โมเดลราคาถูกตัวไหนสำหรับงานของคุณ? เลือกตามอัตราส่วนอินพุต:เอาต์พุต

เลือกตามรูปร่างของงานคุณ ไม่ใช่ตามราคาที่พาดหัว ถ้าอินพุตยาวและคำตอบสั้น (สรุปรายงานยาว, การติดแท็กบนอินพุตยาว) DeepSeek-V4-Flash ถูกที่สุดในสามตัว ถ้าคำตอบยาวเท่าหรือยาวกว่าอินพุต (แชทสั้น, การเขียนใหม่, การสร้างโค้ด) GLM-5.3-Flash จะถูกกว่า และแชทยาวจะพลิกคำตอบกลางทาง MiniMax-M2.7 คือตัวที่ควรเลือกเมื่อการทดสอบของคุณเองบอกว่าคำตอบเหมาะกับคุณที่สุด และในสามตัวนี้มันอยู่ต่ำกว่าราคาอ้างอิงของ OpenRouter มากที่สุด

คุณจะเห็นว่าคุณอยู่ฝั่งไหนได้หลัง 20 คำขอ ราคาด้านล่างมาจากราคาอ้างอิงของ CheapTokens ณ วันที่ 6 พฤศจิกายน 2026 และทุกตัวเลขในตารางหรือเครื่องหมายเป็นแบบสด จึงเป็นไปตามอัตราค่าบริการปัจจุบัน

หนึ่งคำขอมีสองมิเตอร์#

ทุกคำขอถูกคิดเงินสองครั้ง: ครั้งหนึ่งสำหรับโทเค็นที่คุณส่ง (อินพุต) และอีกครั้งสำหรับโทเค็นที่โมเดลเขียนกลับ (เอาต์พุต) แต่ละโมเดลกำหนดราคาของตัวเองสำหรับแต่ละฝั่ง และนั่นคือจุดที่การเปรียบเทียบราคาพาดหัวผิดพลาด (พื้นฐานอยู่ใน Input vs output tokens: what an AI API bills you for)

DeepSeek-V4-Flash คิด $0.015 สำหรับอินพุตและ $0.10 สำหรับเอาต์พุตต่อ 1M โทเค็น GLM-5.3-Flash คิด $0.02 และ $0.04 MiniMax-M2.7 คิด $0.05 และ $0.15 โมเดลหนึ่งถูกกว่าตอนขาเข้า อีกตัวถูกกว่าตอนขาออก ดังนั้นผู้ชนะจึงขึ้นอยู่กับจำนวนโทเค็นที่เดินทางแต่ละทาง

สัดส่วนนั้นคือตัวเลขที่ต้องรู้: โทเค็นอินพุตหารด้วยโทเค็นเอาต์พุต ตัวติดแท็กที่อ่านตั๋ว 600 โทเค็นและตอบด้วยป้าย 10 โทเค็นอยู่ที่ 60 ต่อ 1 (600 ÷ 10 = 60) เครื่องมือเขียนใหม่ที่รับย่อหน้า 400 โทเค็นและคืน 800 โทเค็นอยู่ที่ 1 ต่อ 2 (400 ÷ 800 = 0.5)

วัดอัตราส่วนของคุณเองใน 20 คำขอ#

การเดาคือจุดที่ผิดพลาด ดังนั้นจงวัด ทุกการตอบกลับของ Chat Completions มีออบเจกต์ usage พร้อม prompt_tokens (สิ่งที่คุณส่ง) และ completion_tokens (สิ่งที่กลับมา) รูปแบบ Anthropic Messages เรียก它們ว่า input_tokens และ output_tokens; เอกสาร CheapTokens แสดงทั้งสองรูปแบบ

นำคำขอจริง 20–50 รายการจากงานของคุณมาบวกแต่ละฝั่ง บวกเข้าด้วยกัน อย่าเฉลี่ยอัตราส่วนต่อคำขอ: คำตอบเล็ก ๆ หนึ่งอันจะทำให้ค่าเฉลี่ยเพี้ยนไปทั่ว

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")

บรรทัดสุดท้ายพิมพ์อัตราส่วนของคุณ ตัวเลขเดียวนั้นคือทั้งหมดที่คุณพาไปยังส่วนถัดไป

อัตราส่วนส่งผลต่อบิลอย่างไร#

นี่คือสี่รูปร่างที่พบบ่อย ขนาดเป็นสมมติฐานที่เลือกให้เป็นค่าทั่วไป; ลองแทนด้วยตัวเลขจากรันของคุณเอง

ติดแท็กตั๋ว 10,000 ใบต่อวัน#

สมมติเครื่องมือซัพพอร์ตติดแท็กตั๋ว 10,000 ใบต่อวัน: 600 โทเค็นเข้า ป้าย 10 โทเค็นออก ทั้งวันบนแต่ละโมเดล:

อ่านตาราง DeepSeek-V4-Flash ถูกที่สุดในสามตัวที่นี่ เพราะเกือบทุกโทเค็นที่คุณจ่ายคืออินพุต คอลัมน์ OpenRouter แสดงทั้งสามโมเดลต่ำกว่าราคาอ้างอิงโดยรวม โดยนับอินพุตและเอาต์พุตรวมกัน

สรุปรายงานยาว#

รายงาน 12,000 โทเค็นบีบเป็นสรุป 300 โทเค็นคือ 40 ต่อ 1 (12,000 ÷ 300 = 40) สรุปหนึ่งครั้งมีค่า $0.00021 บน DeepSeek-V4-Flash และ $0.00025 บน GLM-5.3-Flash เรื่องเดียวกับการติดแท็ก: ยิ่งคุณอ่านมากต่อคำที่เขียน ราคาอินพุตของ DeepSeek ก็ยิ่งช่วยได้มาก

การเขียนใหม่และไฟล์โค้ด#

ตอนนี้พลิกกลับ การเขียนโทนใหม่รับ 400 โทเค็นเข้าและให้ 800 กลับ DeepSeek-V4-Flash: $0.000086 GLM-5.3-Flash: $0.00004 เอาต์พุตเป็นครึ่งที่ใหญ่กว่าของบิลนี้ ดังนั้นโมเดลที่มีราคาเอาต์พุตต่ำที่สุดชนะ และนั่นคือ GLM-5.3-Flash

แชทที่โตขึ้นเรื่อย ๆ#

แชทคือตัวที่แอบซ่อน เพราะ API ไม่มีความจำ: แต่ละเทิร์นคุณส่งอาร์เรย์ messages ทั้งหมดซ้ำ ในเทิร์น 1 ผู้ใช้เขียน 300 โทเค็นและบอทตอบ 200 (300 ÷ 200 = 1.5) นั่นคืออาณาเขตของ GLM: $0.000014 เทียบกับ $0.000025 บน DeepSeek-V4-Flash

พอถึงเทิร์น 30 ประวัติคือ 6,000 โทเค็นและคำตอบยังคง 200 (6,000 ÷ 200 = 30) ตอนนี้ $0.00013 บน GLM-5.3-Flash เผชิญกับ $0.00011 บน DeepSeek-V4-Flash และโมเดลที่ถูกกว่าก็พลิก บอทตัวเดียวกันเปลี่ยนโมเดลที่ดีที่สุดกลางบทสนทนายาว

เมื่อความยาวของคำตอบเดียวเป็นตัวตัดสิน#

อัตราส่วนไม่ใช่ประตูเดียว เพดานคำตอบต่างกัน: DeepSeek-V4-Flash เขียนได้ถึง 32,768 โทเค็นเอาต์พุตในคำตอบเดียว GLM-5.3-Flash และ MiniMax-M2.7 ถึง 8,192

สมมติคุณขอโมดูล 12,000 โทเค็นทั้งก้อนในครั้งเดียว บนโมเดลที่จำกัดที่ 8,192 คำตอบจะหยุดกลางไฟล์ด้วย finish_reason: length (วิธีแก้อยู่ใน AI answer cut off? Fix finish_reason length and max_tokens) บน DeepSeek-V4-Flash มันพอดี ดังนั้นสำหรับเอาต์พุตเดี่ยวยาว ๆ ให้ตรวจเพดานก่อนและอัตราส่วนทีหลัง

ฝั่งอินพุต GLM-5.3-Flash รับบริบท 390K โทเค็นและ DeepSeek-V4-Flash 380K พอสำหรับเอกสารยาวเท่าหนังสือทั้งเล่มในคำขอเดียว MiniMax-M2.7 มี 180K

MiniMax-M2.7 เหมาะตรงไหน#

อัตราส่วนตัดสินระหว่างสองแถวที่ชนะตารางด้านบน คุณเลือก MiniMax-M2.7 ด้วยเหตุผลอื่น: คำตอบของมันอ่านแล้วเป็นอย่างไรกับงานของคุณ ในตารางต้นทุนมันยังแสดงส่วนต่างที่กว้างที่สุดใต้คอลัมน์ OpenRouter และบริบท 180K ก็เพียงพอสำหรับแชทและเอกสารส่วนใหญ่

ไม่มีตารางราคาใดบอกคุณเรื่องคุณภาพได้ รันพรอมป์ 20 อันเดียวกันจากขั้นตอนวัดผ่านทั้งสาม id (zai-org/GLM-5.3-Flash, deepseek-ai/DeepSeek-V4-Flash-0731, MiniMaxAI/MiniMax-M2.7) และอ่านคำตอบเคียงกัน สำหรับภาพรวมแบบตัวต่อตัวดู GLM vs DeepSeek vs MiniMax: which model to choose สำหรับเซสชันเอเจนต์ทั้งชุด ดู Agent session cost: 50 steps on GLM, DeepSeek or MiniMax

ใส่ตัวเลขของคุณเอง#

ป้อนโทเค็นของคำขอเดียวและจำนวนคำขอที่คุณส่งต่อวัน เครื่องคำนวณใช้ราคาสดและแสดงทั้งสามโมเดล ค่าเริ่มต้นคือบอทตอบคำถาม RAG: ข้อความที่ดึงมาและคำถาม 3,000 โทเค็นเข้า 500 ออก ลากอินพุตขึ้นและดูแถวที่ถูกที่สุดเปลี่ยน

เมื่อตัวเลขดูถูกต้อง ให้ไล่รายการนี้

Base URL และ model id อยู่ใน เอกสาร CheapTokens รายการราคาสดแบบเต็มอยู่ที่ หน้าราคา และแต่ละโมเดลมีหน้าของตัวเอง: GLM, DeepSeek, MiniMax ยอดเงินเดียวครอบคลุมทั้งสามตัว ดังนั้นการสลับหลังการวัดคือการเปลี่ยน model id บรรทัดเดียว