ایجنٹ سیشن کی لاگت: GLM، DeepSeek یا MiniMax پر 50 قدم

آپ کے ایجنٹ نے دس منٹ تک کام کیا، اور بل کام سے بڑا ہے۔ کوئی عجیب بات نہیں ہوئی: ہر قدم پوری تاریخ دوبارہ بھیجتا ہے، اس لیے ان پٹ ہر قدم کے ساتھ بڑھتا ہے اور آخر میں لاگت کا زیادہ تر حصہ بن جاتا ہے۔ نیچے دیے گئے اعداد و شمار کے ساتھ، 50 قدم کا سیشن 885,000 ان پٹ ٹوکن بھیجتا ہے اور 40,000 لکھتا ہے۔ ماڈل کا انتخاب اس بات سے کریں کہ تاریخ کتنی بڑھے گی اور ایک جواب کتنا لمبا ہونا چاہیے، پھر جدول میں کل رقم چیک کریں۔

قدم 50 قدم 1 سے زیادہ مہنگا کیوں ہے#

ماڈل کالز کے درمیان کچھ یاد نہیں رکھتا۔ کام جاری رکھنے کے لیے، ایجنٹ سب کچھ دوبارہ بھیجتا ہے: ہدایات، ہر پچھلا قدم، اور آخری قدم نے کیا پیدا کیا۔ قدم 1 ابتدائی سیاق و سباق بھیجتا ہے۔ قدم 50 ابتدائی سیاق و سباق کے علاوہ 49 قدموں کی تاریخ بھیجتا ہے۔ اگر یہ خیال آپ کے لیے نیا ہے، تو AI ایجنٹ اتنے ٹوکن کیوں استعمال کرتے ہیں 20 قدم کی مثال سے سمجھاتا ہے۔

فرض کریں ایجنٹ 3,000 ٹوکن سے شروع کرتا ہے (سسٹم پرامپٹ، کام، چند فائلیں) اور ہر قدم تاریخ میں تقریباً 600 ٹوکن کا اضافہ کرتا ہے: ایجنٹ اس بات کا مختصر نوٹ رکھتا ہے کہ اس نے کیا کیا اور دیکھا، اور باقی چھوڑ دیتا ہے۔ پھر قدم 50 بھیجتا ہے 3,000 + 600 × 49 = 32,400 ٹوکن۔ جواب ہر قدم پر تقریباً 800 ٹوکن رہتا ہے۔ سوال بڑھتا رہتا ہے؛ جواب نہیں بڑھتا۔

50 قدموں کا مجموعہ#

حساب سے پہلے، ایک اندازہ لگائیں۔

مجموعہ، اسی ترتیب میں جیسے آپ کاغذ پر کریں گے:

• ابتدائی سیاق و سباق 50 بار جاتا ہے: 50 × 3,000 = 150,000۔
• قدم نمبر 0 سے 49 کا مجموعہ 49 × 50 ÷ 2 = 1,225، اور ہر اکائی 600 ٹوکن تاریخ ہے: 600 × 1,225 = 735,000۔
• کل ان پٹ: 150,000 + 735,000 = 885,000۔
• کل آؤٹ پٹ: 50 × 800 = 40,000۔

تاریخ 885,000 میں سے 735,000 ہے، اور یہ قدم کی گنتی سے تیز بڑھتی ہے۔ کام کو دگنا کر کے 100 قدم کریں: 99 × 100 ÷ 2 = 4,950، تو تاریخ 600 × 4,950 = 2,970,000 اور ابتدائی سیاق و سباق 100 × 3,000 = 300,000، جو کل 3,270,000 ان پٹ ٹوکن بناتا ہے۔ دوگنے قدم، تقریباً چار گنا ان پٹ۔ آؤٹ پٹ صرف دگنا ہوتا ہے: 100 × 800 = 80,000۔

ہر ماڈل پر سیشن کی لاگت#

ایک درخواست کا بل ان پٹ اور آؤٹ پٹ دونوں پر ہوتا ہے، اس لیے کل کا موازنہ کریں۔ اس طرح گننے پر، تینوں ماڈل اس بوجھ کے لیے کل میں OpenRouter سے سستے پڑتے ہیں؛ جدول کا OpenRouter کالم یہ دکھاتا ہے۔ قیمتیں لائیو ہیں، اس لیے جدول تازہ رہتا ہے۔

اسے ان پٹ کی طرف سے پڑھیں۔ اس سیشن میں ہر 100 ٹوکن میں سے تقریباً 96 ان پٹ ہیں، اس لیے ان پٹ کی قیمت کل کا زیادہ تر حصہ طے کرتی ہے۔ آج فی 1M ٹوکن ان پٹ: DeepSeek-V4-Flash $0.015، GLM-5.3-Flash $0.02، MiniMax-M2.7 $0.05۔

اور دگنا ہونا، DeepSeek-V4-Flash پر:

اب اپنا بوجھ۔ ہماری مثال میں اوسط قدم 885,000 ÷ 50 = 17,700 ان پٹ ٹوکن بھیجتا ہے اور 800 لکھتا ہے۔ ایک دن میں ایسے پانچ کام 5 × 50 = 250 قدم ہیں۔ اعداد و شمار اپنے رکھیں؛ کیلکولیٹر لائیو قیمتوں کے ساتھ قدموں پر جمع کرتا ہے۔

کیا تاریخ ونڈو میں فٹ ہوتی ہے؟#

لاگت ایک حد ہے۔ دوسری ونڈو ہے: ماڈل کے سیاق و سباق سے بڑی درخواست بالکل نہیں بھیجی جا سکتی۔ CheapTokens ماڈل کیٹلاگ (4 نومبر 2026) یہ حدود بتاتا ہے:

ہمارے 600 ٹوکن فی قدم کی نمو کے ساتھ، صرف تاریخ ہی بہت سے قدموں کے بعد ونڈو کے قریب پہنچ جاتی ہے: MiniMax-M2.7 تقریباً قدم 290 پر (3,000 + 600 × 289 = 176,400)، DeepSeek-V4-Flash تقریباً قدم 620 پر (3,000 + 600 × 619 = 374,400)، GLM-5.3-Flash تقریباً قدم 640 پر (3,000 + 600 × 639 = 386,400)۔ 50 قدم کا سیشن ان میں سے کسی کا بھی تھوڑا سا حصہ استعمال کرتا ہے۔

حقیقی سیشن زیادہ کھردرے ہوتے ہیں۔ اگر کوئی قدم بڑا لاگ چسپاں کرے اور 600 کے بجائے 6,000 ٹوکن کا اضافہ کرے، تو MiniMax-M2.7 کی 180K تقریباً قدم 30 پر ختم ہو جاتی ہے: 3,000 + 6,000 × 29 = 177,000۔ وہی کام بڑی ونڈوز میں کہیں زیادہ دیر تک فٹ رہتا ہے۔

جواب کی حد الٹا کام کرتی ہے۔ GLM-5.3-Flash اور MiniMax-M2.7 فی جواب 8,192 ٹوکن تک لکھتے ہیں، DeepSeek-V4-Flash 32,768 تک۔ فرض کریں ایک قدم کو 10,000 ٹوکن کی رپورٹ بنانی ہے۔ 8,192 کی حد پر جواب حد پر رک جاتا ہے اور finish_reason کہتا ہے length؛ DeepSeek-V4-Flash پر یہ ایک جواب میں فٹ ہو جاتا ہے۔

سپورٹ بوٹ کے لیے وہی مجموعہ#

سپورٹ بوٹ وہی لوپ ہے جس میں ایک شخص شامل ہے۔ فرض کریں گفتگو 30 موڑ چلتی ہے، سسٹم پرامپٹ اور قواعد 1,000 ٹوکن لیتے ہیں، اور ہر موڑ تاریخ میں 300 ٹوکن کا اضافہ کرتا ہے (100 گاہک سے، 200 بوٹ سے)۔

• ابتدائی سیاق و سباق، 30 بار: 30 × 1,000 = 30,000۔
• تاریخ: 29 × 30 ÷ 2 = 435 اکائیاں 300 ٹوکن کی، تو 300 × 435 = 130,500۔
• کل ان پٹ: 30,000 + 130,500 = 160,500۔
• کل آؤٹ پٹ: 30 × 200 = 6,000۔

ایسی ایک گفتگو کی لاگت GLM-5.3-Flash پر $0.0035، DeepSeek-V4-Flash پر $0.003 اور MiniMax-M2.7 پر $0.0089 ہے۔ شکل وہی ہے: ہر 100 ٹوکن میں سے تقریباً 96 ان پٹ ہیں۔ روزانہ ہزاروں گفتگوں والا بوٹ یہ پہلے ہفتے میں محسوس کرتا ہے، اور تاریخ کو تراشنا ہی لیور ہے۔ سلائیڈنگ ونڈو یا خلاصہ دکھاتا ہے کہ کیسے۔

اپنا سیشن ماپیں#

اوپر کے مفروضے گول اعداد ہیں۔ آپ کے ایجنٹ کے اپنے ہیں، اور API آپ کو بالکل بتاتا ہے: ہر جواب میں ایک usage آبجیکٹ ہوتا ہے جس میں اس کال کے ان پٹ اور آؤٹ پٹ ٹوکن ہوتے ہیں۔ اس لوپ کی شکل ٹولز کے بغیر ایجنٹ جیسی ہے: تاریخ بڑھتی ہے، پوری فہرست دوبارہ بھیجی جاتی ہے۔ یہ ایک مثال ہے؛ پرامپٹ کو اپنے کام سے بدل دیں۔

import os
import requests

URL = 'https://api.cheaptokens.dev/v1/chat/completions'
HEADERS = {'Authorization': 'Bearer ' + os.environ['CHEAPTOKENS_API_KEY']}

messages = [{'role': 'system', 'content': 'You are a research agent. Work in small steps.'}]
total_in = total_out = 0

for step in range(1, 51):
    messages.append({'role': 'user', 'content': f'Step {step}: continue the task.'})
    r = requests.post(URL, headers=HEADERS, timeout=120, json={
        'model': 'deepseek-ai/DeepSeek-V4-Flash-0731',
        'messages': messages,
        'max_tokens': 800,
    }).json()
    messages.append(r['choices'][0]['message'])
    total_in += r['usage']['prompt_tokens']
    total_out += r['usage']['completion_tokens']
    print(step, r['usage']['prompt_tokens'], r['usage']['completion_tokens'])

print('session:', total_in, 'input,', total_out, 'output')

ہر پرنٹ ہونے والی سطر میں درمیانی عدد اس کال کا ان پٹ ہے، اور یہ ہر قدم پر چڑھتا ہے۔ یہی چڑھائی تاریخ ہے۔ آخری سطر کے دو مجموعے اوپر دیے گئے لاگت کیلکولیٹر میں 885000 اور 40000 کی جگہ ڈالیں اور آپ کے سیشن کی قیمت آپ کے پاس ہے۔ بیس URL، کیز اور ماڈل آئی ڈیز CheapTokens دستاویزات میں بیان کیے گئے ہیں۔

آپ کے سیشن کے لیے کون سا ماڈل#

فی سیشن قیمت جدول میں ہے۔ جو یہ نہیں دکھا سکتا وہ یہ ہے کہ سیشن فٹ ہوتا ہے یا نہیں، اس لیے اپنے کیس کے مطابق چنیں:

تینوں ماڈل ایک ہی CheapTokens بیلنس پر ایک ہی OpenAI-مطابق پتے کے پیچھے ہیں، اس لیے آزمائشی رن کے بعد سوئچ کرنا ماڈل آئی ڈی کی تبدیلی ہے۔ موجودہ قیمتیں قیمتوں کے صفحے پر ہیں؛ صلاحیتوں کا ساتھ ساتھ موازنہ GLM بمقابلہ DeepSeek بمقابلہ MiniMax میں ہے۔