Kosten von mini-SWE-agent: der kostenlose Agent und die tatsächliche API-Rechnung

mini-SWE-agent kostet 0 $. Es handelt sich um MIT-lizenzierte Software ohne Tarif, Sitzplatz, gehostete Stufe oder zu kaufendes Konto; „mini-SWE-agent-Kosten“ bedeutet in der Praxis daher die Modell-API-Rechnung des Endpunkts, auf den Sie es verweisen. Der Betrag, den Sie budgetieren sollten, sind Tokens pro Lauf, und mini liefert dafür genau eine standardmäßige Schutzvorrichtung: cost_limit: 3. in der von dem Befehl mini geladenen Konfiguration. Diese Schutzvorrichtung hat bei einem benutzerdefinierten Endpunkt einen unten beschriebenen Fehlerfall und ist hier der einzelne Fehler mit den höchsten Kosten.

Zuerst drei Klarstellungen, weil die Suchergebnisse sie vermischen und dadurch falsche Zahlen auf die Seite gelangen. SWE-agent, das Original, ist ein anderes Produkt mit eigenem Repository, eigener Dokumentationsseite und eigenem Konfigurationsschema; in seiner README steht: „Der größte Teil unserer aktuellen Entwicklungsarbeit konzentriert sich auf mini-swe-agent, das SWE-agent abgelöst hat“, und mini wird für die Zukunft empfohlen. Es ist jedoch nicht archiviert (20.382 Sterne, letzter Push am 21. September 2026); behandeln Sie es daher als gepflegt, aber abgelöst, und zitieren Sie niemals seine Standardwerte als Werte von mini. „SWE-bench Verified Mini“ ist ein Datensatz, nicht dieser Agent, und hat keinen Preis: Seine Hugging-Face-Karte beschreibt ihn als eine 50-Instanzen-Teilmenge von SWE-bench Verified, die ausgewählt wurde, um Speicher- und Evaluierungskosten zu senken. Und „mini“ innerhalb eines Modellnamens ist ebenfalls nicht dieser Agent: GPT 5 mini erscheint in minis eigenen Leaderboard-Zeilen, und MiniMax ist ein Anbieter, dessen Name lediglich auf dieselbe Weise beginnt — daher ist ein Satz wie „mini kostet 0,047 $ pro Instanz“ nur für einen Modelllauf unter mini-SWE-agent wahr und muss beide benennen.

Eine Sache, die Sie selbst überprüfen sollten, falls eine Zusammenfassung eines Drittanbieters etwas anderes behauptet: Die Lizenz von mini ist MIT. Die GitHub-Lizenz-API gibt MIT zurück, PyPI enthält den License :: OSI Approved :: MIT License-Klassifizierer, und der dem Paket beiliegende Lizenztext lautet „Copyright (c) 2025 Kilian A. Lieret and Carlos E. Jimenez“.

Was mini berechnet und was Ihnen tatsächlich in Rechnung gestellt wird

Das Projekt ist aktiv, was wichtig ist, bevor Sie sich darauf festlegen: Das Repository ist weder archiviert noch deaktiviert, hat 7.843 Sterne, wurde am 28. Juni 2025 erstellt, der letzte Push erfolgte am 14. September 2026, und es hat insgesamt 70 offene Issues und Pull Requests (laut open_issues_count der GitHub-API am 21. September 2026). Release v2.4.6 wurde am 23. Juli 2026 veröffentlicht.

Die eigenen Ausgabenkontrollen von mini und diejenige, die unbemerkt nicht mehr funktioniert

mini ist unter Coding-Agenten ungewöhnlich, weil es überhaupt ein Dollar-Limit ausliefert. Es gibt vier Zahlen, und sie sind nicht identisch.

Aus den Dateien im main-Branch am 21. September 2026 gelesen. Zwei Eigenschaften bestimmen, wie Sie die 3 $ behandeln sollten. Erstens ist es eine Stoppregel, keine Obergrenze: default.py prüft 0 < cost_limit <= self.cost vor einem Aufruf, und der eigene Docstring des Feldes sagt „Stop agent after exceeding (!) this cost“ — der Lauf wird also angehalten, sobald die kumulierten Ausgaben die Obergrenze bereits überschritten haben, nicht davor. Zweitens beendet das Erreichen des Limits in der interaktiven CLI nichts: interactive.py gibt die Limits und die aktuellen Kosten aus und fordert dann ein neues Schritt- und Kostenlimit an. Unbeaufsichtigte Läufe lösen stattdessen LimitsExceeded aus.

Über mehrere Läufe hinweg gibt es zwei Umgebungsvariablen, und beide sind standardmäßig deaktiviert: MSWEA_GLOBAL_CALL_LIMIT und MSWEA_GLOBAL_COST_LIMIT sind auf der globalen Konfigurationsseite als „(0 = no limit) (default: 0)“ dokumentiert. Sie begrenzen einen mini-Prozess, kein Konto. Zwei weitere Einstellungen erhöhen stillschweigend die Tokenzahl: Wiederholungen verwenden standardmäßig 10 Versuche (MSWEA_MODEL_RETRY_STOP_AFTER_ATTEMPT), und der Agent bricht nach 3 aufeinanderfolgenden Formatfehlern ab. Ob ein fehlgeschlagener Versuch berechnet wird, entscheidet Ihr Anbieter, nicht mini, und wurde hier nicht überprüft.

Nun zum Fehlermodus. mini's Dollarbetrag wird lokal anhand der Preistabelle von LiteLLM berechnet — daher führt eine Modell-ID, die LiteLLM nicht kennt, bei der Kostenberechnung zu einem Fehler, und die 3-$-Obergrenze kann nichts durchsetzen. Wenn Sie die LiteLLM-Klassen auf ein Gateway richten, geben Sie die Tarife selbst an, statt nach MSWEA_COST_TRACKING="ignore_errors" zu greifen, das mini mit „CAREFUL: This can lead to unmanaged spending!“ kennzeichnet. Die Registrierungsdatei verwendet den Modellnamen ohne Anbieterpräfix als Schlüssel, in Dollar pro Token, wobei litellm_provider zu Ihrem custom_llm_provider passt:

{
  "claude-sonnet-5": {
    "input_cost_per_token": 0.0000014000,
    "output_cost_per_token": 0.0000070000,
    "litellm_provider": "openai",
    "mode": "chat"
  }
}

mini's eigene Abrechnung landet in der Trajektoriendatei: Die output-files-Seite dokumentiert info.model_stats mit instance_cost („total cost of API calls for this run“) und api_calls sowie Kosten für jede Assistant-Nachricht. Das ist eine Berechnung anhand einer von Ihnen eingegebenen Preistabelle, nicht das Hauptbuch Ihres Anbieters — die einzige Ausnahme ist mini's OpenRouter-Klasse, die diese API auffordert, Nutzungsabrechnungen einzubeziehen, und anschließend die berechneten Kosten aus der Antwort liest. Die vollständige Endpunktkonfiguration finden Sie auf der mini-SWE-agent-Einrichtungsseite.

Kosten pro SWE-bench-Issue: die einzigen veröffentlichten Zahlen pro Lauf

swebench.com bietet einen „Bash Only“-Eintrag in seiner Verified-Rangliste an, der auf der Website als „The default Verified view: every model in the same mini-SWE-agent environment“ über 500 Instanzen beschrieben wird. Im eigenen Ranglistencode der Website handelt es sich um eine Voreinstellung statt um ein separates Board — der Agent-Filter wurde auf mini-SWE-agent eingeschränkt, ohne weitere Auswahl — und die verbleibenden Zeilen sind Einreichungen, deren Trajektorien unter bash-only abgelegt sind. Jede Zeile enthält durchschnittliche Kosten pro Instanz und eine durchschnittliche Anzahl von Modellaufrufen pro Instanz. Die letzte Spalte unten ist hier abgeleitet, nicht veröffentlicht: Kosten pro Instanz geteilt durch den Anteil gelöster Aufgaben, unter der Annahme eines Versuchs, bei dem die Kosten von Fehlschlägen eingerechnet sind.

Geltungsbereich — und das ist die vollständige Geschichte: Dies sind am 21. September 2026 gelesene Datensätze von Bash-Only-Einreichungen — SWE-bench Verified, 500 Instanzen, jede Zeile mit einem Versuch und mini v2.0.0 gekennzeichnet, datiert vom 17. bis 26. Februar 2026, mit Kosten wie bei jeder Einreichung gemeldet. Die Website dokumentiert nicht, ob dieser Betrag dem Listenpreis, einem ausgehandelten Tarif oder mini's eigener LiteLLM-Schätzung entspricht; lesen Sie ihn daher nicht als Angebot. Ebenso wird nicht erfasst, mit welcher Umgebungsklasse oder welchem Schrittlimit die jeweilige einreichende Person gearbeitet hat, daher wird hier keines von beidem behauptet. Eine Benchmark-Instanz ist keine Entwickleraufgabe: Es handelt sich um kuratierte GitHub-Issues mit einer bekannten Lösung, die headless anhand eines Test-Patches bewertet werden.

Unter diesem Vorbehalt bleiben zwei Aussagen bestehen. Erstens dreht sich die Reihenfolge zwischen den beiden Kostenspalten dreimal um. Claude 4.5 Haiku (high) ist pro Instanz günstiger als Gemini 3 Flash (high) und pro gelöstem Issue teurer; DeepSeek V3.2 (high) unterbietet GPT 5.2 Codex pro Instanz und verliert pro Fix; GLM 5 (high) unterbietet Claude 4.6 Opus pro Instanz und verliert pro Fix. Der Betrag pro Instanz verbirgt gleichzeitig zwei Dinge: wie oft ein Modell die Lösung erreicht und wie viele Modellaufrufe es dafür verbraucht — 88.5 und 76.2 in den letzten beiden Zeilen gegenüber 28.1 und 28.9 bei den Modellen, die sie schlagen. Nur GPT 5 mini führt bei beiden Spalten. Zweitens enden die Zeilen: Der 26. Februar 2026 ist die neueste mini-Einreichung in allen Ranglisten von swebench.com, daher ist für kein Modell aus der Generation Mitte 2026 dort ein Betrag pro Instanz veröffentlicht. Interpolieren Sie keinen. mini's eigene Kernaussage ist separat formuliert — der Dokumentationsindex sagt, mini „Scores >74% on the SWE-bench verified benchmark“, also eine Aussage über ein Modell unter mini bei 500 kuratierten Issues.

Eine Beispielschätzung mit aktuellen Katalogtarifen

Dies ist beispielhafte Tokenarithmetik, keine gemessenen Aufgabenkosten und keine Abrechnungsobergrenze. mini „hat einen vollständig linearen Verlauf — jeder Schritt des Agenten hängt lediglich weitere Nachrichten an“, daher wird die gesamte Unterhaltung bei jedem Schritt erneut gesendet und die Eingabe dominiert. Nehmen wir einen Lauf mit 40 Modellaufrufen an (innerhalb des Bereichs von ungefähr 20 bis 89 Aufrufen, den die Leaderboard-Zeilen zeigen), bei dem die Unterhaltung bis zum letzten Aufruf 40,000 Tokens erreicht, sodass eine durchschnittliche Anfrage etwa die Hälfte davon enthält. Das ergibt über den gesamten Lauf 800,000 Eingabetokens sowie bei 400 Ausgabetokens pro Aufruf insgesamt 16,000 Ausgabetokens. Jeder Token wird als neue Eingabe bepreist: Es wird kein Cache-Rabatt angenommen, da für diese Seite nicht getestet wurde, ob ein Chat-Completions-Gateway auf die von mini angefügten cache_control-Marker reagiert. Die Tarife sind aktuelle Preise aus dem Kunavo-Katalog pro Million Tokens.

Lesen Sie dies als Verhältnis. Unter diesen Annahmen beträgt die Spanne zwischen Claude Haiku 4.5 und Claude Opus 5 etwa 5×, was ein größerer Hebel ist als alles in minis Konfiguration — und jede Zeile bleibt innerhalb der standardmäßigen 3-$-Stoppregel, sodass diese Obergrenze eher ein Schutz vor unkontrolliertem Weiterlaufen als ein Budget ist. Ein Detail, das die Preistabellen auslassen: Die im Katalog angegebenen Langkontextstufen für das GPT-Segment und Gemini 3.1 Pro gelten pro Anfrage, nicht pro Lauf. Entscheidend ist daher, wie groß ein einzelner mini-Prompt wird, nicht die Gesamtsumme des Laufs. Minis mitgelieferte Beobachtungsvorlage hilft dabei: Sie begrenzt jede Beobachtung auf 10.000 Zeichen und überträgt bei Überschreiten dieser Grenze die ersten 5.000 und letzten 5.000 Zeichen sowie die Anzahl der ausgelassenen Zeichen.

Ein wichtiger Geltungsbereichshinweis, wenn Sie eine Pipeline um mini herum budgetieren: Kunavo bietet kein Embedding-Modell, kein Text-to-Speech-Modell und kein Speech-to-Text-Modell an. Ein Skript, das neben Ihren Läufen ein Repository indiziert oder Audio transkribiert, benötigt für diesen Schritt daher weiterhin den eigenen Anbieterschlüssel. mini selbst fordert ein Modell ausschließlich dazu auf, Text mit einem angehängten Bash-Tool zu erzeugen — Chat Completions über seine standardmäßige litellm-Klasse oder die Responses API über seine *_response-Klassen.

Kunavos Katalogbetrag ist eine Abrechnungsuntergrenze und keine Obergrenze: Sobald der vorgelagerte Anbieter seine Kosten meldet, wird der höhere der beiden Beträge abgerechnet – die Katalogkosten oder die Kosten des vorgelagerten Anbieters multipliziert mit dem geltenden Aufschlagsfaktor. Cache-Gebühren und externe Tools sind in diesem Beispiel nicht enthalten. Die Mindestaufladung beträgt $10 als vorausbezahltes Guthaben – ein Mindestbetrag zur Guthabenaufladung, keine Gebühr pro Aufgabe und kein Abonnement. Siehe Details zur Abrechnung und Preisberechnung für zwischengespeicherte Tokens.

Beste API für mini-SWE-agent: Welche Route wann gewinnt

Die Auswahl ist enger, als sie aussieht, weil mini's Modellklassen nicht gleichermaßen offen sind. Es liefert Gateway-Klassen für drei Unternehmen aus — OpenRouter, Requesty und Portkey, jeweils mit Protokollvarianten — und keine davon stellt ein api_base-Feld bereit. Die OpenRouter- und Requesty-Klassen hinterlegen die URL dieses Anbieters direkt in der Klasse, neben einer festen Schlüsselvariablen (OPENROUTER_API_KEY, REQUESTY_API_KEY); die Portkey-Klassen nennen überhaupt keine URL und übergeben die Anfrage mit einem portkey-ai-Client und einem PORTKEY_API_KEY, sodass das Ziel dem entspricht, was dieses SDK auflöst. In jedem Fall wählen Sie mit einer dieser Klassen auch die Bedingungen des jeweiligen Unternehmens. Die LiteLLM-Familie ist diejenige, die Sie über eine Konfigurationsdatei umleiten können.

Zwei Grenzen, die Sie kennen sollten, bevor Sie damit planen. mini's dokumentierte Beispiele verwenden native LiteLLM-IDs von Anbietern mit Präfixen, und die eigenen IDs eines Gateways sind andere Zeichenfolgen, die an einem Anbieterendpunkt nicht aufgelöst werden — die ausgelieferte SWE-bench-Benchmark-Konfiguration von mini setzt beispielsweise model_name: "anthropic/claude-sonnet-4-5-20250929" fest, eine native Anthropic-ID. Wenn Sie diese Datei unverändert kopieren, verweisen Sie auf Anthropic; ersetzen Sie die ID daher durch die ID, die Ihr eigener Endpunkt veröffentlicht. Außerdem verfügt mini über drei Protokollpfade: Die standardmäßige litellm-Klasse ruft Chat Completions mit nativem Tool Calling auf, litellm_textbased erreicht denselben Endpunkt mit den älteren textgeparsten Aktionen, und litellm_response ruft die OpenAI Responses API mit einem anderen Tool-Schema auf, das ein reiner Chat-Completions-Endpunkt nicht bereitstellen kann. mini-SWE-agent vs Claude Code behandelt diese Konfiguration vollständig, und OpenAI-kompatible API sowie LLM-Gateway behandeln das allgemeine Muster.

Günstigste API für mini-SWE-agent: zwei unterschiedliche Fragen

Die Tabelle oben trennt sie bereits. Günstigster angegebener Preis ordnet nach Dollar pro Million Tokens; niedrigste Kosten zum Abschließen der Aufgabe ordnet danach, was nötig ist, um eine funktionierende Änderung zu erreichen. mini vergrößert die Lücke aus einem strukturellen Grund stärker als üblich: Seine lineare Historie bedeutet, dass ein zusätzlicher Schritt nicht eine Nachricht hinzufügt, sondern eine weitere vollständige erneute Übertragung von allem zuvor. Ein Modell, das 88 Aufrufe benötigt, während ein anderes 29 benötigt, zahlt diesen Aufschlag bei jedem einzelnen — genau das zeigt die abgeleitete Spalte, in der zwei Zeilen mit ähnlichen Kosten pro Instanz durch ihre Aufrufzahlen getrennt sind. Wählen Sie das günstigste Modell, das Ihre Arbeit mit einem für Sie akzeptablen Prüfaufwand abschließt, führen Sie eine begrenzte Aufgabe aus und lesen Sie die Belastung ab, die Ihr eigenes Konto dafür verzeichnet, statt die Anzeige des Clients zu verwenden. KI-Kostenoptimierung behandelt diese Methode, und günstigste Claude API, falls Claude die von Ihnen gewählte Familie ist.

Einrichtung und Prüfung der ersten Rechnung

Kunavo veröffentlicht eine Konfigurationsreferenz für mini-SWE-agent. Dabei handelt es sich um eine veröffentlichte Einrichtungsanleitung, nicht um einen Kompatibilitätstest: mini wurde hier nicht zur Laufzeit mit Kunavos Endpunkt getestet – keine Sitzung, kein gestreamter Gesprächsschritt, kein vollständiger Tool-Aufruf samt Rückgabe – und sämtliche obigen Angaben stammen aus minis eigenem Quellcode und seiner Dokumentation. Konkret ungeprüft ist, ob LiteLLMs openai/-Pfad minis v2-Standardeinstellung für native Tool-Aufrufe mit einer Chat-Completions-Schnittstelle aushandelt und ob cache_control-Markierungen berücksichtigt werden. Halten Sie während des Ausprobierens einen funktionierenden Zugriffspfad verfügbar, schreiben Sie zuerst die Registry-Datei, damit das Kostenlimit wirksam ist, führen Sie eine einzelne Aufgabe mit festgelegten Grenzen aus und gleichen Sie anschließend die Abrechnung ab. Beginnen Sie mit dem Integrationsleitfaden für mini-SWE-agent und erstellen Sie ein Kunavo-Konto, sobald Sie bereit sind, Guthaben für einen Schlüssel bereitzustellen.

Vergleichen Sie Clients statt Anbieter? Aider-Preise und OpenCode-Preise behandeln zwei weitere Agenten mit derselben Trennung zwischen einem kostenlosen Harness und einer verbrauchsabhängigen Modellrechnung.

Häufig gestellte Fragen

Am 21. September 2026 überprüft, indem jede Quelle direkt abgerufen wurde: die PyPI-Metadaten von mini-SWE-agent; die Metadaten seines GitHub-Repositorys und das neueste Release; config/mini.yaml, config/default.yaml, config/benchmarks/swebench.yaml, agents/default.py, agents/interactive.py, models/__init__.py und models/openrouter_model.py im main-Branch; sein Dokumentationsindex sowie die Seiten zur globalen Konfiguration, zu lokalen Modellen, zur SWE-bench-Nutzung und zu Ausgabedateien; die Homepage-Einreichungsdatensätze von swebench.com, seine Verified-Rangliste und die Quelle für den Ranglistenfilter, außerdem die sb-cli-get-quotas-Seite und die Hugging-Face-Karte für SWE-bench Verified Mini; die Repository-Metadaten und README von SWE-agent; sowie die OpenRouter-FAQ und die Preis seiten von Requesty und Portkey. Die Gateway-Gebührenangaben beziehen sich jeweils auf den daneben genannten Tarif. Nicht geprüft und daher nicht behauptet: irgendein Anbieter-Listenpreis, irgendein Rabatt darauf und alles darüber, wie ein fehlgeschlagener oder wiederholter Aufruf berechnet wird. Es wurde kein mini-Lauf gegen Kunavo ausgeführt und kein Benchmark-Ergebnis reproduziert; die Kunavo-Tokenpreise stammen aus dem aktuellen Katalog, und jedes Dollarbeispiel hier ist beispielhafte Tokenarithmetik.