आपके काम के लिए कौन सा सस्ता मॉडल? इनपुट:आउटपुट अनुपात से चुनें

अपने काम के स्वरूप से चुनें, सुर्खियों में दिखने वाली कीमत से नहीं। अगर इनपुट लंबा है और जवाब छोटा (लंबी रिपोर्ट का सारांश, लंबे इनपुट पर टैगिंग), तो DeepSeek-V4-Flash तीनों में सबसे सस्ता है। अगर जवाब इनपुट जितना लंबा या उससे भी लंबा है (छोटी चैट बातचीत, रीराइट, कोड जनरेशन), तो GLM-5.3-Flash सस्ता है, और लंबी चैट में जवाब बीच में ही पलट जाता है। MiniMax-M2.7 तब चुनें जब आपके अपने परीक्षण में उसके जवाब आपको सबसे उपयुक्त लगें, और तीनों में यह OpenRouter के संदर्भ मूल्य से सबसे नीचे है।

20 अनुरोधों के बाद आप देख सकते हैं कि आप किस पक्ष में हैं। नीचे दी गई कीमतें 6 नवंबर 2026 के CheapTokens मूल्य संदर्भ से हैं, और तालिका या मार्कर में हर संख्या लाइव है, इसलिए यह मौजूदा टैरिफ का पालन करती है।

एक अनुरोध के दो मीटर#

हर अनुरोध का दो बार बिल बनता है: एक बार आपके भेजे गए टोकन (इनपुट) के लिए, एक बार मॉडल द्वारा लौटाए गए टोकन (आउटपुट) के लिए। हर मॉडल अपने हर पक्ष के लिए अपनी कीमत तय करता है, और यहीं सुर्खियों की कीमतों की तुलना गलत हो जाती है (मूल बातें Input vs output tokens: what an AI API bills you for में हैं)।

DeepSeek-V4-Flash प्रति 1M टोकन इनपुट के लिए $0.015 और आउटपुट के लिए $0.10 लेता है। GLM-5.3-Flash $0.02 और $0.04 लेता है। MiniMax-M2.7 $0.05 और $0.15 लेता है। एक मॉडल अंदर आने पर सस्ता है, दूसरा बाहर जाने पर, इसलिए विजेता इस बात पर निर्भर करता है कि हर दिशा में कितने टोकन जाते हैं।

यह अनुपात जानने वाली संख्या है: इनपुट टोकन को आउटपुट टोकन से भाग दें। एक टैगर जो 600-टोकन का टिकट पढ़ता है और 10-टोकन के लेबल का जवाब देता है, 60 से 1 पर है (600 ÷ 10 = 60)। एक रीराइट टूल जो 400-टोकन का पैराग्राफ लेता है और 800 टोकन लौटाता है, 1 से 2 पर है (400 ÷ 800 = 0.5)।

20 अनुरोधों में अपना अनुपात मापें#

अनुमान लगाना ही गलती की जड़ है, इसलिए मापें। हर Chat Completions प्रतिक्रिया में usage ऑब्जेक्ट होता है जिसमें prompt_tokens (जो आपने भेजा) और completion_tokens (जो वापस आया) होता है। Anthropic Messages प्रारूप उन्हें input_tokens और output_tokens कहता है; CheapTokens docs दोनों प्रारूप दिखाते हैं।

अपने काम से 20–50 वास्तविक अनुरोध लें और हर पक्ष को जोड़ें। जोड़ें, प्रति-अनुरोध अनुपातों का औसत न निकालें: एक छोटा जवाब औसत को बुरी तरह बिगाड़ देगा।

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")

अंतिम पंक्ति आपका अनुपात प्रिंट करती है। वह एक संख्या ही आपको अगले भाग में ले जानी है।

अनुपात बिल पर क्या असर डालता है#

यहाँ चार सामान्य स्वरूप हैं। आकार सामान्य मानकर चुने गए अनुमान हैं; अपने स्वयं के रन की संख्याएँ डालें।

रोज़ 10,000 टिकट टैग करना#

मान लें एक सहायता टूल रोज़ 10,000 टिकट टैग करता है: 600 टोकन अंदर, 10-टोकन लेबल बाहर। हर मॉडल पर पूरा दिन:

तालिका पढ़ें। DeepSeek-V4-Flash यहाँ तीनों में सबसे सस्ता है, क्योंकि आप जो भी टोकन का भुगतान करते हैं वह लगभग सब इनपुट है। OpenRouter कॉलम दिखाता है कि तीनों मॉडल कुल मिलाकर संदर्भ मूल्य से नीचे हैं, इनपुट और आउटपुट को एक साथ गिनकर।

लंबी रिपोर्ट का सारांश#

12,000-टोकन की रिपोर्ट को 300-टोकन के सारांश में निचोड़ना 40 से 1 है (12,000 ÷ 300 = 40)। एक सारांश की कीमत DeepSeek-V4-Flash पर $0.00021 और GLM-5.3-Flash पर $0.00025 है। टैगिंग जैसी ही कहानी: जितना ज़्यादा आप प्रति लिखे शब्द पढ़ते हैं, उतना ही DeepSeek की इनपुट कीमत मदद करती है।

रीराइट और कोड फ़ाइलें#

अब इसे पलटें। एक टोन रीराइट 400 टोकन अंदर लेता है और 800 वापस देता है। DeepSeek-V4-Flash: $0.000086। GLM-5.3-Flash: $0.00004। इस बिल का बड़ा हिस्सा आउटपुट है, इसलिए सबसे कम आउटपुट कीमत वाला मॉडल जीतता है, और वह GLM-5.3-Flash है।

एक चैट जो बढ़ती रहती है#

चैट धोखेबाज़ है, क्योंकि API की कोई स्मृति नहीं होती: हर बार आप पूरा messages ऐरे फिर से भेजते हैं। पहले टर्न पर उपयोगकर्ता 300 टोकन लिखता है और बॉट 200 का जवाब देता है (300 ÷ 200 = 1.5)। यह GLM का क्षेत्र है: DeepSeek-V4-Flash पर $0.000025 के मुकाबले $0.000014।

30वें टर्न तक इतिहास 6,000 टोकन का हो जाता है और जवाब अभी भी 200 है (6,000 ÷ 200 = 30)। अब GLM-5.3-Flash पर $0.00013 का सामना DeepSeek-V4-Flash पर $0.00011 से होता है, और सस्ता मॉडल बदल गया है। वही बॉट लंबी बातचीत के बीच में अपना सबसे अच्छा मॉडल बदल देता है।

जब एक जवाब की लंबाई निर्णायक हो#

अनुपात ही एकमात्र द्वार नहीं है। जवाब की सीमा अलग है: DeepSeek-V4-Flash एक जवाब में 32,768 आउटपुट टोकन तक लिखता है, GLM-5.3-Flash और MiniMax-M2.7 8,192 तक।

मान लें आप एक बार में पूरा 12,000-टोकन मॉड्यूल माँगते हैं। 8,192 की सीमा वाले मॉडल पर जवाब फ़ाइल के बीच में finish_reason: length के साथ रुक जाता है (समाधान AI answer cut off? Fix finish_reason length and max_tokens में है)। DeepSeek-V4-Flash पर यह फिट हो जाता है। इसलिए लंबे एकल आउटपुट के लिए पहले सीमा जाँचें और अनुपात बाद में।

इनपुट पक्ष पर GLM-5.3-Flash 390K टोकन का संदर्भ लेता है और DeepSeek-V4-Flash 380K, एक अनुरोध में पूरी किताब जितना लंबा दस्तावेज़ के लिए पर्याप्त। MiniMax-M2.7 में 180K है।

MiniMax-M2.7 कहाँ फिट बैठता है#

अनुपात ऊपर की तालिकाओं में जीतने वाली दो पंक्तियों के बीच फैसला करता है। आप MiniMax-M2.7 को अलग कारण से चुनते हैं: आपके काम पर उसके जवाब कैसे पढ़े जाते हैं। लागत तालिका में यह OpenRouter कॉलम के नीचे सबसे चौड़ा अंतर भी दिखाता है, और 180K संदर्भ चैट और अधिकांश दस्तावेज़ों के लिए काफी है।

कोई भी मूल्य तालिका आपको गुणवत्ता के बारे में नहीं बता सकती। मापने के चरण के वही 20 प्रॉम्प्ट तीनों आईडी (zai-org/GLM-5.3-Flash, deepseek-ai/DeepSeek-V4-Flash-0731, MiniMaxAI/MiniMax-M2.7) पर चलाएँ और जवाब साथ-साथ पढ़ें। आमने-सामने के अवलोकन के लिए GLM vs DeepSeek vs MiniMax: which model to choose देखें। पूरे एजेंट सत्रों के लिए Agent session cost: 50 steps on GLM, DeepSeek or MiniMax देखें।

अपनी संख्याएँ डालें#

एक अनुरोध के टोकन और आप रोज़ कितने अनुरोध भेजते हैं, दर्ज करें। कैलकुलेटर लाइव कीमतों का उपयोग करता है और तीनों मॉडल दिखाता है। शुरुआती मान एक RAG उत्तर बॉट हैं: 3,000 टोकन पुनर्प्राप्त पाठ और प्रश्न अंदर, 500 बाहर। इनपुट को ऊपर खींचें और सबसे सस्ती पंक्ति को बदलते देखें।

जब संख्याएँ सही लगें, तो इस सूची से गुज़रें।

बेस URL और मॉडल आईडी CheapTokens docs में हैं, पूरी लाइव मूल्य सूची pricing page पर है, और हर मॉडल का अपना पेज है: GLM, DeepSeek, MiniMax। एक बैलेंस तीनों को कवर करता है, इसलिए मापने के बाद स्विच करना मॉडल आईडी की एक-पंक्ति की तब्दीली है।