Як вибрати модель ШІ: контекст, вивід, швидкість, ціна

Список моделей із сорока назвами, завдання, описане одним реченням, і жодного очевидного зв'язку між ними. Ось коротка відповідь: перевірте чотири числа, саме в такому порядку. Контекстне вікно та максимальний вивід вирішують, чи взагалі модель може виконати ваше завдання. Швидкість і ціна вирішують, наскільки це приємно і наскільки дорого. Контекст, ліміт виводу та ціна вказані на сторінці моделей і в таблиці цін; швидкість вимірюєте самі приблизно за хвилину, а скрипт наведено нижче.

Чотири числа простими словами#

Уявіть модель як колегу за столом. Контекстне вікно — це розмір столу: усе, що має бути перед ним одночасно. Максимальний вивід — це як довго він може говорити за один раз. Швидкість — це як швидко він починає відповідати. Ціна — це його погодинна ставка. Чотири терміни, і ви зустрінете їх усі в кожній документації API:

Щоб це було конкретніше, ось перші два числа для трьох моделей у каталозі CheapTokens, з довідника моделей CheapTokens (27 жовтня 2026): GLM-5.3-Flash має контекст 390K і відповідає до 8,192 токенів; DeepSeek-V4-Flash (випуск 0731) має 380K і відповідає до 32,768 токенів; MiniMax-M2.7 має 180K і відповідає до 8,192 токенів.

Контекст: чи вміститься все, що ви надсилаєте?#

Скажімо, ваш асистент для кодування відкриває 12 файлів приблизно по 3,000 токенів кожен, потім додає ваше запитання та власні нотатки. 12 × 3,000 = 36,000 токенів. Навіть найменше вікно вище, 180K, вміщує це з великим запасом. Один величезний файл або дамп усього репозиторію — ось де вікно починає мати значення.

Чати та агенти складніші, бо API надсилає всю історію заново з кожним викликом. Візьміть агента, який виконує 20 кроків, і кожен крок додає близько 2,000 токенів виводу інструментів і відповіді (припущення для цього прикладу). Крок 1 надсилає 2,000 токенів, крок 2 надсилає 4,000, крок 20 надсилає 40,000. За весь запуск він надсилає 2,000 × 210 = 420,000 токенів, де 210 — це 1 + 2 + … + 20.

Тут ховаються два різні питання. Контекстне вікно стосується лише найбільшого окремого запиту: 40,000 токенів на кроці 20, що легко вміщує кожна модель у каталозі. Рахунок стосується загальної суми, 420,000 токенів. Тримайте обидва в голові, і ви не виберете модель з неправильної причини.

Довжина виводу: ліміт, який обриває відповіді#

Ліміт виводу — це стеля для однієї відповіді, і про нього легко забути, поки відповідь не зупиниться посеред речення. Емпіричне правило для англійської: один токен — це приблизно три чверті слова. Ви просите звіт на 6000 слів: 6000 / 0.75 = 8000 токенів. Це якраз вміщується під 8,192. Попросіть 7,000 слів — і текст закінчиться посеред абзацу.

З лімітом 32,768 токенів та сама арифметика дає 24576 слів в одній відповіді (32768 × 0.75 = 24576), тож згенерований код, довгі звіти та чернетки цілих розділів вміщуються в одну відповідь. Коли відповідь таки обривається, API повідомляє вам: finish_reason повертається як length (чому це відбувається і як це виправити).

Швидкість: єдине число, яке ви вимірюєте самі#

Швидкість — це насправді два числа: скільки часу до появи першого тексту і як швидко решта надходить потоком. Обидва змінюються залежно від навантаження, довжини запиту та часу доби, тож цифра, скопійована з таблиці, — поганий орієнтир. Вимірюйте на власному запиті. Це займає хвилину і використовує кілька токенів (ключ береться зі змінної середовища; дивіться документацію щодо його створення):

import os, time
from openai import OpenAI

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

start = time.perf_counter()
first = None
stream = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4-Flash-0731",
    messages=[{"role": "user", "content": "Explain what a token is in 3 sentences."}],
    stream=True,
)
for chunk in stream:
    if first is None and chunk.choices and chunk.choices[0].delta.content:
        first = time.perf_counter() - start
total = time.perf_counter() - start
print(f"first text after {first:.1f}s, finished after {total:.1f}s")

Ви отримаєте один рядок: first text after <N>s, finished after <M>s. Замініть ідентифікатор моделі на zai-org/GLM-5.3-Flash або MiniMaxAI/MiniMax-M2.7, запустіть кожен кілька разів — і у вас є порівняння швидкості для вашого запиту. Чи це важливо? Для живого чату — так: люди помічають паузу перед першим словом. Для нічного пакета підсумків ніхто не спостерігає, і швидкість опускається в кінець вашого списку.

Ціна: додайте вхід і вихід разом#

Ціни вказуються за мільйон токенів, але ви платите за запит, а запит має і вхідну, і вихідну частину. Тож порівнюйте моделі на робочому навантаженні, а не за двома стовпцями. Скажімо, ваш бот підтримки обробляє 1,000 тікетів на день, кожен близько 300 токенів на вході та 150 на виході (припущення; замініть своїми). Таблиця жива і перераховується з поточних цін:

Читайте підсумок, а не стовпці. У підсумку, з урахуванням входу і виходу разом, кожна з трьох виходить дешевше за довідкову ціну OpenRouter у стовпці OpenRouter цієї таблиці.

І ось де агенти кусаються. 20-кроковий запуск із розділу про контекст надсилає 420,000 токенів на вході та пише, можливо, 4,000 на виході (200 на крок, знову припущення). На DeepSeek-V4-Flash один такий запуск коштує $0.0067. П'ять запусків на день? Рухайте повзунки й дивіться на три моделі:

Ціни моделей залишаються однаковими в будь-яку годину доби, тож розрахунок, зроблений зараз, дійсний і для вечірнього пакета. Щоб освіжити в пам'яті, чому вихідні токени зазвичай коштують дорожче за вхідні, дивіться вхідні та вихідні токени.

Виберіть модель за завданням#

Почніть із завдання, знайдіть число, яке кусається найсильніше, і перевірте решту три після цього. Клікніть свій випадок:

Жодна модель не виграє в кожному рядку, тому корисно прогнати ті самі десять реальних запитів через двох кандидатів, перш ніж зробити вибір. Порівняння GLM vs DeepSeek vs MiniMax заглиблюється в три моделі, а сторінка цін завжди показує поточні числа.