Qual modelo barato para sua tarefa? Escolha pela proporção entrada:saída

Escolha pela forma da sua tarefa, não pelo preço de destaque. Se a entrada é longa e a resposta é curta (resumos de relatórios longos, marcação sobre entradas longas), o DeepSeek-V4-Flash custa menos dos três. Se a resposta é tão longa quanto a entrada ou mais (turnos curtos de chat, reescritas, geração de código), o GLM-5.3-Flash custa menos, e um chat longo inverte a resposta no meio. O MiniMax-M2.7 é o escolhido quando seu próprio teste diz que as respostas dele combinam melhor com você, e dos três é o que fica mais abaixo do preço de referência do OpenRouter.

Você consegue ver de que lado está depois de 20 requisições. Os preços abaixo vêm da referência de preços do CheapTokens de 6 de novembro de 2026, e cada número em uma tabela ou marcador é ao vivo, então acompanha as tarifas atuais.

Uma requisição tem dois medidores#

Cada requisição é cobrada duas vezes: uma pelos tokens que você envia (entrada), outra pelos tokens que o modelo escreve de volta (saída). Cada modelo define seu próprio preço para cada lado, e é aí que a comparação de preços de destaque dá errado (o básico está em Input vs output tokens: what an AI API bills you for).

O DeepSeek-V4-Flash cobra $0.015 pela entrada e $0.10 pela saída por 1M de tokens. O GLM-5.3-Flash cobra $0.02 e $0.04. O MiniMax-M2.7 cobra $0.05 e $0.15. Um modelo é mais barato na entrada, outro na saída, então o vencedor depende de quantos tokens viajam em cada direção.

Essa proporção é o número a saber: tokens de entrada divididos por tokens de saída. Um marcador que lê um ticket de 600 tokens e responde com um rótulo de 10 tokens fica em 60 para 1 (600 ÷ 10 = 60). Uma ferramenta de reescrita que pega um parágrafo de 400 tokens e devolve 800 tokens fica em 1 para 2 (400 ÷ 800 = 0,5).

Meça sua própria proporção em 20 requisições#

Adivinhar é onde isso dá errado, então meça. Toda resposta de Chat Completions carrega um objeto usage com prompt_tokens (o que você enviou) e completion_tokens (o que voltou). O formato Anthropic Messages os chama de input_tokens e output_tokens; a documentação do CheapTokens mostra os dois formatos.

Pegue 20–50 requisições reais da sua tarefa e some cada lado. Some, não tire a média das proporções por requisição: uma resposta minúscula arrastaria uma média para todo lado.

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")

A última linha imprime sua proporção. Esse único número é tudo o que você leva para a próxima seção.

O que a proporção faz com a conta#

Aqui estão quatro formas comuns. Os tamanhos são suposições escolhidas para serem típicas; troque pelos números da sua própria execução.

Marcar 10.000 tickets por dia#

Digamos que uma ferramenta de suporte marque 10.000 tickets por dia: 600 tokens de entrada, um rótulo de 10 tokens de saída. O dia inteiro em cada modelo:

Leia a tabela. O DeepSeek-V4-Flash é o mais barato dos três aqui, porque quase todo token que você paga é de entrada. A coluna do OpenRouter mostra os três modelos abaixo do preço de referência no total, com entrada e saída contadas juntas.

Resumir relatórios longos#

Um relatório de 12.000 tokens comprimido em um resumo de 300 tokens é 40 para 1 (12.000 ÷ 300 = 40). Um resumo custa $0.00021 no DeepSeek-V4-Flash e $0.00025 no GLM-5.3-Flash. Mesma história da marcação: quanto mais você lê por palavra que escreve, mais o preço de entrada do DeepSeek ajuda.

Reescritas e arquivos de código#

Agora inverta. Uma reescrita de tom pega 400 tokens de entrada e devolve 800. DeepSeek-V4-Flash: $0.000086. GLM-5.3-Flash: $0.00004. A saída é a metade maior desta conta, então o modelo com o menor preço de saída vence, e esse é o GLM-5.3-Flash.

Um chat que não para de crescer#

Chat é o traiçoeiro, porque a API não tem memória: a cada turno você reenvia o array de mensagens inteiro. No turno 1 o usuário escreve 300 tokens e o bot responde 200 (300 ÷ 200 = 1,5). Isso é território do GLM: $0.000014 contra $0.000025 no DeepSeek-V4-Flash.

No turno 30 o histórico é de 6.000 tokens e a resposta ainda é 200 (6.000 ÷ 200 = 30). Agora $0.00013 no GLM-5.3-Flash enfrenta $0.00011 no DeepSeek-V4-Flash, e o modelo mais barato inverteu. O mesmo bot muda seu melhor modelo no meio de uma conversa longa.

Quando o tamanho de uma resposta decide#

A proporção não é o único critério. O limite de resposta difere: o DeepSeek-V4-Flash escreve até 32.768 tokens de saída em uma resposta, o GLM-5.3-Flash e o MiniMax-M2.7 até 8.192.

Digamos que você peça um módulo inteiro de 12.000 tokens de uma vez. Em um modelo limitado a 8.192 a resposta para no meio do arquivo com finish_reason: length (a correção está em AI answer cut off? Fix finish_reason length and max_tokens). No DeepSeek-V4-Flash cabe. Então, para saídas únicas longas, verifique o limite primeiro e a proporção depois.

No lado da entrada, o GLM-5.3-Flash aceita 390K tokens de contexto e o DeepSeek-V4-Flash 380K, o suficiente para um documento do tamanho de um livro inteiro em uma requisição. O MiniMax-M2.7 tem 180K.

Onde o MiniMax-M2.7 se encaixa#

A proporção decide entre as duas linhas que vencem as tabelas acima. Você escolhe o MiniMax-M2.7 por outro motivo: como as respostas dele soam na sua tarefa. Na tabela de custos ele também mostra a maior margem abaixo da coluna do OpenRouter, e 180K de contexto é bastante para chat e a maioria dos documentos.

Nenhuma tabela de preços pode falar sobre qualidade. Rode os mesmos 20 prompts da etapa de medição pelos três ids (zai-org/GLM-5.3-Flash, deepseek-ai/DeepSeek-V4-Flash-0731, MiniMaxAI/MiniMax-M2.7) e leia as respostas lado a lado. Para uma visão geral comparativa, veja GLM vs DeepSeek vs MiniMax: which model to choose. Para sessões de agente inteiras, veja Agent session cost: 50 steps on GLM, DeepSeek or MiniMax.

Coloque seus próprios números#

Informe os tokens de uma única requisição e quantas requisições você envia por dia. A calculadora usa preços ao vivo e mostra os três modelos. Os valores iniciais são de um bot de respostas RAG: 3.000 tokens de texto recuperado e pergunta na entrada, 500 na saída. Arraste a entrada para cima e veja a linha mais barata mudar.

Quando os números parecerem certos, passe por esta lista.

A URL base e os ids dos modelos estão na documentação do CheapTokens, a lista completa de preços ao vivo está na página de preços, e cada modelo tem sua própria página: GLM, DeepSeek, MiniMax. Um saldo cobre os três, então trocar depois de uma medição é uma mudança de uma linha no id do modelo.