Anthropic Python SDK kasama ang CheapTokens: Messages API

Kung gumagamit na ang iyong code ng Anthropic Python SDK, hindi mo na kailangang i-rewrite ito para tumawag sa ibang modelo. Nagsasalita ang CheapTokens ng Anthropic Messages API, kaya babaguhin mo lang ang mga setting ng client at pananatilihin ang client.messages.create(...) kung ano ito. Dinadala ka ng gabay na ito mula sa walang laman na folder hanggang sa script na nagpi-print ng sagot.

Ano ang kailangan mo#

• Python 3.10 o mas bago (requirement ng SDK).
• Isang CheapTokens API key. Kung wala ka pa nito, tingnan ang "What is an API key and how to store it safely".
• Isang balanse ang sumasaklaw sa lahat ng modelo, at walang peak hours, kaya pareho ang gastos ng parehong script sa anumang oras ng araw.

I-install ang SDK#

pip install anthropic
export CHEAPTOKENS_API_KEY="your-key"

Itago ang key sa isang environment variable, hindi sa source file.

Gumawa ng client#

Dalawang setting ang naiiba sa default na Anthropic setup: ang key at ang base_url.

import os
import anthropic

client = anthropic.Anthropic(
    api_key=os.environ["CHEAPTOKENS_API_KEY"],
    base_url="https://api.cheaptokens.dev",
)

Idinadagdag mismo ng SDK ang /v1/messages path, kaya ang base_url ay ang host na walang /v1. (Ang OpenAI-style endpoint, https://api.cheaptokens.dev/v1, ang ginagamit mo sa OpenAI SDK; tingnan ang "Your first API request with CheapTokens".)

Unang request#

message = client.messages.create(
    model="deepseek-ai/DeepSeek-V4-Flash-0731",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "Explain what a token is in two sentences."}
    ],
)

print(message.content[0].text)
print(message.stop_reason, message.usage.input_tokens, message.usage.output_tokens)

Kunin ang model id mula sa dokumentasyon ng CheapTokens; magkaiba ang mga id sa pagitan ng mga provider. Dito ginagamit namin ang DeepSeek-V4-Flash: isang 380K context window at hanggang 32,768 tokens sa isang sagot, na angkop para sa mahahabang reply at agent loops.

Ang sagot ay nasa message.content, isang listahan ng mga block; ang teksto ay nasa una. Ipinapakita ng usage kung ilang input at output token ang ginamit ng call, na siyang binabayaran mo.

Kailangan ang max_tokens#

Hindi tulad ng OpenAI API, hindi tatakbo ang messages.create nang walang max_tokens. Nililimitahan nito ang haba ng sagot:

• Masyadong mababa, at napuputol ang sagot. Ang message.stop_reason ay nagiging "max_tokens" sa halip na "end_turn".
• Para sa DeepSeek-V4-Flash makakaabot ka hanggang 32,768 para sa mahahabang sagot tulad ng buong file o report.
• Nagbabayad ka para sa mga token na aktwal na na-generate, hindi para sa limit na itinakda mo.

Kung huminto ang sagot sa gitna ng pangungusap, basahin ang "Why does an AI answer stop mid-sentence?" para sa buong paliwanag.

Pagpapalit ng modelo#

Ang model string lang ang nagbabago; pareho pa rin ang natitirang bahagi ng script. Pumili ayon sa gawain:

• DeepSeek-V4-Flash: mahahabang sagot at agent loops, isang presyo sa anumang oras, hanggang 32,768 output tokens.
• GLM-5.3-Flash: murang pang-araw-araw na chat at coding calls, 390K context, hanggang 8,192 output tokens.
• MiniMax-M2.7: murang agent at coding work, 180K context, hanggang 8,192 output tokens.

Ang listahan ng available na id ay ibinabalik ng GET https://api.cheaptokens.dev/v1/models, halimbawa zai-org/GLM-5.3-Flash at MiniMaxAI/MiniMax-M2.7.

Ang kasalukuyang presyo kada 1M tokens para sa MiniMax-M2.7 ay $0.05 para sa input at $0.15 para sa output. Mas mura ang MiniMax-M2.7 kaysa sa OpenRouter sa kabuuan, kapag pinagsama ang input at output. Narito ang gastos ng isang request na may 2,000 input at 500 output tokens sa bawat modelo, live mula sa price list:

Mas mura ang GLM-5.3-Flash at MiniMax-M2.7 kaysa sa OpenRouter sa kabuuan, kapag pinagsama ang input at output.

Susunod na hakbang#

Gumawa ng key at patakbuhin ang script mula sa seksyong First request. Kapag nag-print ito ng sagot, palitan ang model string para ihambing ang mga modelo sa sarili mong gawain.