Quale modello economico per il tuo task? Scegli in base al rapporto input:output

Scegli in base alla forma del tuo task, non al prezzo di copertina. Se l'input è lungo e la risposta è breve (riassunti di report lunghi, tagging su input lunghi), DeepSeek-V4-Flash costa meno degli altri due. Se la risposta è lunga quanto l'input o di più (turni di chat brevi, riscritture, generazione di codice), vince GLM-5.3-Flash, e una chat lunga ribalta la risposta a metà. MiniMax-M2.7 è quello da scegliere quando il tuo test dice che le sue risposte ti si addicono di più, e dei tre è quello che sta più sotto il prezzo di riferimento di OpenRouter.

Dopo 20 richieste puoi vedere da che parte stai. I prezzi qui sotto vengono dal riferimento prezzi di CheapTokens del 6 novembre 2026, e ogni numero in una tabella o in un marcatore è live, quindi segue le tariffe correnti.

Una richiesta ha due contatori#

Ogni richiesta viene fatturata due volte: una per i token che invii (input), una per i token che il modello scrive in risposta (output). Ogni modello fissa il proprio prezzo per ciascun lato, ed è qui che il confronto dei prezzi di copertina va storto (le basi sono in Input vs output tokens: what an AI API bills you for).

DeepSeek-V4-Flash addebita $0.015 per l'input e $0.10 per l'output per 1M di token. GLM-5.3-Flash addebita $0.02 e $0.04. MiniMax-M2.7 addebita $0.05 e $0.15. Un modello è più economico in entrata, un altro in uscita, quindi il vincitore dipende da quanti token viaggiano in ciascuna direzione.

Quella proporzione è il numero da conoscere: token di input diviso token di output. Un tagger che legge un ticket da 600 token e risponde con un'etichetta da 10 token sta a 60 a 1 (600 ÷ 10 = 60). Uno strumento di riscrittura che prende un paragrafo da 400 token e restituisce 800 token sta a 1 a 2 (400 ÷ 800 = 0.5).

Misura il tuo rapporto in 20 richieste#

Tirare a indovinare è dove questo va storto, quindi misura. Ogni risposta di Chat Completions porta un oggetto usage con prompt_tokens (quello che hai inviato) e completion_tokens (quello che è tornato). Il formato Anthropic Messages li chiama input_tokens e output_tokens; la documentazione di CheapTokens mostra entrambi i formati.

Prendi 20–50 richieste reali dal tuo task e somma ciascun lato. Somma, non fare la media dei rapporti per richiesta: una risposta minuscola trascinerebbe una media ovunque.

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")

L'ultima riga stampa il tuo rapporto. Quel singolo numero è tutto ciò che porti nella sezione successiva.

Cosa fa il rapporto al conto#

Ecco quattro forme comuni. Le dimensioni sono ipotesi scelte per essere tipiche; sostituiscile con i numeri della tua esecuzione.

Tagging di 10.000 ticket al giorno#

Diciamo che uno strumento di supporto tagga 10.000 ticket al giorno: 600 token in, un'etichetta da 10 token out. L'intera giornata su ciascun modello:

Leggi la tabella. DeepSeek-V4-Flash è il più economico dei tre qui, perché quasi ogni token che paghi è input. La colonna OpenRouter mostra tutti e tre i modelli sotto il prezzo di riferimento in totale, con input e output contati insieme.

Riassumere report lunghi#

Un report da 12.000 token compresso in un riassunto da 300 token è 40 a 1 (12.000 ÷ 300 = 40). Un riassunto costa $0.00021 su DeepSeek-V4-Flash e $0.00025 su GLM-5.3-Flash. Stessa storia del tagging: più leggi per ogni parola che scrivi, più il prezzo dell'input di DeepSeek aiuta.

Riscritture e file di codice#

Ora ribalta la cosa. Una riscrittura di tono prende 400 token in e ne restituisce 800. DeepSeek-V4-Flash: $0.000086. GLM-5.3-Flash: $0.00004. L'output è la metà più grande di questo conto, quindi vince il modello con il prezzo di output più basso, e cioè GLM-5.3-Flash.

Una chat che continua a crescere#

La chat è quella subdola, perché l'API non ha memoria: a ogni turno reinvii l'intero array dei messaggi. Al turno 1 l'utente scrive 300 token e il bot risponde 200 (300 ÷ 200 = 1.5). Quello è territorio GLM: $0.000014 contro $0.000025 su DeepSeek-V4-Flash.

Al turno 30 la cronologia è di 6.000 token e la risposta è ancora 200 (6.000 ÷ 200 = 30). Ora $0.00013 su GLM-5.3-Flash fronteggia $0.00011 su DeepSeek-V4-Flash, e il modello più economico si è ribaltato. Lo stesso bot cambia il suo modello migliore a metà di una conversazione lunga.

Quando decide la lunghezza di una singola risposta#

Il rapporto non è l'unico filtro. Il limite della risposta è diverso: DeepSeek-V4-Flash scrive fino a 32.768 token di output in una risposta, GLM-5.3-Flash e MiniMax-M2.7 fino a 8.192.

Diciamo che chiedi un intero modulo da 12.000 token in un colpo solo. Su un modello limitato a 8.192 la risposta si ferma a metà file con finish_reason: length (la soluzione è in AI answer cut off? Fix finish_reason length and max_tokens). Su DeepSeek-V4-Flash ci sta. Quindi per output singoli lunghi, controlla prima il limite e poi il rapporto.

Sul lato input GLM-5.3-Flash accetta 390K token di contesto e DeepSeek-V4-Flash 380K, abbastanza per un intero documento lungo quanto un libro in una sola richiesta. MiniMax-M2.7 ha 180K.

Dove si colloca MiniMax-M2.7#

Il rapporto decide tra le due righe che vincono le tabelle qui sopra. Scegli MiniMax-M2.7 per un motivo diverso: come suonano le sue risposte sul tuo task. Nella tabella dei costi mostra anche il margine più ampio sotto la colonna OpenRouter, e 180K di contesto bastano abbondantemente per chat e per la maggior parte dei documenti.

Nessuna tabella di prezzi può dirti nulla sulla qualità. Esegui gli stessi 20 prompt del passo di misurazione su tutti e tre gli id (zai-org/GLM-5.3-Flash, deepseek-ai/DeepSeek-V4-Flash-0731, MiniMaxAI/MiniMax-M2.7) e leggi le risposte affiancate. Per una panoramica testa a testa vedi GLM vs DeepSeek vs MiniMax: which model to choose. Per intere sessioni di agente, vedi Agent session cost: 50 steps on GLM, DeepSeek or MiniMax.

Inserisci i tuoi numeri#

Inserisci i token di una singola richiesta e quante richieste invii al giorno. Il calcolatore usa prezzi live e mostra tutti e tre i modelli. I valori iniziali sono un bot di risposte RAG: 3.000 token di testo recuperato e domanda in input, 500 in output. Trascina l'input verso l'alto e guarda la riga più economica cambiare.

Quando i numeri ti sembrano giusti, scorri questa lista.

La base URL e gli id dei modelli sono nella documentazione di CheapTokens, la lista completa dei prezzi live è nella pagina dei prezzi, e ogni modello ha la sua pagina: GLM, DeepSeek, MiniMax. Un solo saldo copre tutti e tre, quindi cambiare dopo una misurazione è un cambio di una riga dell'id del modello.