Por qué la entrada en caché decide la factura
Cada paso de un agente es una llamada nueva que empieza con el mismo prompt de sistema, los mismos esquemas de herramientas y la misma conversación hasta ahora, más un poco nuevo: un archivo que acaba de leer, un resultado de prueba. A mitad de una tarea, una llamada tiene decenas de miles de tokens, y casi todos estaban en la llamada anterior.
Cuando una llamada empieza como lo hizo una reciente, el modelo lee ese inicio de la caché, y esos tokens se cobran al precio de caché. En DeepSeek son $0.011 por millón frente a $0.45 nuevos, unas 41 veces menos. El caché es automático; cada respuesta indica cuántos tokens se leyeron de caché en usage.prompt_tokens_details.cached_tokens.
- Mantén estable el inicio: primero el prompt de sistema y las herramientas, luego el historial y al final el mensaje nuevo. Los agentes ya trabajan así.
- Un agente que compacta o reescribe su historial inicia un caché nuevo; la siguiente llamada paga precio completo una vez.
- Un caché dura unos minutos y necesita un inicio de unos 1,000 tokens o más. Envía
prompt_cache_keypor tarea para que sus llamadas vayan a un servidor que lo tiene en caché.
Un mes de trabajo con agentes, con precio
Un desarrollador, con un agente que corre unas 4 horas al día laboral a unas 100 llamadas por hora, durante 22 días: 8,800 llamadas. Cada llamada envía 50,000 tokens y recibe 700. 46,000 de los 50,000 (92%) repiten la llamada anterior y vienen del caché. En DeepSeek V4.1 Flash Uncensored:
| Parte | Tokens | Por 1M | Costo |
|---|---|---|---|
| Entrada nueva | 4,000 | $0.45 | 4,000 × $0.45 ÷ 1M = $0.0018 |
| Entrada en caché | 46,000 | $0.011 | 46,000 × $0.011 ÷ 1M = $0.000506 |
| Salida | 700 | $1.75 | 700 × $1.75 ÷ 1M = $0.00122 |
| Una llamada | 50,700 | $0.00353 | |
| Un mes (8,800 llamadas) | $31.07 |
La entrada en caché es el 92% de los tokens y el 14% del costo. Sin ningún acierto de caché, el mismo mes costaría $208.78, 6.7 veces más.
| Mismo mes en | Una llamada | Un mes |
|---|---|---|
| DeepSeek V4.1 Flash Uncensored, con caché como arriba | $0.00353 | $31.07 |
| DeepSeek V4.1 Flash Uncensored, sin caché | $0.02 | $208.78 |
| GLM 5.3 Flash Uncensored, con caché como arriba | $0.0031 | $27.24 |
El razonamiento se cobra como salida. DeepSeek razona solo cuando defines reasoning_effort; GLM siempre razona brevemente, lo que añade tokens de salida que esto no incluye. GLM además tiene 128K tokens de contexto, frente al millón de DeepSeek.
Tus números serán distintos. Calcúlalos con tus propios tamaños de token en Precios, y compruébalo con una ejecución real: cada respuesta trae su costo en usage.nokeep_credits, y la consola muestra el gasto por día.
Pensado para ejecuciones largas de agentes
- Un millón de tokens de contexto en
deepseek-v4.1-flash-uncensored, y respuestas de hasta 131,072 tokens, así que un mapa grande del repositorio o una sesión larga caben sin recortar. - Llamadas a herramientas en formato OpenAI en ambos modelos, con
tool_choiceyparallel_tool_callsen DeepSeek. Ver Llamadas a herramientas. - Sin rechazos a mitad de tarea. Ambos modelos tienen sus rechazos quitados, así que una corrección de seguridad, una prueba de exploit o un scraper no detienen la ejecución.
- Auto top-up. Actívalo en la consola y una llamada que encuentre el saldo bajo cobra a tu tarjeta guardada una vez y continúa, en lugar de un
402que detiene al agente. Se ejecuta como máximo tres veces y $100 en cualquier periodo de 24 horas, y todavía no está disponible para tarjetas emitidas en India. - Sin límite diario salvo que lo definas. Una clave nueva está limitada solo por tus créditos; añade un límite por clave en la consola si quieres uno. 120 solicitudes por minuto por clave.
Configura tu agente
Todos los agentes de abajo hablan formato OpenAI. Apúntalos a https://nokeep.ai/v1, pega tu clave y elige deepseek-v4.1-flash-uncensored. Donde hay una guía, muestra la pantalla exacta de ajustes:
Cualquier otra herramienta que acepte un endpoint personalizado compatible con OpenAI funciona igual. Consulta la página de API compatible con OpenAI para ver qué se admite y qué no.
Preguntas
¿Cuál es el modelo más barato aquí para un agente de programación?
En un agente que depende mucho del caché, los dos quedan cerca: $31.07 en DeepSeek y $27.24 en GLM en el ejemplo de arriba. DeepSeek suele ser la mejor opción para agentes, con un millón de tokens de contexto y sin razonamiento forzado.
¿Cómo sé que el caché funciona?
Lee usage.prompt_tokens_details.cached_tokens en cada respuesta. En una ejecución larga de agente, la mayor parte de usage.prompt_tokens debería aparecer ahí después de la primera llamada.
¿Mi agente se detendrá cuando se acaben los créditos?
No con la recarga automática activada: una llamada que encuentre el saldo bajo cobra a tu tarjeta guardada y recibe respuesta. Sin ella, las llamadas se detienen con un 402 hasta que recargues.
¿Hay un gasto mínimo o una suscripción?
No hay suscripción. Los créditos empiezan en $5, 1,000 créditos cuestan $1, y nunca caducan. Los créditos no son reembolsables.
¿Guardan mi código?
No. Guardamos una fila de conteos por llamada para la facturación, nunca el prompt ni la respuesta, y ninguno de los hosts de los modelos los guarda. Consulta la página de API privada de LLM.