastighet — kod, analys och flerstegsproblem.Reasoning model tuned for speed — code, analysis and multi-step problems.
Tät 27B-modell — stark allround på resonemang, kod och flerspråkig text.Dense 27B model — strong all-rounder for reasoning, code and multilingual text.
Mixture-of-experts: 35B parametrar men bara 3B aktiva per token. Snabb och billig i volym.Mixture-of-experts: 35B parameters, only 3B active per token. Fast and cheap at volume.
Kompakt modell för enkla uppgifter i hög volym — klassificering, extraktion och korta svar.Compact model for simple high-volume tasks — classification, extraction and short answers.
Europeisk modell från Mistral AI — effektiv, flerspråkig och bra på strukturerad output.European model from Mistral AI — efficient, multilingual and good at structured output.
Pris per miljon tokens.Price per million tokens.
| ModellModel | Modell-IDModel ID | In / 1MInput / 1M | Ut / 1MOutput / 1M |
|---|---|---|---|
| GLM-5.3 Flash | glm-5.3-flash | 2,42 SEK | 7,92 SEK |
| DeepSeek V4 Flash | deepseek-v4-flash | 1,54 SEK | 3,96 SEK |
| Qwen3.8-27B | qwen3.8-27b | 4,84 SEK | 40,04 SEK |
| Qwen3.6-35B-A3B | qwen3.6-35b-a3b | 2,31 SEK | 8,03 SEK |
| Kolibri1 | kolibri1 | 2,31 SEK | 8,03 SEK |
| Mistral Small 4 | mistral-small-4 | 2,31 SEK | 9,46 SEK |
Priser i SEK per miljon tokens, EU Standard-nivå. Du betalar bara för tokens du använder.Prices in SEK per million tokens, EU Standard tier. You only pay for the tokens you use.
Från serverless till dedikerad GPU.From serverless to dedicated GPU.
Samma modeller på egna kort när du behöver fast kapacitet och förutsägbar kostnad.The same models on your own cards when you need fixed capacity and predictable cost.
Enskilda kort eller en HGX-baseboard med 8× H100 för träning och tung inferens.Single cards or an HGX baseboard with 8× H100 for training and heavy inference.
Se H100 →See H100 → NVIDIA L40S 48GBL40S — för effektiv inferensL40S — for efficient inferenceEtt kostnadseffektivt kort för inferens och finjustering av mellanstora modeller.A cost-efficient card for inference and fine-tuning mid-sized models.
Se L40S →See L40S →Bra att veta.Good to know.
Vad betyder serverless inference?What does serverless inference mean?
Du anropar en modell via API och betalar per token. Vi kör, skalar och patchar GPU:erna — du ser aldrig en server.You call a model over an API and pay per token. We run, scale and patch the GPUs — you never see a server.
Fungerar mina befintliga OpenAI-SDK:er?Do my existing OpenAI SDKs work?
Ja. API:t följer OpenAI:s format för chat completions. Byt base_url och API-nyckel, och välj en Kepler-modell.Yes. The API follows the OpenAI chat completions format. Swap the base_url and API key, and pick a Kepler model.
Vad kostar det när jag inte använder det?What does it cost when I am not using it?
Ingenting. Serverless skalar till noll — du betalar bara för tokens som faktiskt processas.Nothing. Serverless scales to zero — you only pay for tokens that are actually processed.
När ska jag välja dedikerad GPU istället?When should I pick a dedicated GPU instead?
När du har jämn, hög volym, behöver egna modeller eller vill ha garanterad kapacitet. Då är H100 eller L40S ofta billigare per token.When you have steady high volume, need custom models or want guaranteed capacity. H100 or L40S is then often cheaper per token.
Första anropet på fem minuter.First call in five minutes.
Skapa en API-nyckel, byt base_url och kör. Du betalar bara för tokens du använder. De första 50 beta-användarna får 5 miljoner tokens på huset.Create an API key, swap the base_url and run. You only pay for the tokens you use. The first 50 beta users get 5 million tokens on us.