कोडिंग के लिए GPT-6.1 Terra बनाम Sol बनाम Luna: प्रति कार्य लागत

आपका एजेंट सत्र समाप्त हुआ, डिफ़ ठीक दिखता है, और अब आप सोच रहे हैं कि क्या सबसे महंगा टियर आवश्यक था। संक्षिप्त उत्तर: टेरा से शुरू करें, सरल बल्क स्टेप्स लूना को भेजें, और सोल के लिए केवल तब भुगतान करें जब टेरा पहले ही कार्य में असफल हो चुका हो। एक समान संपादन (40,000 टोकन इन, 3,000 आउट) पर OpenAI की मानक कीमतें लूना पर $0.0055, टेरा पर $0.055 और सोल पर $0.11 देती हैं।

मूल्य सूची क्या कहती है#

OpenAI का मूल्य पृष्ठ (29 अक्टूबर 2026 को जाँचा गया, मानक टियर, इनपुट 272K टोकन तक) प्रति 1M टोकन ये कीमतें सूचीबद्ध करता है:

पैटर्न सुव्यवस्थित है। सोल हर कॉलम में टेरा से ठीक दोगुना है। लूना इनपुट और आउटपुट पर टेरा का दसवां हिस्सा है, और कैश्ड इनपुट पर पांचवां हिस्सा। तो लागत की सीढ़ी तय है, और असली सवाल यह है कि सस्ता रंग कितनी बार काम पूरा करता है।

अंतिम कॉलम सादा अंकगणित है। टेरा पर: 40,000 × 1.00 / 1,000,000 = 0.04 इनपुट के लिए और 3,000 × 5.00 / 1,000,000 = 0.015 आउटपुट के लिए, तो 0.04 + 0.015 = 0.055। सोल पर वही योग 0.08 + 0.03 = 0.11 है, लूना पर 0.004 + 0.0015 = 0.0055।

एक संपादन, फिर उनमें से पचास#

मान लें कि आप एक दिन में ऐसे 50 संपादन करते हैं: एक फ़ंक्शन फिर से लिखना, उसके तोड़े गए टेस्ट ठीक करना, लगभग 40,000 टोकन फ़ाइलें और निर्देश इन और 3,000 टोकन पैच और स्पष्टीकरण आउट। तो एक दिन की लागत टेरा पर 50 × 0.055 = 2.75 डॉलर, सोल पर 50 × 0.11 = 5.50 और लूना पर 50 × 0.0055 = 0.275 होगी।

एक संपादन पर $0.11 कोई महसूस नहीं करता। उस गति से सोल का एक महीना अलग बात है, और यही कारण है कि टियर को मूड के बजाय कार्य के प्रकार के अनुसार एक बार तय करना चाहिए।

यहाँ पूरी गणना कुछ पंक्तियों के रूप में है जिन्हें आप पेस्ट कर सकते हैं और अपने टोकन गणना के साथ फिर से चला सकते हैं (ऊपर तालिका से उदाहरण कीमतें, वर्तमान वाली डालें):

PRICES = {  # $ per 1M tokens: (input, output), OpenAI, 29 Oct 2026
    'luna': (0.10, 0.50),
    'terra': (1.00, 5.00),
    'sol': (2.00, 10.00),
}

def cost(tier, tokens_in, tokens_out):
    p_in, p_out = PRICES[tier]
    return (tokens_in * p_in + tokens_out * p_out) / 1_000_000

print(cost('terra', 40_000, 3_000))  # 0.055

एजेंट लूप: इनपुट ही बिल है#

एक संपादन एक अनुरोध है। एक एजेंट एक पंक्ति में बीस हैं, और प्रत्येक चरण अब तक की फ़ाइलें और इतिहास फिर से पढ़ता है। 20 चरणों का लूप लें जहाँ प्रत्येक चरण लगभग 30,000 टोकन भेजता है और लगभग 1,000 वापस पाता है। यह 600,000 टोकन इन और 20,000 आउट है।

टेरा पर: 600,000 × 1.00 / 1,000,000 = 0.60 इनपुट के लिए और 20,000 × 5.00 / 1,000,000 = 0.10 आउटपुट के लिए, तो 0.60 + 0.10 = 0.70 डॉलर। सोल इसे दोगुना करके 1.40 करता है, लूना इसे घटाकर 0.07 करता है। विभाजन देखें: $0.70 में से $0.60 वह है जो आप भेजते हैं, न कि जो मॉडल लिखता है। यह अधिकांश लोगों की बिल की कल्पना के विपरीत है।

कैशिंग तस्वीर बदल देती है, अगर आपका प्रीफ़िक्स वास्तव में दोहराता है। मान लें कि प्रत्येक चरण में 30,000 टोकन में से 25,000 समान प्रीफ़िक्स हैं और कैश हिट करते हैं: 100,000 × 1.00 / 1,000,000 = 0.10 ताज़ा इनपुट, 500,000 × 0.05 / 1,000,000 = 0.025 कैश्ड इनपुट, साथ में 0.10 आउटपुट, तो टेरा 0.10 + 0.025 + 0.10 = 0.225 पर आता है। यह कैसे काम करता है, प्रॉम्प्ट कैशिंग क्या है में है; इतिहास क्यों बढ़ता रहता है, AI एजेंट इतने टोकन क्यों उपयोग करते हैं में है।

नीचे दिया गया कैलकुलेटर CheapTokens मॉडल पर वही लूप चलाता है। चरणों और टोकन को अपने एजेंट से मेल खाने के लिए बदलें।

किस कार्य के लिए कौन सा टियर#

एक टेलीग्राम चैनल लेखक, जो AI प्रयोग चलाता है, ने Codex में टेरा की सोल और लूना से तुलना की और 28 अक्टूबर 2026 को एक वीडियो प्रकाशित किया। उनका निष्कर्ष, उनके अपने शीर्षक में, यह है कि टेरा एक मध्यम टियर है और यह कोई कमी नहीं है (पोस्ट)। यह ढांचा एक उपयोगी संकेत है: मध्यम रंग डिफ़ॉल्ट है, और अन्य दो को एक कारण चाहिए।

कारण आमतौर पर पुनःप्रयास हैं। समान टोकन गणना पर, दो टेरा प्रयासों की लागत 2 × 0.055 = 0.11 है, जो एक सोल प्रयास है। और दस लूना प्रयासों की लागत 10 × 0.0055 = 0.055 है, जो एक टेरा प्रयास है। तो अगर सोल एकमात्र टियर है जो किसी श्रेणी के कार्यों को पहली बार में पूरा करता है, तो यह उन कार्यों पर अपनी लागत वसूल करता है। अगर लूना किसी श्रेणी के कार्यों को दस में से एक से अधिक बार पूरा करता है, तो यह उन्हें पाने का सस्ता तरीका है, चूक की समीक्षा में लगे समय की गिनती से पहले।

अपनी स्थिति के सबसे निकट चुनें:

जब सस्ता ओपन-वेट मॉडल पर्याप्त हो#

तीन OpenAI टियर पर वही संपादन तीन CheapTokens मॉडल के बगल में, समान 40,000 टोकन इन और 3,000 आउट के साथ:

बार कीमत दिखाते हैं, परिणाम नहीं। क्या इनमें से कोई मॉडल आपके संपादनों के लिए पर्याप्त अच्छा है, यह आप उसी तरह जाँचते हैं जैसे लूना के लिए: वास्तविक कार्यों को रीप्ले करें और डिफ़ पढ़ें। अगर यह पास हो जाता है, तो बिल और गिरता है। एजेंट लूप के लिए, DeepSeek-V4-Flash में 380K संदर्भ, उत्तर में 32,768 टोकन तक और दिन के किसी भी समय एक ही कीमत है। GLM-5.3-Flash में 390K संदर्भ और MiniMax-M2.7 में 180K संदर्भ है; सभी कीमतें मूल्य पृष्ठ पर हैं, और कनेक्शन चरण दस्तावेज़ों में हैं।

अपने स्वयं के कार्यों को रीप्ले करें#

तालिका आपको लागत देती है। गुणवत्ता आप एक दोपहर में पता लगाते हैं: अपने हाल के इतिहास से दस कार्य लें, प्रत्येक को लूना पर चलाएं, फिर टेरा पर, और डिफ़ को साथ-साथ रखें। आपको केवल आवश्यक संख्याएँ प्रतिक्रिया में, usage फ़ील्ड में मिलती हैं, जिससे किसी रन की कीमत सटीक रूप से लगाना आसान हो जाता है। CheapTokens के साथ यह ऐसा दिखता है:

curl https://api.cheaptokens.dev/v1/chat/completions \
  -H "Authorization: Bearer $CHEAPTOKENS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "deepseek-ai/DeepSeek-V4-Flash-0731", "messages": [{"role": "user", "content": "Rename the variable x to retry_count in this function: ..."}]}'

वापस आने वाले JSON में, usage.prompt_tokens और usage.completion_tokens उस कार्य के लिए आपके इनपुट और आउटपुट हैं। उन्हें ऊपर दिए गए cost() हेल्पर में डालें, और आपके पास किसी भी कीमत वाले मॉडल के लिए प्रति कार्य लागत होगी। नए टियर के लॉन्च विवरण के लिए, GPT-6.1 Terra API मूल्य देखें; इनपुट/आउटपुट विभाजन के लिए, इनपुट बनाम आउटपुट टोकन देखें।