Custo de sessão de agente: 50 passos no GLM, DeepSeek ou MiniMax

Seu agente rodou por dez minutos, e a conta é maior que a tarefa. Nada de estranho aconteceu: cada passo reenvia todo o histórico, então o lado da entrada cresce a cada passo e acaba sendo a maior parte do custo. Com os números abaixo, uma sessão de 50 passos envia 885.000 tokens de entrada e grava 40.000. Escolha o modelo pela forma como o histórico vai crescer e pelo tamanho que uma resposta precisa ter, depois confira o total na tabela.

Por que o passo 50 custa mais que o passo 1#

Um modelo não lembra de nada entre chamadas. Para continuar uma tarefa, o agente reenvia tudo: as instruções, cada passo anterior e o que o último passo produziu. O passo 1 envia o contexto inicial. O passo 50 envia o contexto inicial mais 49 passos de histórico. Se a ideia é nova para você, por que agentes de IA usam tantos tokens percorre um exemplo de 20 passos.

Digamos que o agente comece com 3.000 tokens (prompt de sistema, tarefa, alguns arquivos) e cada passo acrescente cerca de 600 tokens ao histórico: o agente mantém uma nota resumida do que fez e viu, e descarta o resto. O passo 50 então envia 3.000 + 600 × 49 = 32.400 tokens. A resposta fica em torno de 800 tokens por passo. A pergunta não para de crescer; a resposta, sim.

A soma dos 50 passos#

Antes da aritmética, faça um palpite.

A soma, na ordem em que você faria no papel:

• O contexto inicial sai 50 vezes: 50 × 3.000 = 150.000.
• Os números dos passos de 0 a 49 somam 49 × 50 ÷ 2 = 1.225, e cada unidade são 600 tokens de histórico: 600 × 1.225 = 735.000.
• Entrada no total: 150.000 + 735.000 = 885.000.
• Saída no total: 50 × 800 = 40.000.

O histórico é 735.000 dos 885.000, e cresce mais rápido que o número de passos. Dobre a tarefa para 100 passos: 99 × 100 ÷ 2 = 4.950, então o histórico é 600 × 4.950 = 2.970.000 e o contexto inicial é 100 × 3.000 = 300.000, o que dá 3.270.000 tokens de entrada no total. O dobro de passos, quase o quádruplo de entrada. A saída só dobra: 100 × 800 = 80.000.

Quanto a sessão custa em cada modelo#

Uma requisição é cobrada por entrada e saída juntas, então compare o total. Contado assim, os três modelos saem mais baratos que o OpenRouter no total para essa carga; a coluna do OpenRouter na tabela mostra isso. Os preços são ao vivo, então a tabela fica atualizada.

Leia pelo lado da entrada. Cerca de 96 de cada 100 tokens nesta sessão são de entrada, então o preço de entrada decide a maior parte do total. Entrada por 1M tokens hoje: DeepSeek-V4-Flash $0.015, GLM-5.3-Flash $0.02, MiniMax-M2.7 $0.05.

E a duplicação, no DeepSeek-V4-Flash:

Agora a sua própria carga. O passo médio no nosso exemplo envia 885.000 ÷ 50 = 17.700 tokens de entrada e grava 800. Cinco tarefas assim em um dia são 5 × 50 = 250 passos. Troque os números pelos seus; a calculadora soma ao longo dos passos com preços ao vivo.

O histórico cabe na janela?#

Custo é um limite. O outro é a janela: uma requisição maior que o contexto do modelo não pode ser enviada de jeito nenhum. O catálogo de modelos da CheapTokens (4 de novembro de 2026) lista estes limites:

Com nosso crescimento de 600 tokens por passo, só o histórico chega perto da janela depois de muitos passos: MiniMax-M2.7 em cerca do passo 290 (3.000 + 600 × 289 = 176.400), DeepSeek-V4-Flash em cerca do passo 620 (3.000 + 600 × 619 = 374.400), GLM-5.3-Flash em cerca do passo 640 (3.000 + 600 × 639 = 386.400). Uma sessão de 50 passos usa uma pequena parte de qualquer uma delas.

Sessões reais são mais irregulares. Se um passo cola um log grande e acrescenta 6.000 tokens em vez de 600, os 180K do MiniMax-M2.7 acabam por volta do passo 30: 3.000 + 6.000 × 29 = 177.000. A mesma tarefa cabe nas janelas maiores por muito mais tempo.

O limite de resposta funciona ao contrário. GLM-5.3-Flash e MiniMax-M2.7 escrevem até 8.192 tokens por resposta, DeepSeek-V4-Flash até 32.768. Digamos que um passo precise produzir um relatório de 10.000 tokens. No limite de 8.192 a resposta para no teto e finish_reason diz length; no DeepSeek-V4-Flash cabe em uma resposta.

A mesma soma para um bot de suporte#

Um bot de suporte é o mesmo laço com uma pessoa dentro. Digamos que uma conversa dure 30 turnos, o prompt de sistema e as regras ocupem 1.000 tokens, e cada turno acrescente 300 tokens ao histórico (100 do cliente, 200 do bot).

• Contexto inicial, 30 vezes: 30 × 1.000 = 30.000.
• Histórico: 29 × 30 ÷ 2 = 435 unidades de 300 tokens, então 300 × 435 = 130.500.
• Entrada no total: 30.000 + 130.500 = 160.500.
• Saída no total: 30 × 200 = 6.000.

Uma conversa assim custa $0.0035 no GLM-5.3-Flash, $0.003 no DeepSeek-V4-Flash e $0.0089 no MiniMax-M2.7. A forma é a mesma: cerca de 96 de cada 100 tokens são de entrada. Um bot com milhares de conversas por dia sente isso na primeira semana, e enxugar o histórico é a alavanca. Janela deslizante ou resumo mostra como.

Meça sua própria sessão#

As premissas acima são números redondos. Seu agente tem as suas, e a API informa exatamente: toda resposta carrega um objeto usage com os tokens de entrada e saída daquela chamada. Este laço tem a mesma forma de um agente sem as ferramentas: o histórico cresce, a lista inteira é reenviada. É um exemplo; troque o prompt pela sua tarefa.

import os
import requests

URL = 'https://api.cheaptokens.dev/v1/chat/completions'
HEADERS = {'Authorization': 'Bearer ' + os.environ['CHEAPTOKENS_API_KEY']}

messages = [{'role': 'system', 'content': 'You are a research agent. Work in small steps.'}]
total_in = total_out = 0

for step in range(1, 51):
    messages.append({'role': 'user', 'content': f'Step {step}: continue the task.'})
    r = requests.post(URL, headers=HEADERS, timeout=120, json={
        'model': 'deepseek-ai/DeepSeek-V4-Flash-0731',
        'messages': messages,
        'max_tokens': 800,
    }).json()
    messages.append(r['choices'][0]['message'])
    total_in += r['usage']['prompt_tokens']
    total_out += r['usage']['completion_tokens']
    print(step, r['usage']['prompt_tokens'], r['usage']['completion_tokens'])

print('session:', total_in, 'input,', total_out, 'output')

O número do meio em cada linha impressa é a entrada daquela chamada, e ele sobe a cada passo. Essa subida é o histórico. Coloque os dois totais da última linha na calculadora de custo acima no lugar de 885000 e 40000 e você tem o preço da sua sessão. A URL base, as chaves e os ids de modelo estão descritos na documentação da CheapTokens.

Qual modelo para a sua sessão#

O preço por sessão está na tabela. O que ela não mostra é se a sessão cabe, então escolha pelo seu caso:

Os três modelos ficam em um único saldo CheapTokens atrás do mesmo endereço compatível com OpenAI, então depois de um teste a troca é só mudar o id do modelo. Os preços atuais estão na página de preços; uma comparação lado a lado dos pontos fortes está em GLM vs DeepSeek vs MiniMax.