Warum gecachte Eingabe die Rechnung bestimmt
Jeder Schritt eines Agenten ist ein neuer Aufruf, der mit demselben Systemprompt, denselben Tool-Schemata und der bisherigen Unterhaltung beginnt, plus ein wenig Neues: eine gerade gelesene Datei, ein Testergebnis. Mitten in einer Aufgabe sind es Zehntausende Token, und fast alle davon standen schon im Aufruf davor.
Beginnt ein Aufruf so wie ein kürzlicher, liest das Modell diesen Anfang aus dem Cache, und diese Token werden zum Cache-Preis berechnet. Auf DeepSeek sind das $0.011 pro Million statt $0.45 frisch, also etwa 41-mal günstiger. Caching ist automatisch; jede Antwort sagt, wie viel gecacht war, in usage.prompt_tokens_details.cached_tokens.
- Halten Sie den Anfang stabil: Systemprompt und Tools zuerst, dann der Verlauf, die neue Nachricht zuletzt. Agenten arbeiten bereits so.
- Ein Agent, der seinen Verlauf verdichtet oder umschreibt, beginnt einen neuen Cache; der nächste Aufruf zahlt einmal den vollen Preis.
- Ein Cache hält einige Minuten und braucht einen Anfang von etwa 1,000 Token oder mehr. Senden Sie
prompt_cache_keypro Aufgabe, damit ihre Aufrufe auf einem Server bleiben, der sie gecacht hat.
Ein Monat Agentenarbeit, durchgerechnet
Ein Entwickler, bei dem ein Agent etwa 4 Stunden pro Arbeitstag läuft, mit rund 100 Aufrufen pro Stunde, an 22 Tagen: 8,800 Aufrufe. Jeder Aufruf sendet 50,000 Token und erhält 700 zurück. 46,000 der 50,000 (92 %) wiederholen den vorherigen Aufruf und kommen aus dem Cache. Auf DeepSeek V4.1 Flash Uncensored:
| Teil | Token | Pro 1 Mio. | Kosten |
|---|---|---|---|
| Neue Eingabe | 4,000 | $0.45 | 4,000 × $0.45 ÷ 1M = $0.0018 |
| Gecachte Eingabe | 46,000 | $0.011 | 46,000 × $0.011 ÷ 1M = $0.000506 |
| Ausgabe | 700 | $1.75 | 700 × $1.75 ÷ 1M = $0.00122 |
| Ein Aufruf | 50,700 | $0.00353 | |
| Ein Monat (8,800 Aufrufe) | $31.07 |
Die gecachte Eingabe macht 92 % der Token und 14 % der Kosten aus. Ohne jeden Cache-Treffer würde derselbe Monat $208.78 kosten, das 6.7-Fache.
| Gleicher Monat auf | Ein Aufruf | Ein Monat |
|---|---|---|
| DeepSeek V4.1 Flash Uncensored, gecacht wie oben | $0.00353 | $31.07 |
| DeepSeek V4.1 Flash Uncensored, nichts gecacht | $0.02 | $208.78 |
| GLM 5.3 Flash Uncensored, gecacht wie oben | $0.0031 | $27.24 |
Denken wird als Ausgabe berechnet. DeepSeek denkt nur, wenn Sie reasoning_effort setzen; GLM denkt immer kurz, was zusätzliche Ausgabe-Token erzeugt, die diese Rechnung auslässt. GLM hat außerdem 128K Token Kontext, DeepSeek eine Million.
Ihre Zahlen werden abweichen. Rechnen Sie mit Ihren eigenen Token-Größen auf der Preisseite nach und prüfen Sie einen echten Lauf: Jede Antwort trägt ihre Kosten in usage.nokeep_credits, und die Konsole zeigt die Ausgaben pro Tag.
Gebaut für lange Agentenläufe
- Eine Million Token Kontext auf
deepseek-v4.1-flash-uncensoredund Antworten bis zu 131,072 Token, sodass eine große Repo-Karte oder eine lange Sitzung ohne Kürzen passt. - Tool-Aufrufe im OpenAI-Format bei beiden Modellen, mit
tool_choiceundparallel_tool_callsbei DeepSeek. Siehe Tool-Aufrufe. - Keine Ablehnungen mitten in der Aufgabe. Bei beiden Modellen sind die Ablehnungen aus den Gewichten entfernt, sodass ein Sicherheitsfix, ein Exploit-Test oder ein Scraper den Lauf nicht stoppt.
- Auto-Aufladen. Schalten Sie es in der Konsole ein, dann belastet ein Aufruf, dessen Guthaben nicht reicht, Ihre gespeicherte Karte einmal und läuft durch, statt mit einem
402den Agenten zu stoppen. Es greift höchstens dreimal und bis zu $100 in 24 Stunden und ist für Karten aus Indien noch nicht verfügbar. - Kein Tageslimit, außer Sie setzen eines. Ein neuer Schlüssel ist nur durch Ihre Credits begrenzt; fügen Sie in der Konsole ein Limit pro Schlüssel hinzu, wenn Sie eines wollen. 120 Anfragen pro Minute pro Schlüssel.
Richten Sie Ihren Agenten ein
Jeder Agent unten spricht das OpenAI-Format. Richten Sie ihn auf https://nokeep.ai/v1 aus, fügen Sie Ihren Schlüssel ein und wählen Sie deepseek-v4.1-flash-uncensored. Wo es eine Anleitung gibt, zeigt sie die genaue Einstellungsseite:
Alles andere, das einen eigenen OpenAI-kompatiblen Endpunkt akzeptiert, funktioniert genauso. Was unterstützt wird und was nicht, steht auf der Seite OpenAI-kompatible API.
Fragen
Was ist hier das günstigste Modell für einen Coding-Agenten?
Bei einem Agenten mit viel Cache liegen die beiden nah beieinander: $31.07 auf DeepSeek und $27.24 auf GLM im Beispiel oben. DeepSeek ist für Agenten meist die bessere Wahl, mit einer Million Token Kontext und ohne erzwungenes Denken.
Woran erkenne ich, dass der Cache funktioniert?
Lesen Sie usage.prompt_tokens_details.cached_tokens bei jeder Antwort. Bei einem langen Agentenlauf sollte der größte Teil von usage.prompt_tokens dort nach dem ersten Aufruf erscheinen.
Stoppt mein Agent, wenn die Credits aufgebraucht sind?
Mit eingeschaltetem Auto-Aufladen nicht: Ein Aufruf, dessen Guthaben nicht reicht, belastet Ihre gespeicherte Karte und wird beantwortet. Ohne Aufladen stoppen die Aufrufe mit einem 402, bis Sie aufladen.
Gibt es einen Mindestbetrag oder ein Abo?
Kein Abo. Credits gibt es ab $5, 1,000 Credits kosten $1, und sie verfallen nie. Credits sind nicht erstattungsfähig.
Wird mein Code gespeichert?
Nein. Wir speichern pro Aufruf eine Zeile mit Zählungen für die Abrechnung, nie den Prompt oder die Antwort, und keiner der beiden Modellhosts speichert sie. Siehe die Seite Private LLM-API.