Pourquoi l’entrée en cache fait la facture
Chaque étape d’un agent est un nouvel appel qui commence par le même prompt système, les mêmes schémas d’outils et la même conversation jusqu’ici, plus un peu de nouveau : un fichier qu’il vient de lire, un résultat de test. En pleine tâche, un appel fait des dizaines de milliers de tokens, et presque tous étaient déjà dans l’appel précédent.
Quand un appel commence comme un appel récent, le modèle lit ce début depuis le cache, et ces tokens sont facturés au prix du cache. Sur DeepSeek, c’est 0,011 $ par million, contre 0,45 $ pour de l’entrée non mise en cache, soit environ 41 fois moins. Le cache est automatique ; chaque réponse indique combien a été mis en cache dans usage.prompt_tokens_details.cached_tokens.
- Gardez le début stable : prompt système et outils d’abord, historique ensuite, le nouveau message en dernier. Les agents fonctionnent déjà ainsi.
- Un agent qui compacte ou réécrit son historique repart d’un cache vide ; l’appel suivant paie plein tarif une fois.
- Un cache dure quelques minutes et demande un début d’environ 1 000 tokens ou plus. Envoyez
prompt_cache_keypar tâche pour que ses appels restent sur un serveur qui l’a en cache.
Un mois de travail d’agent, chiffré
Un développeur, un agent qui tourne environ 4 heures par jour ouvré à peu près 100 appels par heure, pendant 22 jours : 8 800 appels. Chaque appel envoie 50 000 tokens et en reçoit 700. 46 000 des 50 000 (92 %) répètent l’appel précédent et viennent du cache. Sur DeepSeek V4.1 Flash Uncensored :
| Partie | Tokens | Par 1M | Coût |
|---|---|---|---|
| Entrée non mise en cache | 4,000 | $0.45 | 4,000 × $0.45 ÷ 1M = $0.0018 |
| Entrée en cache | 46,000 | $0.011 | 46,000 × $0.011 ÷ 1M = $0.000506 |
| Sortie | 700 | $1.75 | 700 × $1.75 ÷ 1M = $0.00122 |
| Un appel | 50,700 | $0.00353 | |
| Un mois (8,800 appels) | $31.07 |
L’entrée en cache représente 92 % des tokens et 14 % du coût. Sans aucun succès de cache, le même mois coûterait 208,78 $, soit 6,7 fois plus.
| Même mois sur | Un appel | Un mois |
|---|---|---|
| DeepSeek V4.1 Flash Uncensored, avec cache comme ci-dessus | $0.00353 | $31.07 |
| DeepSeek V4.1 Flash Uncensored, rien en cache | $0.02 | $208.78 |
| GLM 5.3 Flash Uncensored, avec cache comme ci-dessus | $0.0031 | $27.24 |
La réflexion est facturée comme sortie. DeepSeek ne réfléchit que si vous réglez reasoning_effort ; GLM réfléchit toujours brièvement, ce qui ajoute des tokens de sortie que ce calcul ne prend pas en compte. GLM contient aussi 128K tokens de contexte, contre un million pour DeepSeek.
Vos chiffres seront différents. Calculez-les avec la taille réelle de vos tokens sur la page tarifs, et vérifiez sur un vrai run : chaque réponse porte son coût dans usage.nokeep_credits, et la console affiche les dépenses par jour.
Conçu pour de longs runs d’agent
- Un million de tokens de contexte sur
deepseek-v4.1-flash-uncensored, et des réponses allant jusqu’à 131 072 tokens : une grande carte de dépôt ou une longue session tient sans être réduite. - Appels d’outils au format OpenAI sur les deux modèles, avec
tool_choiceetparallel_tool_callssur DeepSeek. Voir Appels d’outils. - Aucun refus en pleine tâche. Les refus ont été retirés des deux modèles : un correctif de sécurité, un test d’exploit ou un scraper n’arrête donc pas le run.
- Recharge automatique. Activez-la dans la console : un appel qui trouve le solde insuffisant débite votre carte enregistrée une fois et passe, au lieu d’une erreur
402qui arrête l’agent. Elle s’exécute au plus trois fois et pour 100 $ au maximum sur 24 heures, et n’est pas encore disponible pour les cartes émises en Inde. - Pas de plafond quotidien sauf si vous en fixez un. Une nouvelle clé est limitée par vos seuls crédits ; ajoutez un plafond par clé dans la console si vous le souhaitez. 120 requêtes par minute et par clé.
Configurer votre agent
Chaque agent ci-dessous parle le format OpenAI. Pointez-le vers https://nokeep.ai/v1, collez votre clé et choisissez deepseek-v4.1-flash-uncensored. Lorsqu’un guide existe, il montre l’écran de réglages exact :
Tout autre outil qui accepte un point de terminaison personnalisé compatible OpenAI fonctionne de la même façon. Consultez la page API compatible OpenAI pour savoir ce qui est pris en charge ou non.
Questions
Quel est le modèle le moins cher ici pour un agent de code ?
Sur un agent très dépendant du cache, les deux sont proches : 31,07 $ sur DeepSeek et 27,24 $ sur GLM dans l’exemple ci-dessus. DeepSeek est en général le meilleur choix pour les agents, avec un million de tokens de contexte et sans réflexion imposée.
Comment savoir que le cache fonctionne ?
Lisez usage.prompt_tokens_details.cached_tokens sur chaque réponse. Sur un long run d’agent, la plus grande partie de usage.prompt_tokens devrait apparaître là après le premier appel.
Mon agent s’arrête-t-il quand les crédits sont épuisés ?
Pas avec la recharge automatique activée : un appel qui trouve le solde insuffisant débite votre carte enregistrée et reçoit une réponse. Sans elle, les appels s’arrêtent avec une erreur 402 jusqu’à ce que vous rechargiez.
Y a-t-il un dépôt minimum ou un abonnement ?
Pas d’abonnement. Les crédits commencent à 5 $, 1 000 crédits valent 1 $, et ils n’expirent jamais. Les crédits ne sont pas remboursables.
Mon code est-il conservé ?
Non. Nous gardons une seule ligne de compteurs par appel pour la facturation, jamais le prompt ni la réponse, et aucun des hébergeurs des deux modèles ne les stocke. Voir la page API LLM privée.