कोडिंग एजेंट का बिल उस तरह बढ़ता है जैसे चैट का बिल नहीं बढ़ता। हर टर्न सिस्टम प्रॉम्प्ट, टूल की सूची, पढ़ी गई फ़ाइलें और अब तक की पूरी बातचीत दोबारा भेजता है। टर्न 30 तक एक ही अनुरोध में लाखों इनपुट टोकन हो सकते हैं, जिनमें से ज़्यादातर दोहराव होते हैं। नीचे के दस तरीक़े ठीक उन्हीं टोकन को निशाना बनाते हैं। हर एक के साथ अनुमानित बचत और उसका हिसाब दिया गया है, जो 2026-11-14 को सिंक हुई BroadNet Inference की कीमतों पर आधारित है। आपके आँकड़े अलग होंगे, इसलिए बदलाव से पहले और बाद में मापें।
कोडिंग एजेंट का पैसा कहाँ जाता है?
तीन मीटर, ज़्यादातर एजेंट के लिए आकार के क्रम में:
- इनपुट, जो हर टर्न पर दोबारा भेजा जाता है। इसका ज़्यादातर हिस्सा कैश हो सकता है।
- आउटपुट, जिसमें वे रीज़निंग टोकन भी शामिल हैं जो आपको कभी दिखते नहीं।
- बर्बादी: रीट्राई, बिना प्रगति वाले लूप, और ऐसा कॉन्टेक्स्ट जिसकी किसी को ज़रूरत नहीं थी।
कुछ भी बदलने से पहले एक दिन के असली काम के लिए prompt_tokens, prompt_tokens_details.cached_tokens और completion_tokens पढ़ें। एजेंट लूप के टोकन कहाँ जाते हैं में इन्हें हिस्सों में बाँटने का तरीक़ा है।
कौन-से तरीक़े सबसे ज़्यादा बचाते हैं?
| # | तरीक़ा | क्या घटाता है | अनुमानित बचत |
|---|---|---|---|
| 1 | प्रॉम्प्ट प्रीफ़िक्स स्थिर रखें | नया इनपुट | इनपुट बिल आधा या उससे कम |
| 2 | एजेंट को खोजने देने के बजाय फ़ाइलों के नाम बताएँ | खोजबीन वाले टर्न | कम टर्न, कम दोबारा भेजना |
| 3 | टूल आउटपुट छोटा करें | हर अगले टर्न का इनपुट | लॉग के आकार के साथ बढ़ती है |
| 4 | रूटीन स्टेप पर रीज़निंग effort घटाएँ | छिपा हुआ आउटपुट | टास्क के मिश्रण पर निर्भर |
| 5 | हर टास्क के स्टेप पर सीमा लगाएँ | बेक़ाबू लूप | सबसे बुरी स्थिति पर ऊपरी सीमा |
| 6 | रीट्राई पर सीमा लगाएँ और लॉग करें | दोहराए गए अनुरोध | हर टला हुआ रीट्राई एक पूरा अनुरोध है |
| 7 | हर टास्क के लिए नया सेशन शुरू करें | पुरानी हिस्ट्री | हर टर्न पर छोटा कॉन्टेक्स्ट |
| 8 | आसान स्टेप सस्ते मॉडल पर भेजें | प्रति टोकन कीमत | रूट किए गए स्टेप पर बड़ी |
| 9 | सारांश कभी-कभार, जोड़ना अक्सर | कैश मिस | तरीक़ा 1 को काम करता रखता है |
| 10 | ब्रेक-ईवन के बाद फ़्लैट प्लान पर जाएँ | टोकन मीटर | हमारे उदाहरण में $5.40 प्रति माह |
1. प्रॉम्प्ट प्रीफ़िक्स स्थिर रखें ताकि वह कैश हो
DeepSeek V4.1 Flash पर कैश्ड इनपुट प्रति 1M $0.0055 का है; नया इनपुट $0.175 का, यानी लगभग 32 गुना ज़्यादा। प्रॉम्प्ट का क्रम रखें: सिस्टम प्रॉम्प्ट, टूल, फ़ाइलें, हिस्ट्री, नया संदेश। सबसे ऊपर कभी टाइमस्टैम्प न रखें। Cursor ने सितंबर 2026 में बताया कि हार्नेस में बदलावों ने, जिनमें लगभग दो-तिहाई छोटा सिस्टम प्रॉम्प्ट और ज़रूरत पड़ने पर ही लोड होने वाले टूल शामिल थे, यूज़र्स की टोकन लागत 7% घटाई। प्रॉम्प्ट को ऐसे कैसे बनाएँ कि प्रीफ़िक्स कैश हो।
अनुमानित बचत। मान लीजिए महीने में 1,000M इनपुट टोकन हैं। 50% कैश हिट पर आप 500M पर नए इनपुट की कीमत देते हैं; 80% पर सिर्फ़ 200M पर। कैश्ड हिस्से को मिलाकर इनपुट बिल लगभग 56% घटता है। अपनी कैश दर कैसे बढ़ाएँ, या प्रॉम्प्ट कैशिंग कैलकुलेटर में अपने आँकड़े आज़माएँ।
2. एजेंट को बताएँ कि कौन-सी फ़ाइलें मायने रखती हैं
अस्पष्ट टास्क (“लॉगिन बग ठीक करो”) एजेंट को खोज पर भेज देता है: डायरेक्टरी की सूची बनाना, फ़ाइलें खोलना, उन्हें कॉन्टेक्स्ट में पढ़ना। जो भी फ़ाइल वह खोलता है, वह हर अगले टर्न पर दोबारा भेजी जाती है। फ़ाइलों के नाम और अपेक्षित बदलाव बताएँ। रिपॉज़िटरी में एक छोटा प्रोजेक्ट मैप रखें जिसे एजेंट सबसे पहले पढ़े।
अनुमानित बचत। अगर 30 टर्न वाले टास्क के टर्न 3 पर 40,000 टोकन की फ़ाइल पढ़ी जाए, तो वह लगभग 27 बार दोबारा जाती है: एक फ़ाइल के लिए दस लाख से ज़्यादा इनपुट टोकन। उसे न पढ़ने से यह पूरा ख़र्च बचता है।
3. टूल आउटपुट को कॉन्टेक्स्ट में जाने से पहले छोटा करें
टेस्ट रनर, बिल्ड लॉग और git diff हज़ारों-हज़ार टोकन लौटा सकते हैं। एजेंट को लॉग की आख़िरी 100 लाइनें या सिर्फ़ फ़ेल हुए टेस्ट दिखाएँ। ज़्यादातर एजेंट टूल कमांड के आउटपुट पर सीमा लगाने देते हैं।
अनुमानित बचत। तरीक़ा 2 वाला ही हिसाब: आप जो भी टोकन काटते हैं, वह हर बचे हुए टर्न पर एक बार बचता है।
4. रूटीन स्टेप पर रीज़निंग effort घटाएँ
DeepSeek V4.1 Flash और GLM 5.3 जवाब देने से पहले सोचते हैं, और इस सोच का बिल आउटपुट के रूप में बनता है। नाम बदलने, फ़ॉर्मैटिंग और छोटे एडिट के लिए reasoning_effort: "low" सेट करें। max_tokens इतना ऊँचा रखें कि जवाब पूरा हो सके, वरना आप सोच का पैसा देंगे और जवाब ख़ाली मिलेगा। रीज़निंग टोकन की लागत।
अनुमानित बचत। उन्हीं 20 टास्क पर पहले और बाद में completion_tokens_details.reasoning_tokens मापें। बचत = जितनी कमी आई, गुणा आउटपुट की कीमत (प्रति 1M $0.52)।
5. हर टास्क के स्टेप पर सीमा लगाएँ
जो एजेंट किसी टेस्ट को ठीक नहीं कर पाता, वह 100 टर्न तक लूप में घूम सकता है, और हर टर्न पिछले से बड़ा होता है। हर टास्क के लिए टर्न की अधिकतम संख्या तय करें, और एक ही टूल कॉल तीन बार दोहराए जाने पर रोक दें। स्टेप की सीमा असीमित लागत को सीमित लागत में बदल देती है।
6. रीट्राई पर सीमा लगाएँ और उन्हें लॉग करें
दोबारा भेजा गया अनुरोध एक नया इन्फ़रेंस है, जिसका प्रति-टोकन key पर फिर से बिल बनता है। 429 और 5xx पर backoff और तय सीमा के साथ रीट्राई करें; 400 या 422 जैसे दूसरे 4xx एरर पर रीट्राई न करें। एरर और रीट्राई।
7. हर टास्क के लिए नया सेशन शुरू करें
पिछले टास्क की हिस्ट्री अगले टास्क पर बेकार का बोझ है। हर टास्क के लिए नया सेशन कॉन्टेक्स्ट को छोटा रखता है। इसका कैशिंग से टकराव नहीं है: सिस्टम प्रॉम्प्ट और टूल तब भी एक साझा, कैश होने लायक प्रीफ़िक्स बनाते हैं।
8. आसान स्टेप सस्ते मॉडल पर भेजें
हर स्टेप को एक ही मॉडल की ज़रूरत नहीं। कमिट संदेश, changelog की लाइनें और सरल वर्गीकरण Gemma 4 VL 26B पर भेजे जा सकते हैं, जो प्रति 1M $0.10 इनपुट और $0.22 आउटपुट का है। अगर आप टूल-भारी स्टेप के लिए GLM 5.3 इस्तेमाल करते हैं, तो बाक़ी DeepSeek V4.1 Flash पर भेजें: GLM 5.3 का आउटपुट लगभग 6.7 गुना महँगा है। GLM 5.3 बनाम DeepSeek V4.1 Flash।
सावधानी। प्रति पूरा हुआ टास्क लागत मापें। जो सस्ता मॉडल दोगुने टर्न ले, वह ज़्यादा महँगा पड़ सकता है।
9. सारांश कभी-कभार बनाएँ, बाक़ी जोड़ते जाएँ
जब एजेंट अपनी हिस्ट्री को संक्षिप्त करता है, तो वह प्रॉम्प्ट को फिर से लिखता है और कैश शून्य से शुरू होता है। सारांश तभी बनाएँ जब कॉन्टेक्स्ट अपनी सीमा के क़रीब हो, एक ही बड़े स्टेप में, फिर दोबारा जोड़ना शुरू करें। इससे तरीक़ा 1 काम करता रहता है।
10. ब्रेक-ईवन पार होते ही फ़्लैट प्लान पर जाएँ
प्रति-टोकन बिलिंग कम उपयोग को फ़ायदा देती है। पूरे समय चलने वाला एजेंट कम उपयोग नहीं है। BroadNet के हल किए हुए उदाहरण में पूरे समय चलने वाला कोडिंग एजेंट (80% कैश पर 1,000M इनपुट, 50M आउटपुट) प्रति टोकन $65.40 प्रति माह का पड़ता है; हमेशा चालू रहने वाला एजेंट $196.20 का। Full Moon सेशन $60 प्रति माह का है, बिना टोकन मीटर के, एक समय में एक अनुरोध। उस स्तर पर तरीक़े 1 से 9 तब भी समय बचाते हैं, पर पैसा नहीं। अपने वॉल्यूम फ़्लैट रेट बनाम प्रति टोकन कैलकुलेटर में जाँचें, या ब्रेक-ईवन का हिसाब और फ़्लैट रेट पर पैरेलल एजेंट चलाना पढ़ें।
कैसे मापें कि कोई तरीक़ा काम किया या नहीं?
- अपने बैकलॉग से 20 प्रतिनिधि टास्क चुनें।
- उन्हें मौजूदा सेटअप पर चलाएँ और हर टास्क के टोकन लॉग करें।
- एक बार में एक ही तरीक़ा लागू करें और दोबारा चलाएँ।
- प्रति अनुरोध नहीं, प्रति पूरा हुआ टास्क लागत की तुलना करें।
जो ऐप कोडिंग एजेंट नहीं हैं, उनके लिए यही लीवर सामान्य क्रम में LLM API की लागत कैसे घटाएँ में हैं।
आम एजेंट के सेटअप गाइड: Aider, Cline, Zoo Code, अब बंद हो चुके Roo Code का फ़ोर्क और OpenCode।
BroadNet Inference कहाँ फ़िट होता है
BroadNet कोडिंग एजेंट को DeepSeek V4.1 Flash पर सस्ती कैश्ड-इनपुट दर देता है, और भारी उपयोग के लिए $60 प्रति माह से अनलिमिटेड सेशन, एक OpenAI-कम्पैटिबल एंडपॉइंट पर जिसे ये एजेंट पहले से सपोर्ट करते हैं। यह बंद फ़्रंटियर मॉडल नहीं चलाता, इसलिए अगर आपके एजेंट को सबसे कठिन स्टेप के लिए ऐसे मॉडल की ज़रूरत है, तो उसे उसके अपने वेंडर पर रखें और ज़्यादातर टर्न यहाँ भेजें। प्लान देखें।
