Какая дешёвая модель вам нужна: выбор по входу и выходу

Выбирайте по форме задачи, а не по цене в заголовке. Если вход длинный, а ответ короткий (разметка, сводки длинных отчётов), из трёх дешевле всего выйдет DeepSeek-V4-Flash. Если ответ сопоставим со входом или длиннее (короткие реплики в чате, переписывание, генерация кода), дешевле GLM-5.3-Flash, а длинный чат посреди разговора меняет ответ. MiniMax-M2.7 берут, когда ваш собственный тест показал, что его ответы подходят лучше; из трёх у него самый большой отрыв от референсной цены OpenRouter.

Где вы находитесь, видно уже после 20 запросов. Цены ниже взяты из справки CheapTokens на 6 ноября 2026 года, а все числа в таблицах и метках живые: они следуют за текущими тарифами.

У запроса два счётчика#

Каждый запрос оплачивается дважды: за токены, которые вы отправили (вход), и за токены, которые модель написала в ответ (выход). У каждой модели своя цена на каждую сторону, и именно здесь сравнение по цене в заголовке ломается (основы — в статье чем отличаются входные и выходные токены и за что вы платите).

DeepSeek-V4-Flash берёт $0.015 за вход и $0.10 за выход на 1 млн токенов. GLM-5.3-Flash — $0.02 и $0.04. MiniMax-M2.7 — $0.05 и $0.15. Одна модель дешевле на входе, другая на выходе, так что победитель зависит от того, сколько токенов идёт в каждую сторону.

Эта пропорция и есть главное число: входные токены, делённые на выходные. Разметчик читает тикет в 600 токенов и отвечает меткой в 10 токенов — это 60 к 1 (600 ÷ 10 = 60). Инструмент переписывания берёт абзац в 400 токенов и возвращает 800 — это 1 к 2 (400 ÷ 800 = 0,5).

Измерьте своё соотношение на 20 запросах#

На догадках всё и ломается, поэтому измеряйте. В каждом ответе Chat Completions есть объект usage с полями prompt_tokens (что вы отправили) и completion_tokens (что вернулось). В формате Anthropic Messages они называются input_tokens и output_tokens; оба формата показаны в документации CheapTokens.

Возьмите 20–50 настоящих запросов вашей задачи и сложите каждую сторону. Именно сложите, а не усредняйте соотношения отдельных запросов: один крошечный ответ раскачает среднее.

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")

Последняя строка выводит ваше соотношение. Это одно число вы и несёте в следующий раздел.

Что соотношение делает со счётом#

Четыре частые формы задачи. Размеры — допущения, выбранные как типичные; подставьте числа из своего замера.

Разметка 10 000 тикетов в день#

Допустим, служба поддержки размечает 10 000 тикетов в день: 600 токенов на входе, метка в 10 токенов на выходе. Весь день на каждой модели:

Посмотрите на таблицу. DeepSeek-V4-Flash здесь дешевле всех трёх, потому что почти каждый оплачиваемый токен — входной. Колонка OpenRouter показывает: все три модели ниже референсной цены в сумме, с учётом входа и выхода.

Сводки длинных отчётов#

Отчёт в 12 000 токенов, сжатый до сводки в 300, — это 40 к 1 (12 000 ÷ 300 = 40). Одна сводка стоит $0.00021 на DeepSeek-V4-Flash и $0.00025 на GLM-5.3-Flash. Та же история, что и с разметкой: чем больше читаешь на каждое написанное слово, тем сильнее помогает цена входа DeepSeek.

Переписывание и файлы с кодом#

Теперь наоборот. Переписывание в другом тоне: 400 токенов на входе, 800 в ответе. DeepSeek-V4-Flash: $0.000086. GLM-5.3-Flash: $0.00004. Выход здесь большая половина счёта, поэтому выигрывает модель с самой низкой ценой выхода — GLM-5.3-Flash.

Чат, который растёт#

Коварнее всего чат: у API нет памяти, и на каждом ходу вы заново отправляете весь массив сообщений. На первом ходу пользователь пишет 300 токенов, бот отвечает 200 (300 ÷ 200 = 1,5). Это территория GLM: $0.000014 против $0.000025 на DeepSeek-V4-Flash.

К тридцатому ходу история уже 6 000 токенов, а ответ всё те же 200 (6 000 ÷ 200 = 30). Теперь $0.00013 на GLM-5.3-Flash против $0.00011 на DeepSeek-V4-Flash — и дешёвая модель сменилась. Один и тот же бот посреди длинного разговора меняет лучшую для себя модель.

Когда решает длина одного ответа#

Соотношение — не единственный фильтр. Лимит ответа разный: DeepSeek-V4-Flash пишет до 32 768 выходных токенов за один ответ, GLM-5.3-Flash и MiniMax-M2.7 — до 8 192.

Допустим, вы просите целый модуль на 12 000 токенов за раз. У модели с лимитом 8 192 ответ оборвётся посреди файла с finish_reason: length (что делать — в статье ответ модели обрывается: finish_reason length и max_tokens). На DeepSeek-V4-Flash он поместится. Так что для длинных одиночных результатов сначала смотрите на лимит, потом на соотношение.

На стороне входа у GLM-5.3-Flash контекст 390K токенов, у DeepSeek-V4-Flash — 380K: хватает, чтобы целый документ размером с книгу ушёл одним запросом. У MiniMax-M2.7 — 180K.

Где место MiniMax-M2.7#

Соотношение выбирает между двумя строками, которые выигрывают таблицы выше. MiniMax-M2.7 выбирают по другой причине: как его ответы читаются на вашей задаче. В таблице стоимости у него к тому же самый широкий отрыв от колонки OpenRouter, а 180K контекста с запасом хватает для чата и большинства документов.

О качестве не расскажет ни одна таблица цен. Прогоните те же 20 запросов из шага с замером через все три id (zai-org/GLM-5.3-Flash, deepseek-ai/DeepSeek-V4-Flash-0731, MiniMaxAI/MiniMax-M2.7) и прочитайте ответы рядом. Общий обзор трёх моделей — GLM, DeepSeek или MiniMax: что выбрать. Про целые агентные сессии — сколько стоит агентная сессия из 50 шагов на GLM, DeepSeek и MiniMax.

Подставьте свои числа#

Введите токены одного запроса и число запросов в день. Калькулятор считает по живым ценам и показывает все три модели. Стартовые значения — бот с ответами по базе знаний (RAG): 3 000 токенов найденного текста и вопроса на входе, 500 на выходе. Увеличивайте вход и смотрите, как меняется самая дешёвая строка.

Когда числа выглядят правильно, пройдитесь по списку.

Адрес API и id моделей — в документации CheapTokens, полный живой прайс — на странице цен, у каждой модели своя страница: GLM, DeepSeek, MiniMax. Баланс один на все три модели, поэтому после замера переход — это правка одной строки с id модели.