100K token'lık bir belgeye hangi model uyar: bağlam ve çıktı sınırları

Kısa cevap: 100K token'lık bir belge, üç modelden herhangi birine tek bir istekle gider. Onları ayıran şey, etrafındaki alandır. GLM-5.3-Flash'in 390K bağlam penceresi vardır, DeepSeek-V4-Flash'in 380K'sı vardır ve 32.768 token'a kadar geri yazabilir, MiniMax-M2.7'nin 180K'sı vardır. Hangi modeli kullanacağınızı iki kontrol söyler: belge ve cevap pencereye sığıyor mu, ve cevap modelin çıktı sınırına sığıyor mu.

Aşağıdaki sınırlar CheapTokens'in kendi sınırlarıdır, 1 Kasım 2026'da kontrol edilmiştir ve https://api.cheaptokens.dev/v1 çağrısı yaptığınızda isteğiniz bunlara göre ölçülür. Dokümanlar nasıl bağlanacağınızı gösterir ve fiyatlandırma tam fiyat listesini içerir.

İki adımlı kontrol#

Her iki kural da herhangi bir şey göndermeden önce bilebileceğiniz sayıları kullanır:

1. Giriş token'ları + max_tokens ≤ bağlam penceresi. Belge ve cevap aynı pencereyi paylaşır.
2. max_tokens ≤ modelin çıktı sınırı.

Son sütun, pencere eksi en uzun cevaptır, K'yı 1.000 olarak okursak: 390.000 − 8.192 = 381.808; 380.000 − 32.768 = 347.232; 180.000 − 8.192 = 171.808. Pratikte nadiren mümkün olan en uzun cevabı istersiniz, bu yüzden o sütunun gösterdiğinden daha fazla alanınız olur.

İşte gerçekçi görünen bir durumda kontrol. 200.000 token'lık bir logunuz var ve 2.000 token'lık bir analiz istiyorsunuz: 200.000 + 2.000 = 202.000. Bu, 390K ve 380K pencerelerine sığar ve 180K'ya sığmaz. Aynı log, aynı soru ve üçünden biri zaten elendi.

Belgeniz gerçekte ne kadar büyük?#

Sayfalar kötü bir birimdir, token'lar gerçek olanıdır. Bir İngilizce sayfanın yaklaşık 600 token olduğunu varsayalım (bir varsayım; gerçek sayfalar kabaca 500 ila 700 arasında değişir). O zaman 100K token'lık bir belge 100.000 ÷ 600 ≈ 167 sayfadır. Bu, kalın bir sözleşme veya uzun bir yıllık rapordur ve tablodaki her modele bolca alanla sığar.

Sayfa tahmini planlama içindir. Göndermeden önce token'ları bir tokenizer ile sayın veya İngilizce için token başına yaklaşık dört karakter kuralını kullanın. Her modelin kendi tokenizer'ı vardır, bu yüzden sayım bir tahmindir ve istekten sonra yanıtın usage alanı kesin sayıları verir.

Kontrolü kodda çalıştırın#

Bu betik bir sözleşmeyi yukarıdaki sınırlara göre kontrol eder, gönderir ve cevabın nasıl sonuçlandığını yazdırır. Önce CHEAPTOKENS_API_KEY ayarlayın ve diğerlerini denemek için model kimliğini değiştirin.

import os
from openai import OpenAI

# context window, max answer tokens (CheapTokens, checked 1 Nov 2026)
LIMITS = {
    'zai-org/GLM-5.3-Flash': (390_000, 8_192),
    'deepseek-ai/DeepSeek-V4-Flash-0731': (380_000, 32_768),
    'MiniMaxAI/MiniMax-M2.7': (180_000, 8_192),
}

def fits(model, input_tokens, max_tokens):
    context, out_limit = LIMITS[model]
    return max_tokens <= out_limit and input_tokens + max_tokens <= context

client = OpenAI(
    base_url='https://api.cheaptokens.dev/v1',
    api_key=os.environ['CHEAPTOKENS_API_KEY'],
)

text = open('contract.txt', encoding='utf-8').read()
estimate = len(text) // 4   # rough: about 4 characters per token in English
model = 'zai-org/GLM-5.3-Flash'
max_tokens = 1500

if not fits(model, estimate, max_tokens):
    raise SystemExit('Does not fit: pick another model or split the text')

reply = client.chat.completions.create(
    model=model,
    max_tokens=max_tokens,
    messages=[
        {'role': 'system', 'content': 'Summarize contracts in 10 bullet points.'},
        {'role': 'user', 'content': text},
    ],
)
print(reply.choices[0].finish_reason)   # stop = ended on its own, length = cut by max_tokens
print(reply.usage.prompt_tokens, reply.usage.completion_tokens)

Çalışırsa, ilk satır stop yazdırır ve ikincisi kaç token'ın girip çıktığını gösterir. length görürseniz, cevap max_tokens sınırına ulaşmıştır; bu makale düzeltmeyi açıklar. Ve istek boyut nedeniyle reddedilirse, istek çok uzun: 400 vs 413 bunu adım adım anlatır.

Bir 100K işinin maliyeti nedir#

Sözleşmeleri özetlediğinizi varsayalım. Her biri 100.000 token'dır ve özet yaklaşık 1.500 token'dır (varsayımlar, dosyalarınıza uyacak şekilde değiştirin). Aşağıdaki tablo canlıdır: güncel fiyatlardan yeniden hesaplar ve OpenRouter referansını bizimkinin yanına koyar.

Burada pahalı taraf belgedir, çünkü geri aldığınızdan çok daha fazlasını gönderirsiniz. Böyle bir iş için toplamlar GLM-5.3-Flash'te $0.0021, DeepSeek-V4-Flash'te $0.0017 ve MiniMax-M2.7'de $0.0052. Giriş ve çıktı birlikte sayıldığında, üçü de OpenRouter'dan daha ucuza gelir. Fiyatlar model başına sabittir ve yoğun saatler yoktur, bu yüzden gece toplu işi gündüzkiyle aynı maliyettedir.

Şimdi bunu gününüze ölçekleyin. Kaydırıcıları kendi yükünüze taşıyın ve toplamı okuyun:

Cevap uzun kısım olduğunda#

Özetler kolay durumdur: kısa bir cevap her yere sığar. Sorun, modelin çok yazması gerektiğinde başlar. 20.000 token'lık bir kılavuzunuz olduğunu ve buna dayalı 6.000 token'lık bir rapor istediğinizi varsayalım. Bu her modele sığar (6.000 ≤ 8.192) ve canlı tablo maliyeti gösterir:

Şimdi aynı kılavuzun tam çevirisini isteyin. Bir çeviri orijinali kadar uzun sürer, bu yüzden yaklaşık 20.000 token'lık cevap için alana ihtiyacınız vardır. max_tokens değerini 25.000'e ayarlayın: 20.000 + 25.000 = 45.000, 380K penceresinin çok içinde ve 25.000 ≤ 32.768, yani DeepSeek-V4-Flash bunu tek cevapta alır. Böyle tek bir iş $0.0023 maliyetindedir. 8.192 token'lık cevap sınırı olan modeller için kılavuzu bölümlere ayırın ve birer birer gönderin.

Durumunuz için hangisi#

Hâlâ emin değilseniz, gerçek bir belgeyi betikten geçirin ve usage okuyun. Üç modelin göreve göre daha geniş bir karşılaştırması için GLM vs DeepSeek vs MiniMax sayfasına bakın ve DeepSeek sayfası DeepSeek-V4-Flash'i daha ayrıntılı ele alır.