Vì sao đầu vào đã cache quyết định hóa đơn
Mỗi bước của một agent là một lượt gọi mới, bắt đầu bằng cùng system prompt, cùng schema công cụ và cùng cuộc hội thoại cho đến nay, cộng thêm một chút phần mới: một tệp vừa đọc, một kết quả kiểm thử. Đến giữa tác vụ, một lượt gọi đã có hàng chục nghìn token, và gần như tất cả đã có trong lượt gọi trước.
Khi một lượt gọi bắt đầu giống một lượt gần đây, mô hình đọc phần mở đầu đó từ cache, và các token này được tính theo giá đã cache. Trên DeepSeek, đó là 0,011 $ cho mỗi triệu so với 0,45 $ khi chưa cache, tức rẻ hơn khoảng 41 lần. Cache là tự động; mỗi câu trả lời cho biết đã cache bao nhiêu trong usage.prompt_tokens_details.cached_tokens.
- Giữ phần mở đầu ổn định: system prompt và công cụ trước, lịch sử kế tiếp, tin nhắn mới nhất ở cuối. Các agent vốn đã làm theo cách này.
- Một agent nén hoặc viết lại lịch sử sẽ bắt đầu một cache mới; lượt gọi kế tiếp trả đủ giá một lần.
- Cache tồn tại vài phút và cần phần mở đầu khoảng 1.000 token trở lên. Gửi
prompt_cache_keycho mỗi tác vụ để giữ các lượt gọi của nó trên máy chủ đã cache.
Một tháng làm việc với agent, đã định giá
Một lập trình viên, một agent chạy khoảng 4 giờ mỗi ngày làm việc với khoảng 100 lượt gọi mỗi giờ, trong 22 ngày: 8.800 lượt gọi. Mỗi lượt gọi gửi 50.000 token và nhận lại 700. 46.000 trong số 50.000 (92%) lặp lại lượt gọi trước và đến từ cache. Trên DeepSeek V4.1 Flash Uncensored:
| Phần | Token | Trên 1M | Chi phí |
|---|---|---|---|
| Đầu vào mới | 4.000 | $0.45 | 4.000 × $0.45 ÷ 1M = $0.0018 |
| Đầu vào đã cache | 46.000 | $0.011 | 46.000 × $0.011 ÷ 1M = $0.000506 |
| Đầu ra | 700 | $1.75 | 700 × $1.75 ÷ 1M = $0.00122 |
| Một lượt gọi | 50.700 | $0.00353 | |
| Một tháng (8.800 lượt gọi) | $31.07 |
Đầu vào đã cache chiếm 92% số token và 14% chi phí. Nếu không có lượt cache nào, cả tháng sẽ là 208,78 $, gấp 6,7 lần.
| Cùng một tháng trên | Một lượt gọi | Một tháng |
|---|---|---|
| DeepSeek V4.1 Flash Uncensored, đã cache như trên | $0.00353 | $31.07 |
| DeepSeek V4.1 Flash Uncensored, không cache | $0.02 | $208.78 |
| GLM 5.3 Flash Uncensored, đã cache như trên | $0.0031 | $27.24 |
Phần suy nghĩ được tính như đầu ra. DeepSeek chỉ suy nghĩ khi bạn đặt reasoning_effort; GLM luôn suy nghĩ ngắn gọn, điều này thêm token đầu ra mà bảng này chưa tính. GLM cũng giữ 128K token ngữ cảnh, so với một triệu của DeepSeek.
Con số của bạn sẽ khác. Hãy tự tính với kích thước token của bạn trên Bảng giá, và kiểm tra một lần chạy thật: mỗi câu trả lời mang chi phí của nó trong usage.nokeep_credits, còn bảng điều khiển hiển thị chi tiêu theo ngày.
Được xây cho các lần chạy agent dài
- Một triệu token ngữ cảnh trên
deepseek-v4.1-flash-uncensored, và câu trả lời dài tới 131.072 token, nên một bản đồ kho mã lớn hoặc phiên dài vừa mà không cần cắt bớt. - Lệnh gọi công cụ theo định dạng OpenAI trên cả hai mô hình, với
tool_choicevàparallel_tool_callstrên DeepSeek. Xem Lệnh gọi công cụ. - Không có từ chối giữa tác vụ. Cả hai mô hình đều đã loại bỏ các từ chối, nên một bản vá bảo mật, một bài kiểm thử khai thác hay một trình thu thập dữ liệu sẽ không làm dừng lần chạy.
- Tự động nạp tiền. Bật trong bảng điều khiển, và một lượt gọi gặp số dư thiếu sẽ tính vào thẻ đã lưu của bạn một lần rồi đi tiếp, thay vì một
402làm agent dừng lại. Nó chạy tối đa ba lần và 100 $ trong 24 giờ bất kỳ, và hiện chưa dùng được cho thẻ phát hành tại Ấn Độ. - Không có hạn mức hằng ngày trừ khi bạn đặt. Một khóa mới chỉ bị giới hạn bởi tín dụng của bạn; thêm hạn mức cho mỗi khóa trong bảng điều khiển nếu bạn muốn. 120 yêu cầu mỗi phút cho mỗi khóa.
Thiết lập agent của bạn
Mọi agent dưới đây đều dùng định dạng OpenAI. Trỏ nó tới https://nokeep.ai/v1, dán khóa của bạn, và chọn deepseek-v4.1-flash-uncensored. Nơi có hướng dẫn, nó chỉ ra màn hình cài đặt chính xác:
Bất kỳ thứ gì khác nhận một endpoint tương thích OpenAI tùy chỉnh đều hoạt động theo cách tương tự. Xem trang API tương thích OpenAI để biết những gì được hỗ trợ và không được hỗ trợ.
Câu hỏi
Mô hình rẻ nhất ở đây cho một coding agent là gì?
Với một agent nặng về cache, hai mô hình gần ngang nhau: 31,07 $ trên DeepSeek và 27,24 $ trên GLM trong ví dụ trên. DeepSeek thường là lựa chọn tốt hơn cho agent, với một triệu token ngữ cảnh và không bắt buộc suy nghĩ.
Làm sao tôi biết cache đang hoạt động?
Đọc usage.prompt_tokens_details.cached_tokens trên mỗi câu trả lời. Với một lần chạy agent dài, phần lớn usage.prompt_tokens nên xuất hiện ở đó sau lượt gọi đầu tiên.
Agent của tôi có dừng khi hết tín dụng không?
Không khi bật tự động nạp tiền: một lượt gọi gặp số dư thiếu sẽ tính vào thẻ đã lưu của bạn và được trả lời. Khi tắt, các lượt gọi dừng với 402 cho đến khi bạn nạp thêm.
Có mức chi tiêu tối thiểu hay gói đăng ký không?
Không có gói đăng ký. Tín dụng bắt đầu từ 5 $, 1.000 tín dụng là 1 $, và chúng không bao giờ hết hạn. Tín dụng không được hoàn tiền.
Mã của tôi có được lưu không?
Không. Chúng tôi giữ một dòng số đếm cho mỗi lượt gọi để tính phí, không bao giờ là lời nhắc hay câu trả lời, và không máy chủ mô hình nào lưu chúng. Xem trang API LLM riêng tư.