Build · tool

Calculator ng gastos ng agent

Isang loop ang agent: sa bawat tawag, ipinapadala uli ang lahat ng naipon sa ngayon, pati ang pinakabagong resulta mula sa tool. Ilarawan ang loop na iyon nang isang beses para makita kung magkano ang gastos ng isang task at ng mga task sa loob ng isang buwan sa bawat model sa talahanayan ng presyo namin.

Magsimula sa isang workload

Nagbabasa ng mga file, nag-e-edit ng code, at nagpapatakbo ng mga test sa isang repository. Mahaba ang system prompt na may mga schema ng tool, at nagdaragdag ang bawat hakbang ng file o log ng test.

Unang prompt, mga token System prompt, mga depinisyon ng tool, at ang task mismo.Idinaragdag sa bawat hakbang, mga token Mga resulta ng tool at ang naunang turn ng model.Mga tawag sa model kada task Ilang beses tatawag sa model ang loop bago matapos.Output kada tawag, mga token Isama ang mga reasoning token; sinisingil ang mga ito bilang output.Bahagi ng prompt na inihahatid mula sa cache · 85%Bahagi ng bawat prompt pagkatapos ng unang tawag na tumatama sa cache ng provider.Mga gawain bawat araw Ipakita ang provider

Nagpapadala ang isang gawain ng 3,360,000 input token at tumatanggap ng 36,000 output token. 199,000 token ang pinakamalaking iisang prompt.

Tinatayang gastos bawat gawain at bawat buwan sa bawat model
Modelo	Bawat gawain	30 araw, 50 bawat araw
GPT-6 Luna · OpenAI	⁨$0.099⁩	⁨$148⁩
Qwen3.7-Flash · Alibaba Cloud (Qwen)28 tawag sa rate para sa mahahabang prompt	⁨$0.101⁩	⁨$152⁩
GLM-5.3-Flash · Z.ai (Zhipu)	⁨$0.182⁩	⁨$273⁩
DeepSeek-V4.1-Flash · DeepSeek	⁨$0.218⁩	⁨$327⁩
Gemini 3.5 Flash-Lite · Google	⁨$0.333⁩	⁨$499⁩
Qwen3.7-Plus · Alibaba Cloud (Qwen)	⁨$0.343⁩	⁨$515⁩
Mistral Small 4 · Mistral AI	⁨$0.526⁩	⁨$788⁩
Gemini 3.8 Flash · Google	⁨$0.742⁩	⁨$1,112⁩
DeepSeek-V4-Pro-0813 · DeepSeek	⁨$0.961⁩	⁨$1,441⁩
Claude Haiku 4.5 · Anthropic	⁨$0.989⁩	⁨$1,483⁩
Amazon Nova 2 Lite · Amazonpresyo mula sa third party	⁨$1.10⁩	⁨$1,647⁩
Grok Build 0.1 · xAI	⁨$1.16⁩	⁨$1,746⁩
Muse Spark 1.3 · Meta	⁨$1.23⁩	⁨$1,852⁩
Grok 4.3 · xAI	⁨$1.31⁩	⁨$1,970⁩
Gemini 3.5 Flash · Google	⁨$1.54⁩	⁨$2,306⁩
Qwen3.8-Max · Alibaba Cloud (Qwen)	⁨$1.63⁩	⁨$2,443⁩
GLM-5.3 · Z.ai (Zhipu)	⁨$1.63⁩	⁨$2,446⁩
GPT-6.1 Sol · OpenAI	⁨$1.69⁩	⁨$2,541⁩
Claude Sonnet 5.5 · Anthropic	⁨$1.98⁩	⁨$2,966⁩
Gemini 3.1 Pro Preview · Google	⁨$2.05⁩	⁨$3,074⁩
Grok 4.7 · xAI	⁨$2.68⁩	⁨$4,026⁩
Kimi K3 · Moonshot AI (Kimi)	⁨$2.97⁩	⁨$4,449⁩
Claude Opus 5.5 · Anthropic	⁨$3.39⁩	⁨$5,082⁩
Amazon Nova 2 Pro · Amazonpresyo mula sa third party	⁨$4.56⁩	⁨$6,840⁩
Mistral Medium 3.5 · Mistral AI	⁨$5.31⁩	⁨$7,965⁩
Claude Fable 5.1 · Anthropic	⁨$7.76⁩	⁨$11,642⁩
Command A+ · Coherelumalampas sa context windowpresyo mula sa third party	⁨$8.76⁩	⁨$13,140⁩
GPT-6 Astra · OpenAI	⁨$9.89⁩	⁨$14,831⁩

Mga list price, standard tier, sa US dollars. Hindi kasama ang bayad sa pagsusulat sa cache, buwis, bayad sa tool gaya ng web search, at mga dagdag-singil ayon sa rehiyon.

Paano ginagawa ang pagtatantiya

Para sa bawat tawag sa loop, kinukuha namin ang laki ng prompt—ang unang prompt at ang nadaragdag mula sa bawat naunang hakbang—at hinahati ito sa bahaging nasa cache at bagong bahagi. Laging bago ang prompt sa unang tawag. Sinisingil ang mga bagong token sa input rate, ang mga nasa cache sa cached rate, at ang output sa output rate.

Kapag lumampas ang isang prompt sa threshold ng provider para sa mahahabang context, sinisingil ang buong tawag sa rate para sa mahahabang prompt, gaya ng ginagawa ng OpenAI, Google, xAI at Qwen. Kung mas malaki ang pinakamalaking prompt kaysa sa context window ng model, lalagyan ng flag ang row dahil kailangang paikliin o ibuod muna ng aktuwal na agent ang history nito.

Nag-iiba ang aktuwal na mga agent sa bawat gawain, inuulit ang mga nabigong hakbang at kung minsan ay maagang humihinto. Gamitin ang mga bilang na ito para paghambingin ang mga model sa parehong workload, saka sukatin ang aktuwal na bilang ng token mula sa sarili mong mga trace bago magtakda ng budget.

Mga tanong tungkol sa gastos ng mga agent

Ilang token ang ginagamit ng AI agent sa bawat gawain?

Pangunahing nakadepende ito sa dami ng mga hakbang at sa nadaragdag sa bawat hakbang. Maaaring gumamit ng 30K input token ang isang maikling palitan tungkol sa suporta; mahigit tatlong milyon naman ang ipinapadala ng 30-hakbang na coding task na may panimulang prompt na 25K token, dahil muling ipinapadala ang buong history sa bawat tawag.

Paano ko mapapababa ang gastos ng isang agent?

Panatilihing pareho ang simula ng prompt sa bawat tawag para ma-cache ito, paikliin ang mga resulta ng tool ayon lang sa kailangan ng model, ibuod o alisin ang mga lumang turn, gumamit ng maliit na model para sa mga karaniwang hakbang at malaking model lang sa pagpaplano, at bawasan ang reasoning effort kung hindi maaapektuhan ang kalidad.

Awtomatiko bang nangyayari ang prompt caching?

Sa OpenAI, DeepSeek, Kimi at implicit caching ng Gemini, awtomatiko ito kapag magkapareho ang mahahabang prefix ng mga prompt. Nangangailangan ang Anthropic at ilang Qwen endpoint ng tahasang cache marker, at naniningil ang Anthropic ng dagdag para sa unang pagsusulat sa cache.

Bakit hindi ang model na pinakamura kada token ang pinakamura kada gawain?

Nagkakaiba ang mga diskuwento sa cache sa bawat model, may mga provider na mas mataas ang singil sa mahahabang prompt, at gumagamit ng output token ang mga reasoning model para mag-isip. Maaari ring mas makatipid ang model na nangangailangan ng mas kaunting hakbang o ulit, pero hindi ito nakikita ng calculator na ito.