Agent 会话成本：GLM、DeepSeek 或 MiniMax 上的 50 步

你的 agent 运行了十分钟，账单却比任务本身还大。这并不奇怪：每一步都会重新发送完整历史，因此输入侧会随每一步增长，最终占据大部分成本。按下面的数字，一个 50 步的会话会发送 885,000 个输入 token，并写入 40,000 个。根据历史会增长到多大、单个回答需要多长来选择模型，然后在表中核对总额。

为什么第 50 步比第 1 步更贵#

模型在两次调用之间不记得任何东西。为了继续任务，agent 会再次发送所有内容：指令、之前每一步，以及上一步产生的结果。第 1 步发送起始上下文。第 50 步发送起始上下文加上 49 步的历史。如果这个概念对你来说很新，为什么 AI agent 使用这么多 token 用一个 20 步的例子做了说明。

假设 agent 以 3,000 个 token 开始（系统提示、任务、几个文件），每一步向历史中增加约 600 个 token：agent 保留一份经过裁剪的笔记，记录它做了什么、看到了什么，并丢弃其余内容。那么第 50 步会发送 3,000 + 600 × 49 = 32,400 个 token。回答保持在每步约 800 个 token。问题不断增长；回答不会。

50 步的总和#

在算数之前，先猜一下。

按你在纸上计算的顺序求和：

• 起始上下文发送 50 次：50 × 3,000 = 150,000。
• 步骤编号 0 到 49 相加为 49 × 50 ÷ 2 = 1,225，每个单位是 600 个 token 的历史：600 × 1,225 = 735,000。
• 输入总计：150,000 + 735,000 = 885,000。
• 输出总计：50 × 800 = 40,000。

历史占 885,000 中的 735,000，而且它的增长速度比步数更快。把任务翻倍到 100 步：99 × 100 ÷ 2 = 4,950，所以历史是 600 × 4,950 = 2,970,000，起始上下文是 100 × 3,000 = 300,000，合计 3,270,000 个输入 token。步数翻倍，输入几乎翻四倍。输出只翻倍：100 × 800 = 80,000。

每个模型上的会话成本#

请求按输入和输出一起计费，所以比较总额。按这种方式计算，对于这个负载，三个模型的总成本都比 OpenRouter 便宜；表中的 OpenRouter 列显示了这一点。价格是实时的，所以表格保持最新。

从输入侧来看。这个会话中每 100 个 token 里约有 96 个是输入，所以输入价格决定了大部分总额。目前每 1M token 的输入价格：DeepSeek-V4-Flash $0.015，GLM-5.3-Flash $0.02，MiniMax-M2.7 $0.05。

以及翻倍的情况，在 DeepSeek-V4-Flash 上：

现在换成你自己的负载。我们例子中的平均每一步发送 885,000 ÷ 50 = 17,700 个输入 token，并写入 800 个。一天五个这样的任务是 5 × 50 = 250 步。把数字换成你的；计算器会按实时价格对每一步求和。

历史能放进窗口吗？#

成本是一个限制。另一个是窗口：大于模型上下文的请求根本无法发送。CheapTokens 模型目录（2026 年 11 月 4 日）列出了这些限制：

按我们每步 600 个 token 的增长，仅历史在許多步之后就会接近窗口：MiniMax-M2.7 大约在第 290 步（3,000 + 600 × 289 = 176,400），DeepSeek-V4-Flash 大约在第 620 步（3,000 + 600 × 619 = 374,400），GLM-5.3-Flash 大约在第 640 步（3,000 + 600 × 639 = 386,400）。一个 50 步的会话只用到其中任何一个的一小部分。

真实会话更粗糙。如果某一步粘贴了一大段日志，增加了 6,000 个 token 而不是 600 个，MiniMax-M2.7 的 180K 大约在第 30 步就用完：3,000 + 6,000 × 29 = 177,000。同样的任务在更大的窗口中能容纳得久得多。

回答限制则相反。GLM-5.3-Flash 和 MiniMax-M2.7 每个回答最多写 8,192 个 token，DeepSeek-V4-Flash 最多 32,768 个。假设某一步必须生成一份 10,000 token 的报告。在 8,192 的限制下，回复会在上限处停止，finish_reason 会显示 length；在 DeepSeek-V4-Flash 上，它能在一个回答中容纳。

客服机器人的同样求和#

客服机器人是同样的循环，只是里面有人。假设一段对话有 30 轮，系统提示和规则占 1,000 个 token，每轮向历史中增加 300 个 token（客户 100 个，机器人 200 个）。

• 起始上下文，30 次：30 × 1,000 = 30,000。
• 历史：29 × 30 ÷ 2 = 435 个 300 token 的单位，所以 300 × 435 = 130,500。
• 输入总计：30,000 + 130,500 = 160,500。
• 输出总计：30 × 200 = 6,000。

这样一段对话在 GLM-5.3-Flash 上花费 $0.0035，在 DeepSeek-V4-Flash 上花费 $0.003，在 MiniMax-M2.7 上花费 $0.0089。形状是一样的：每 100 个 token 中约有 96 个是输入。每天有数千段对话的机器人会在第一周就感受到这一点，而裁剪历史就是杠杆。滑动窗口还是摘要 展示了如何做。

测量你自己的会话#

上面的假设是整数。你的 agent 有自己的数字，而 API 会准确告诉你：每个响应都带有一个 usage 对象，包含该次调用的输入和输出 token。这个循环与不带工具的 agent 形状相同：历史增长，整个列表被重新发送。这是一个示例；把提示换成你的任务。

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')

每行打印的中间数字是该次调用的输入，它每一步都在上升。这个上升就是历史。把最后一行的两个总数代入上面的成本计算器，替换 885000 和 40000，你就得到了自己会话的价格。基础 URL、密钥和模型 ID 在 CheapTokens 文档 中有描述。

你的会话该用哪个模型#

每次会话的价格在表中。它无法显示的是会话是否能容纳，所以根据你的情况选择：

三个模型都位于同一个 CheapTokens 余额上，使用相同的 OpenAI 兼容地址，所以试运行后切换只是更改模型 ID。当前价格在定价页面上；优点的并排比较在 GLM vs DeepSeek vs MiniMax 中。