1M token başına fiyat ile görev başına maliyet: AI modelleri nasıl karşılaştırılır

Modelleri 1M token başına fiyatla değil, tamamlanmış bir görevin maliyetiyle karşılaştırın. Bir görevin maliyeti, giriş token sayısı × giriş fiyatı + çıkış token sayısı × çıkış fiyatı toplamının kaç deneme gerektiğiyle çarpımıdır. Yani token başına yarı fiyatlı bir model size yine de daha büyük faturayı çıkarabilir.

İşte alışıldık sürpriz: ajan işi bitirdi, fiyat listesi ucuz görünüyordu ve fatura görevin hak ettiğinden büyük. Farkın nerede saklandığını bulalım.

Token başına fiyat, kilo başına fiyattır#

Bir kilo unun fiyatı akşam yemeğinin maliyeti hakkında hiçbir şey söylemez. Tarifin kaç kilo gerektirdiğini ve ilk partiyi yakıp baştan başlayıp başlamayacağınızı bilmeniz gerekir.

AI modelleri de aynı şekilde çalışır. 1M token başına fiyat, kilo başına fiyattır. Görev, akşam yemeğidir. Her istek iki taraftan faturalandırılır: gönderdiğiniz tokenlar (giriş) ve modelin geri yazdığı tokenlar (çıkış). Her iki sayı da https://api.cheaptokens.dev/v1 adresindeki CheapTokens API gibi OpenAI uyumlu bir API'nin her yanıtındaki usage alanında geri döner (29 Ekim 2026'da kontrol edildi), yani bunları asla tahmin etmek zorunda kalmazsınız.

İşte tüm formül:

cost per task = attempts × (tokens in × input price + tokens out × output price)

Diyelim ki bir görev 3.000 token gönderiyor ve 1.000 token geri alıyor. Model A'nın girişi 1M token başına 1$, çıkışı 5$. Model B bunun yarısı: 0,50$ ve 2,50$. (Bunlar toplam için uydurulmuş yuvarlak fiyatlar, kimsenin fiyat listesi değil.)

Model A, tek deneme:

• 3.000 × 1$ ÷ 1.000.000 = giriş için 0,003$
• 1.000 × 5$ ÷ 1.000.000 = çıkış için 0,005$
• 0,003$ + 0,005$ = görev başına 0,008$

Model B fırsat gibi görünüyor. Ama diyelim ki kullanılabilir bir sonuç için üç deneme gerekiyor ve her deneme aynı maliyette:

• 3.000 × 0,50$ ÷ 1.000.000 = giriş için 0,0015$
• 1.000 × 2,50$ ÷ 1.000.000 = çıkış için 0,0025$
• 0,0015$ + 0,0025$ = deneme başına 0,004$
• 3 × 0,004$ = görev başına 0,012$

Token başına yarı fiyat, görev başına bir buçuk kat fiyat. Aynı şey yeniden deneme olmadan da olur, eğer B sadece daha uzun yanıtlar yazıyorsa: tek denemede 3.000 çıkış tokenıyla, 3.000 × 2,50$ ÷ 1.000.000 = 0,0075$ ve 0,0015$ + 0,0075$ = 0,009$. Yine de A'nın 0,008$'ından fazla.

Ve tersi de geçerli. Eğer B ilk seferde doğru yaparsa, görev başına 0,004$ eder, A'nın yarısı. Token başına fiyat yalnızca token ve deneme sayısı yaklaşık eşit olduğunda kazanır. Ki bu tam da kontrol edilmesi gereken şey.

Görev başına tokenlar gerçekte nereye gidiyor#

Token sayısını üç şey hareket ettirir ve hiçbiri fiyat listesinde görünmez.

1. Yanıt uzunluğu. Kendini uzun uzun açıklayan bir model, tek satırda yanıt verenden daha fazla çıkış tokenı yazar.
2. Yeniden denemeler. Başarısız veya kullanılamaz bir yanıt yine de token harcadı ve sonraki deneme tekrar öder.
3. Yeniden gönderilen bağlam. Bir API hatırlamaz: bir ajanın her adımı talimatları, dosyaları ve geçmişi yeniden gönderir. Bu yeni bir şeyse, uzun bir sohbetin neden daha pahalı olduğu mekanizmayı gösterir.

Üçüncüsü ajanlar için en büyüğüdür. 20 adımda çalışan bir kodlama ajanı ele alalım. Ağır bir ajan adımı varsayalım: 20.000 token giriş ve 1.000 geri. Gerçek adım adım sayılarla daha hafif bir çalışma için AI ajanlarının neden bu kadar çok token kullandığına bakın. Yanıtlar kısa. Giriş değil.

Yani bu iş için faturayı giriş tarafı belirler ve çıkış tarafı neredeyse önemsizdir. Giriş fiyatı ucuz bir model, çıkış fiyatı sıradan görünse bile burada kazanabilir. Bu, bir fiyat listesinin size ancak kendi görevinizi düşünerek okuduğunuzda gösterdiği bir şeydir.

İşte tam bu iş, 20.000 giriş ve 1.000 çıkıştan oluşan 20 adım, CheapTokens'te mevcut modeller üzerinde. Tablo canlı, yani sayılar güncel fiyatları takip ediyor ve OpenRouter sütunu karşılaştırma için orada. Giriş ve çıkış birlikte sayıldığında, üçü de toplamda OpenRouter'dan daha ucuz.

Bunun gibi ajan döngüleri için DeepSeek-V4-Flash doğal bir seçim: 380K bağlam, yanıt başına 32.768'e kadar çıkış tokenı ve günün her saatinde tek fiyat, yani gece çalışması gündüzkiyle aynı maliyette. Üzerinde 20 adımın tamamı $0.008 tutuyor. Ayrıntılar için model sayfasına ve her model için fiyatlandırma tablosuna bakın.

Bir sohbet botu tam tersi bir hikaye#

Şimdi bir destek botu ele alalım. Diyelim ki günde 1.000 istek alıyor ve her biri bağlamla birlikte 2.000 tokenlık bir soru ve 500 tokenlık bir yanıt. Döngü yok, büyüyen geçmiş yok, tek deneme.

Burada token başına fiyat neredeyse görev başına maliyettir, çünkü onu çarpan hiçbir şey yok. GLM-5.3-Flash üzerinde, 390K bağlam ve yanıt başına 8.192'ye kadar çıkış tokenıyla, bir istek $0.00006 tutuyor ve 1.000 istekten oluşan tüm gün $0.06 tutuyor.

Yani pratik kural basit. Kısa, tek atımlık bir görev: token başına fiyat adil bir rehberdir. Bir döngü, yeniden denemeye yatkın bir iş veya uzun yanıtlı bir iş: seçmeden önce bütün bir görevi fiyatlandırın.

Kendi görevinizi on dakikada ölçün#

Kendi sayılarınız buradaki herhangi bir örnekten iyidir. Aşağıdaki betik bir istek gönderir ve gerçekte ne kullandığını ve bunun ne tuttuğunu yazdırır. İçindeki fiyatlar bir örnektir: fiyatlandırma tablosundan güncel olanları koyun.

from openai import OpenAI

client = OpenAI(base_url="https://api.cheaptokens.dev/v1", api_key="YOUR_KEY")

# example prices per 1M tokens, substitute current ones
PRICE_IN, PRICE_OUT = 1.00, 5.00

resp = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4-Flash-0731",
    messages=[{"role": "user", "content": "Summarize this ticket in one sentence: <your text>"}],
    max_tokens=300,
)
u = resp.usage
cost = (u.prompt_tokens * PRICE_IN + u.completion_tokens * PRICE_OUT) / 1_000_000
print(u.prompt_tokens, u.completion_tokens, round(cost, 6))

Çalıştığında tek satırda üç sayı alırsınız: giriş tokenları, çıkış tokenları ve o denemenin maliyeti. Sonra:

1. Oyuncak değil, kendi gerçek görevlerinizden 20 tanesini çalıştırın.
2. Attıklarınız dahil her denemenin maliyetini toplayın.
3. 20'ye bölün. Bu, görev başına maliyetinizdir.
4. Diğer modelle tekrarlayın ve iki sonucu karşılaştırın.

Daha uzun bir çalışma için, Python'da ajan token maliyetini izleme aynı fikre bir bütçe ve durdurma ekler ve bir isteğin kaç token kullandığı başlamak için tipik boyutları gösterir.

Hızlı kontrol#

Sırada, giriş ve çıkış tokenları iki tarafın neden farklı fiyatlandırıldığını açıklıyor ve dokümanlar sizi bir anahtardan ilk isteğe götürüyor.