Яка модель вмістить документ на 100K токенів: контекст і ліміти виводу

Коротка відповідь: документ на 100K токенів вміщується в будь-яку з трьох моделей за один запит. Що їх розрізняє — це запас навколо нього. GLM-5.3-Flash має контекстне вікно 390K, DeepSeek-V4-Flash — 380K і може писати до 32 768 токенів у відповіді, MiniMax-M2.7 — 180K. Дві перевірки підкажуть, яку використовувати: чи вміщуються документ і відповідь у вікно, і чи вміщується відповідь у ліміт виводу моделі.

Наведені нижче ліміти — власні ліміти CheapTokens, перевірені 1 листопада 2026 року, і саме з ними звіряється ваш запит, коли ви викликаєте https://api.cheaptokens.dev/v1. Документація показує, як підключитися, а ціни містять повний прайс-лист.

Перевірка у два кроки#

Обидва правила використовують числа, які ви можете знати ще до надсилання:

1. Вхідні токени + max_tokens ≤ контекстне вікно. Документ і відповідь ділять одне вікно.
2. max_tokens ≤ ліміт виводу моделі.

Останній стовпець — це вікно мінус найдовша відповідь, де K читається як 1 000: 390 000 − 8 192 = 381 808; 380 000 − 32 768 = 347 232; 180 000 − 8 192 = 171 808. На практиці ви рідко просите найдовшу можливу відповідь, тож у вас більше місця, ніж показує цей стовпець.

Ось перевірка на реалістичному випадку. У вас є лог на 200 000 токенів, і ви хочете аналіз на 2 000 токенів: 200 000 + 2 000 = 202 000. Це вміщується у вікна 390K і 380K і не вміщується в 180K. Той самий лог, те саме питання — і одна з трьох уже відпадає.

Який розмір вашого документа насправді?#

Сторінки — погана одиниця, токени — справжня. Скажімо, англійська сторінка — це близько 600 токенів (припущення; реальні сторінки бувають приблизно від 500 до 700). Тоді документ на 100K токенів — це 100 000 ÷ 600 ≈ 167 сторінок. Це товстий контракт або довгий річний звіт, і він вміщується в кожну модель з таблиці ще й із запасом.

Оцінка в сторінках — для планування. Перед надсиланням порахуйте токени токенізатором або скористайтеся грубим правилом приблизно чотирьох символів на токен для англійської. Кожна модель має власний токенізатор, тож підрахунок є оцінкою, а після запиту поле usage у відповіді дає точні числа.

Виконайте перевірку в коді#

Цей скрипт перевіряє контракт щодо наведених вище лімітів, надсилає його й друкує, як завершилася відповідь. Спершу задайте CHEAPTOKENS_API_KEY, а потім змініть id моделі, щоб спробувати інші.

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)

Якщо все працює, перший рядок друкує stop, а другий показує, скільки токенів увійшло і вийшло. Якщо ви бачите length, відповідь досягла max_tokens; ця стаття пояснює, як це виправити. А якщо запит відхилено через розмір, запит задовгий: 400 проти 413 розбирає це.

Скільки коштує одна задача на 100K#

Скажімо, ви підсумовуєте контракти. Кожен — 100 000 токенів, а підсумок — близько 1 500 токенів (припущення, змініть їх відповідно до ваших файлів). Таблиця нижче динамічна: вона перераховується за поточними цінами й ставить довідку OpenRouter поруч із нашою.

Документ тут — дорога сторона, адже ви надсилаєте значно більше, ніж отримуєте назад. Для однієї такої задачі підсумки становлять $0.0021 на GLM-5.3-Flash, $0.0017 на DeepSeek-V4-Flash і $0.0052 на MiniMax-M2.7. З урахуванням вхідних і вихідних токенів разом усі три виходять дешевшими за OpenRouter. Ціни фіксовані для кожної моделі, без пікових годин, тож нічний пакет коштує стільки ж, скільки денний.

Тепер масштабуйте це на свій день. Пересуньте повзунки на своє навантаження й прочитайте підсумок:

Коли відповідь — це довга частина#

Підсумки — легкий випадок: коротка відповідь вміщується всюди. Проблеми починаються, коли модель має писати багато. Скажімо, у вас є посібник на 20 000 токенів, і ви просите звіт на 6 000 токенів на його основі. Це вміщується в кожну модель (6 000 ≤ 8 192), і динамічна таблиця показує вартість:

Тепер попросіть повний переклад того самого посібника. Переклад за довжиною приблизно такий самий, як оригінал, тож вам потрібно місце приблизно на 20 000 токенів відповіді. Задайте max_tokens як 25 000: 20 000 + 25 000 = 45 000, цілком у межах вікна 380K, і 25 000 ≤ 32 768, тож DeepSeek-V4-Flash впорається однією відповіддю. Одна така задача коштує $0.0023. Для моделей із лімітом відповіді 8 192 токени розбийте посібник на розділи й надсилайте їх по одному.

Яку обрати для вашого випадку#

Якщо ви все ще не впевнені, проженіть один реальний документ через скрипт і прочитайте usage. Для ширшого порівняння трьох моделей за задачами дивіться GLM vs DeepSeek vs MiniMax, а сторінка DeepSeek детальніше розповідає про DeepSeek-V4-Flash.