Browser Use em um modelo barato: configuração de base_url e custo de execução

O Browser Use aceita qualquer endpoint compatível com OpenAI, então conectá-lo ao CheapTokens exige três valores: base_url, sua chave e o id completo do modelo. Abaixo está um agent.py que abre uma página de produto, lê o preço e o reporta, além de uma estimativa do custo de uma execução com preços ao vivo.

Um agente de navegador reenvia o texto da página ao modelo a cada passo, então a estimativa vem antes do agendamento.

Instale e aponte para a API#

O README do Browser Use (verificado em 8 de novembro de 2026) instala com uv; a biblioteca exige Python 3.11+ e tem licença MIT. A página de modelos suportados da documentação mostra o padrão para endpoints personalizados: ChatOpenAI com um base_url, depois Agent(task=..., llm=llm).

uv init --python 3.12
uv add browser-use

Coloque a chave em um arquivo .env ao lado do script, nunca no código:

CHEAPTOKENS_API_KEY=your-key-here

Depois agent.py:

import asyncio
import os

from dotenv import load_dotenv
from browser_use import Agent, ChatOpenAI

load_dotenv()

llm = ChatOpenAI(
    model='deepseek-ai/DeepSeek-V4-Flash-0731',
    base_url='https://api.cheaptokens.dev/v1',
    api_key=os.getenv('CHEAPTOKENS_API_KEY'),
)

task = (
    'Open https://shop.example/laptop-x (replace with your product page). '
    'Find the current price and whether it is in stock. '
    'Reply with one line: price, currency, in stock yes/no. '
    'Do not click Buy or add anything to the cart.'
)

agent = Agent(task=task, llm=llm)
asyncio.run(agent.run())

Execute com uv run agent.py. Se a primeira execução reclamar de um navegador ausente, instale-o como mostra o Browser Use quickstart (uvx browser-use install, verificado em 8 de novembro de 2026).

Por que este modelo: uma execução de navegador são muitas chamadas com contexto de página longo. O DeepSeek-V4-Flash tem janela de contexto de 380K, até 32.768 tokens de saída por resposta e um preço único em qualquer hora do dia. O id precisa ser o deepseek-ai/DeepSeek-V4-Flash-0731 completo — os nomes curtos das tabelas de preço não são aceitos pela API. Outros ids e o básico da conexão estão na documentação do CheapTokens.

O que o agente realmente faz em uma página de preço#

Digamos que sua tarefa seja "quanto custa este notebook hoje". O agente executa um loop: recebe o texto da página, pergunta ao modelo o que fazer em seguida, executa a ação no navegador (abrir, rolar, clicar) e recebe o novo texto da página. Repete até o modelo decidir que tem a resposta.

Essa última seta é o que impulsiona o custo. Uma página de produto pode ter milhares de tokens de texto, e isso viaja em cada chamada. Um post de canal em 6 de novembro listou o Browser Use como a camada de navegador de um agente de compras que compara ofertas e acompanha quedas de preço; a mesma ideia serve para uma verificação diária de uma ou duas páginas, como na tarefa acima.

Um alerta antes de agendar qualquer coisa: o agente lê o que a página diz, e uma página pode conter instruções voltadas ao agente. A checklist de prompt injection cobre o que fazer a respeito, e a tarefa acima proíbe comprar pelo mesmo motivo.

Quanto custa uma execução#

Não adivinhe; assuma. Digamos que uma execução leve 15 passos. Cada passo envia a tarefa, o histórico e a página atual: cerca de 12.000 tokens de entrada, e o modelo responde com uma ação curta de cerca de 600 tokens.

15 × 12.000 = 180.000 tokens de entrada e 15 × 600 = 9.000 tokens de saída por execução. No DeepSeek-V4-Flash essa execução custa $0.0036, com entrada a $0.015 por 1M de tokens. A entrada é 20 vezes a saída aqui, o que é típico para trabalho de navegador, e somando tudo, o preço fica abaixo da referência do OpenRouter para este modelo.

A tabela abaixo usa os mesmos números por passo para 15 passos, para você ver cada modelo lado a lado:

Depois escale para o seu agendamento. Três páginas verificadas uma vez ao dia são 45 passos; arraste os controles para os seus próprios números.

A versão de 50 passos dessa aritmética em três modelos está em custo de sessão de agente. Se você preferir o GLM-5.3-Flash (contexto de 390K, até 8.192 tokens de saída), a linha dele está na tabela acima; as respostas de ação curta aqui cabem bem dentro desse limite. Os preços atuais de cada modelo estão na página de preços.

Se não funcionar#

Comece pelo texto do erro. Estes três são os suspeitos de sempre:

O último é descrito na página de modelos suportados do Browser Use (verificada em 8 de novembro de 2026) para modelos Qwen menores: eles podem retornar um esquema de ação errado. A correção sugerida pela documentação é colocar exemplos do formato de ação correto no prompt. Adicione-os ao texto da tarefa, por exemplo:

Actions are JSON objects like {"navigate": {"url": "https://..."}}.
Always put the url inside the object.

Se uma execução ficar dando voltas, torne a tarefa mais estreita: uma página, uma pergunta, resposta de uma linha. Tarefas curtas terminam em menos passos, e menos passos é a correção mais barata que existe.

A seguir: LangChain com um base_url personalizado usa a mesma ideia de base_url se você montar suas próprias chains em torno do agente de navegador.