Quel modèle bon marché pour votre tâche ? Choisissez selon le ratio entrée:sortie

Choisissez selon la forme de votre tâche, pas selon le prix affiché. Si l'entrée est longue et la réponse courte (résumés de longs rapports, étiquetage sur de longues entrées), DeepSeek-V4-Flash coûte le moins des trois. Si la réponse est aussi longue que l'entrée ou plus (courts échanges de chat, réécritures, génération de code), c'est GLM-5.3-Flash, et un long chat inverse la réponse en cours de route. MiniMax-M2.7 est celui à prendre quand votre propre test dit que ses réponses vous conviennent le mieux, et des trois c'est celui qui se situe le plus en dessous du prix de référence d'OpenRouter.

Vous pouvez voir de quel côté vous êtes après 20 requêtes. Les prix ci-dessous proviennent de la référence de prix CheapTokens du 6 novembre 2026, et chaque nombre dans un tableau ou un marqueur est en direct, il suit donc les tarifs actuels.

Une requête a deux compteurs#

Chaque requête est facturée deux fois : une fois pour les tokens que vous envoyez (entrée), une fois pour les tokens que le modèle renvoie (sortie). Chaque modèle fixe son propre prix pour chaque côté, et c'est là que la comparaison des prix affichés échoue (les bases sont dans Input vs output tokens: what an AI API bills you for).

DeepSeek-V4-Flash facture $0.015 pour l'entrée et $0.10 pour la sortie par 1M de tokens. GLM-5.3-Flash facture $0.02 et $0.04. MiniMax-M2.7 facture $0.05 et $0.15. Un modèle est moins cher à l'entrée, un autre à la sortie, donc le gagnant dépend du nombre de tokens qui circulent dans chaque sens.

Cette proportion est le nombre à connaître : tokens d'entrée divisés par tokens de sortie. Un étiqueteur qui lit un ticket de 600 tokens et répond par une étiquette de 10 tokens est à 60 pour 1 (600 ÷ 10 = 60). Un outil de réécriture qui prend un paragraphe de 400 tokens et renvoie 800 tokens est à 1 pour 2 (400 ÷ 800 = 0,5).

Mesurez votre propre ratio en 20 requêtes#

C'est en devinant que ça se passe mal, alors mesurez. Chaque réponse Chat Completions porte un objet usage avec prompt_tokens (ce que vous avez envoyé) et completion_tokens (ce qui est revenu). Le format Anthropic Messages les appelle input_tokens et output_tokens ; la documentation CheapTokens montre les deux formats.

Prenez 20 à 50 requêtes réelles de votre tâche et additionnez chaque côté. Additionnez, ne faites pas la moyenne des ratios par requête : une réponse minuscule ferait dériver une moyenne dans tous les sens.

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.cheaptokens.dev/v1",
    api_key=os.environ["CHEAPTOKENS_API_KEY"],
)

prompts = ["...", "..."]  # 20-50 real inputs from your task

tokens_in = tokens_out = 0
for text in prompts:
    r = client.chat.completions.create(
        model="deepseek-ai/DeepSeek-V4-Flash-0731",
        messages=[{"role": "user", "content": text}],
        max_tokens=2000,
    )
    tokens_in += r.usage.prompt_tokens
    tokens_out += r.usage.completion_tokens

print(f"input {tokens_in}, output {tokens_out}, ratio {tokens_in / tokens_out:.1f} : 1")

La dernière ligne affiche votre ratio. Ce seul nombre est tout ce que vous emportez dans la section suivante.

Ce que le ratio fait à la facture#

Voici quatre formes courantes. Les tailles sont des hypothèses choisies pour être typiques ; remplacez-les par les chiffres de votre propre exécution.

Étiqueter 10 000 tickets par jour#

Disons qu'un outil de support étiquette 10 000 tickets par jour : 600 tokens en entrée, une étiquette de 10 tokens en sortie. La journée entière sur chaque modèle :

Lisez le tableau. DeepSeek-V4-Flash est le moins cher des trois ici, parce que presque chaque token que vous payez est de l'entrée. La colonne OpenRouter montre les trois modèles sous le prix de référence au total, entrée et sortie comptées ensemble.

Résumer de longs rapports#

Un rapport de 12 000 tokens compressé en un résumé de 300 tokens, c'est 40 pour 1 (12 000 ÷ 300 = 40). Un résumé coûte $0.00021 sur DeepSeek-V4-Flash et $0.00025 sur GLM-5.3-Flash. Même histoire que l'étiquetage : plus vous lisez par mot écrit, plus le prix d'entrée de DeepSeek aide.

Réécritures et fichiers de code#

Maintenant, inversez. Une réécriture de ton prend 400 tokens en entrée et en rend 800. DeepSeek-V4-Flash : $0.000086. GLM-5.3-Flash : $0.00004. La sortie est la plus grosse moitié de cette facture, donc le modèle avec le prix de sortie le plus bas gagne, et c'est GLM-5.3-Flash.

Un chat qui ne cesse de grossir#

Le chat est le plus sournois, car l'API n'a pas de mémoire : à chaque tour vous renvoyez tout le tableau de messages. Au tour 1, l'utilisateur écrit 300 tokens et le bot répond 200 (300 ÷ 200 = 1,5). C'est le territoire de GLM : $0.000014 contre $0.000025 sur DeepSeek-V4-Flash.

Au tour 30, l'historique fait 6 000 tokens et la réponse est toujours de 200 (6 000 ÷ 200 = 30). Maintenant $0.00013 sur GLM-5.3-Flash fait face à $0.00011 sur DeepSeek-V4-Flash, et le modèle le moins cher s'est inversé. Le même bot change de meilleur modèle au milieu d'une longue conversation.

Quand la longueur d'une seule réponse décide#

Le ratio n'est pas le seul critère. Le plafond de réponse diffère : DeepSeek-V4-Flash écrit jusqu'à 32 768 tokens de sortie en une réponse, GLM-5.3-Flash et MiniMax-M2.7 jusqu'à 8 192.

Disons que vous demandez un module complet de 12 000 tokens d'un coup. Sur un modèle plafonné à 8 192, la réponse s'arrête au milieu du fichier avec finish_reason: length (la solution est dans AI answer cut off? Fix finish_reason length and max_tokens). Sur DeepSeek-V4-Flash, ça tient. Donc pour de longues sorties uniques, vérifiez d'abord le plafond et le ratio ensuite.

Côté entrée, GLM-5.3-Flash accepte 390K tokens de contexte et DeepSeek-V4-Flash 380K, assez pour un document de la longueur d'un livre en une requête. MiniMax-M2.7 a 180K.

Où se situe MiniMax-M2.7#

Le ratio décide entre les deux lignes qui gagnent les tableaux ci-dessus. Vous choisissez MiniMax-M2.7 pour une autre raison : la façon dont ses réponses se lisent sur votre tâche. Dans le tableau des coûts, il affiche aussi la plus large marge sous la colonne OpenRouter, et 180K de contexte suffisent largement pour le chat et la plupart des documents.

Aucun tableau de prix ne peut vous renseigner sur la qualité. Passez les mêmes 20 prompts de l'étape de mesure dans les trois ids (zai-org/GLM-5.3-Flash, deepseek-ai/DeepSeek-V4-Flash-0731, MiniMaxAI/MiniMax-M2.7) et lisez les réponses côte à côte. Pour un aperçu comparatif, voir GLM vs DeepSeek vs MiniMax: which model to choose. Pour des sessions d'agent complètes, voir Agent session cost: 50 steps on GLM, DeepSeek or MiniMax.

Mettez vos propres chiffres#

Saisissez les tokens d'une seule requête et le nombre de requêtes que vous envoyez par jour. Le calculateur utilise les prix en direct et affiche les trois modèles. Les valeurs de départ sont un bot de réponses RAG : 3 000 tokens de texte récupéré et de question en entrée, 500 en sortie. Faites glisser l'entrée vers le haut et regardez la ligne la moins chère changer.

Quand les chiffres vous semblent bons, parcourez cette liste.

L'URL de base et les ids de modèles sont dans la documentation CheapTokens, la liste complète des prix en direct est sur la page de tarification, et chaque modèle a sa propre page : GLM, DeepSeek, MiniMax. Un seul solde couvre les trois, donc changer après une mesure se fait en modifiant l'id du modèle sur une ligne.