Por que a entrada em cache define a conta
Cada passo de um agente é uma chamada nova que começa com o mesmo prompt de sistema, os mesmos esquemas de ferramentas e a mesma conversa até ali, mais um pouco de novidade: um arquivo que acabou de ler, o resultado de um teste. No meio da tarefa, uma chamada tem dezenas de milhares de tokens, e quase todos já estavam na chamada anterior.
Quando uma chamada começa do jeito que uma chamada recente começou, o modelo lê esse início do cache, e esses tokens são cobrados pelo preço em cache. No DeepSeek são US$ 0,011 por milhão, contra US$ 0,45 sem cache, cerca de 41 vezes menos. O cache é automático; cada resposta informa quanto foi lido do cache em usage.prompt_tokens_details.cached_tokens.
- Mantenha o início estável: prompt de sistema e ferramentas primeiro, o histórico depois, a mensagem nova por último. Os agentes já funcionam assim.
- Um agente que compacta ou reescreve o histórico começa um cache novo; a próxima chamada paga preço cheio uma vez.
- Um cache dura alguns minutos e precisa de um início de cerca de 1.000 tokens ou mais. Envie
prompt_cache_keypor tarefa para manter as chamadas dela num servidor que tem o cache.
Um mês de trabalho de agente, com preço
Um desenvolvedor, um agente rodando cerca de 4 horas por dia útil com cerca de 100 chamadas por hora, durante 22 dias: 8.800 chamadas. Cada chamada envia 50.000 tokens e recebe 700. Dos 50.000, 46.000 (92%) repetem a chamada anterior e vêm do cache. No DeepSeek V4.1 Flash Uncensored:
| Parte | Tokens | Por 1M | Custo |
|---|---|---|---|
| Entrada nova | 4.000 | $0.45 | 4.000 × $0.45 ÷ 1M = $0.0018 |
| Entrada em cache | 46.000 | $0.011 | 46.000 × $0.011 ÷ 1M = $0.000506 |
| Saída | 700 | $1.75 | 700 × $1.75 ÷ 1M = $0.00122 |
| Uma chamada | 50.700 | $0.00353 | |
| Um mês (8.800 chamadas) | $31.07 |
A entrada em cache é 92% dos tokens e 14% do custo. Sem nenhum acerto de cache, o mesmo mês custaria US$ 208,78, 6,7 vezes mais.
| O mesmo mês no | Uma chamada | Um mês |
|---|---|---|
| DeepSeek V4.1 Flash Uncensored, com cache como acima | $0.00353 | $31.07 |
| DeepSeek V4.1 Flash Uncensored, sem nada em cache | $0.02 | $208.78 |
| GLM 5.3 Flash Uncensored, com cache como acima | $0.0031 | $27.24 |
O raciocínio é cobrado como saída. O DeepSeek só raciocina quando você define reasoning_effort; o GLM sempre raciocina brevemente, o que soma tokens de saída que esta conta deixa de fora. O GLM também tem 128 mil tokens de contexto, contra o milhão do DeepSeek.
Os seus números vão ser diferentes. Calcule com os tamanhos de token do seu caso em Preços, e confira com uma execução real: cada resposta traz o custo em usage.nokeep_credits, e o console mostra os gastos por dia.
Feito para execuções longas de agente
- Um milhão de tokens de contexto no
deepseek-v4.1-flash-uncensored, e respostas de até 131.072 tokens, então um mapa grande de repositório ou uma sessão longa cabem sem cortes. - Chamadas de ferramentas no formato OpenAI nos dois modelos, com
tool_choiceeparallel_tool_callsno DeepSeek. Veja Chamadas de ferramentas. - Sem recusas no meio da tarefa. Os dois modelos têm as recusas removidas, então uma correção de segurança, um teste de exploit ou um raspador não para a execução.
- Recarga automática. Ligue no console e uma chamada que encontra o saldo baixo cobra o seu cartão salvo uma vez e segue em frente, em vez de um
402que para o agente. Roda no máximo três vezes e US$ 100 em qualquer período de 24 horas, e ainda não está disponível para cartões emitidos na Índia. - Sem limite diário, a não ser que você defina. Uma chave nova é limitada só pelos seus créditos; adicione um limite por chave no console, se quiser. 120 requisições por minuto por chave.
Configure o seu agente
Todo agente abaixo fala o formato OpenAI. Aponte para https://nokeep.ai/v1, cole a sua chave e escolha deepseek-v4.1-flash-uncensored. Onde existe um guia, ele mostra a tela exata de configurações:
Qualquer outra coisa que aceite um endpoint personalizado compatível com OpenAI funciona do mesmo jeito. Veja a página da API compatível com OpenAI para saber o que é e o que não é suportado.
Perguntas
Qual é o modelo mais barato aqui para um agente de código?
Num agente com muito cache, os dois ficam próximos: US$ 31,07 no DeepSeek e US$ 27,24 no GLM no exemplo acima. O DeepSeek costuma ser a melhor escolha para agentes, com um milhão de tokens de contexto e sem raciocínio forçado.
Como sei que o cache está funcionando?
Leia usage.prompt_tokens_details.cached_tokens em cada resposta. Numa execução longa de agente, a maior parte de usage.prompt_tokens deve aparecer ali depois da primeira chamada.
O meu agente vai parar quando os créditos acabarem?
Não com a recarga automática ligada: uma chamada que encontra o saldo baixo cobra o seu cartão salvo e recebe resposta. Com ela desligada, as chamadas param com um 402 até você recarregar.
Existe gasto mínimo ou assinatura?
Sem assinatura. Os créditos começam em US$ 5, 1.000 créditos custam US$ 1, e nunca expiram. Os créditos não são reembolsáveis.
O meu código é guardado?
Não. Guardamos uma linha de contagens por chamada, para cobrança, nunca o prompt nem a resposta, e nenhum dos hosts dos modelos os armazena. Veja a página da API de LLM privada.