coste de mini-SWE-agent: el agente gratuito y la factura real de la API

mini-SWE-agent cuesta $0. Es software con licencia MIT, sin plan, sin puesto, sin nivel alojado y sin ninguna cuenta que comprar, por lo que, en la práctica, "coste de mini-SWE-agent" significa la factura de la API del modelo del endpoint al que lo dirijas. La cifra que merece la pena presupuestar son los tokens por ejecución, y mini incluye exactamente una protección predeterminada para ello: cost_limit: 3. en la configuración que carga el comando mini. Esa protección tiene un modo de fallo en un endpoint personalizado, explicado más abajo, y es el error más costoso que se puede cometer aquí.

Primero, tres desambiguaciones, porque los resultados de búsqueda los mezclan y cada una pone cifras incorrectas en la página. SWE-agent, el original, es un producto diferente, con su propio repositorio, su propio sitio de documentación y su propio esquema de configuración; su README afirma que "Most of our current development effort is on mini-swe-agent, which has superseded SWE-agent" y recomienda mini en adelante, pero no está archivado (20,382 estrellas, último push el 21 de septiembre de 2026), así que considéralo mantenido pero sustituido y nunca cites sus valores predeterminados como si fueran los de mini. "SWE-bench Verified Mini" es un conjunto de datos, no este agente, y no tiene precio: su tarjeta de Hugging Face lo describe como un subconjunto de 50 instancias de SWE-bench Verified elegido para reducir el coste de almacenamiento y evaluación. Y "mini" dentro del nombre de un modelo tampoco es este agente: GPT 5 mini aparece en las propias filas de clasificación de mini, y MiniMax es un proveedor cuyo nombre simplemente empieza de la misma manera; por tanto, una frase como "mini cuesta $0.047 por instancia" solo es cierta para una ejecución de modelo bajo mini-SWE-agent, y debe mencionar ambos.

Hay algo que debes comprobar por tu cuenta si un resumen de terceros te dice lo contrario: la licencia de mini es MIT. La API de licencias de GitHub devuelve MIT, PyPI incluye el clasificador License :: OSI Approved :: MIT License, y el texto de licencia incluido con el paquete dice "Copyright (c) 2025 Kilian A. Lieret and Carlos E. Jimenez".

Lo que cobra mini y lo que realmente te factura

El proyecto está activo, algo importante antes de estandarizarlo: el repositorio no está archivado ni deshabilitado, tiene 7,843 estrellas, fue creado el 28 de junio de 2025, recibió su último push el 14 de septiembre de 2026 y suma 70 incidencias y solicitudes de incorporación de cambios abiertas (la open_issues_count de la API de GitHub, del 21 de septiembre de 2026); la versión v2.4.6 se publicó el 23 de julio de 2026.

Los controles de gasto propios de mini y el que deja de funcionar silenciosamente

mini es inusual entre los agentes de programación porque incluye un límite en dólares. Hay cuatro cifras, y no son la misma.

Leído de los archivos de la rama main el 21 de septiembre de 2026. Dos propiedades cambian cómo debes interpretar los $3. Primero, es una regla de parada, no un límite superior: default.py comprueba 0 < cost_limit <= self.cost antes de una llamada, y el propio docstring del campo dice "Stop agent after exceeding (!) this cost"; por tanto, la ejecución se detiene una vez que el gasto acumulado ya ha superado el límite, no antes. Segundo, en la CLI interactiva alcanzarlo no termina nada: interactive.py imprime los límites y el gasto actual, y después solicita un nuevo límite de pasos y un nuevo límite de costes. Las ejecuciones desatendidas generan LimitsExceeded en su lugar.

En las ejecuciones hay dos variables de entorno, y ambas vienen desactivadas: MSWEA_GLOBAL_CALL_LIMIT y MSWEA_GLOBAL_COST_LIMIT están documentadas en la página de configuración global como "(0 = no limit) (default: 0)". Limitan un proceso de mini, no una cuenta. Otras dos configuraciones añaden tokens silenciosamente: los reintentos tienen de forma predeterminada 10 intentos (MSWEA_MODEL_RETRY_STOP_AFTER_ATTEMPT), y el agente se aborta después de 3 errores de formato consecutivos. Que un intento fallido se facture depende de tu proveedor, no de mini, y no se verificó aquí.

Ahora, el modo de fallo. La cifra en dólares de mini se calcula localmente, mediante la tabla de precios de LiteLLM; por eso, si LiteLLM no conoce un id de modelo, la ejecución falla al calcular el coste y el límite de $3 no tiene nada que hacer cumplir. Si diriges las clases de LiteLLM a una pasarela, proporciona tú mismo las tarifas en lugar de recurrir a MSWEA_COST_TRACKING="ignore_errors", que mini anota como "CAREFUL: This can lead to unmanaged spending!". El archivo del registro usa como clave el nombre del modelo sin el prefijo del proveedor, en dólares por token, con litellm_provider coincidiendo con tu custom_llm_provider:

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

La propia factura de mini queda en el archivo de trayectoria: su página de archivos de salida documenta info.model_stats con instance_cost ("total cost of API calls for this run") y api_calls, además de un coste en cada mensaje del asistente. Eso es una operación aritmética sobre un archivo de precios que tú escribiste, no el registro de tu proveedor; la única excepción es la clase OpenRouter de mini, que solicita a esa API que incluya la contabilidad de uso y después lee el coste cobrado de la respuesta. La configuración completa del endpoint está en la página de configuración de mini-SWE-agent.

Coste por problema de SWE-bench: las únicas cifras publicadas por ejecución

swebench.com ofrece una entrada "Bash Only" en su clasificación Verified, descrita en el sitio como "The default Verified view: every model in the same mini-SWE-agent environment" sobre 500 instancias. En el propio código de clasificación del sitio es un ajuste predefinido, no una clasificación independiente; el filtro Agent se redujo a mini-SWE-agent sin seleccionar nada más, y las filas restantes son envíos cuyas trayectorias están archivadas bajo bash-only. Cada fila incluye un coste medio por instancia y un número medio de llamadas al modelo por instancia. La última columna de abajo se deriva aquí, no se publica: coste por instancia dividido por la fracción resuelta, lo que supone un intento con el coste de los fallos incluido.

Alcance, y esta es toda la historia: son registros de envíos que solo usan bash leídos el 21 de septiembre de 2026 — SWE-bench Verified, 500 instancias, cada fila etiquetada con un intento y mini v2.0.0, fechadas entre el 17 y el 26 de febrero de 2026, con el coste según se informó con cada envío. El sitio no documenta si esa cifra es el precio de lista, una tarifa negociada o la estimación propia de LiteLLM de mini, así que no la interpretes como una cotización; tampoco registra qué clase de entorno o límite de pasos utilizó cada remitente, por lo que aquí no se afirma ninguno de los dos. Una instancia de evaluación comparativa no es una tarea de desarrollador: son problemas seleccionados de GitHub con una solución conocida, puntuados sin interfaz contra un parche de prueba.

Hay dos lecturas que sobreviven a esa salvedad. Primero, el orden se invierte entre las dos columnas de costes tres veces. Claude 4.5 Haiku (high) es más barato por instancia que Gemini 3 Flash (high) y más caro por problema resuelto; DeepSeek V3.2 (high) cuesta menos que GPT 5.2 Codex por instancia y pierde frente a él por corrección; GLM 5 (high) cuesta menos que Claude 4.6 Opus por instancia y pierde por corrección. La cifra por instancia oculta dos cosas a la vez: con qué frecuencia un modelo consigue la corrección y cuántas llamadas al modelo consume para lograrlo — 88.5 y 76.2 en esas dos últimas filas, frente a 28.1 y 28.9 para los modelos que las superan. Solo GPT 5 mini lidera en ambas columnas. Segundo, las filas terminan: el 26 de febrero de 2026 es el envío más reciente de mini en cualquiera de las clasificaciones de swebench.com, por lo que ningún modelo de la generación de mediados de 2026 tiene allí un coste por instancia publicado. No lo interpoles. La afirmación principal de mini está formulada por separado: su índice de documentación dice que "Scores >74% on the SWE-bench verified benchmark", una afirmación sobre un modelo bajo mini en 500 problemas seleccionados.

Una estimación ilustrativa con tarifas del catálogo actual

Esto es aritmética ilustrativa de tokens, no un coste de tarea medido ni un límite de facturación. mini «tiene un historial completamente lineal: cada paso del agente simplemente añade contenido a los mensajes», por lo que toda la conversación se reenvía en cada paso y predominan las entradas. Supón una ejecución con 40 llamadas al modelo (dentro del intervalo aproximado de 20 a 89 que muestran las filas de la clasificación), una conversación que alcanza 40,000 tokens en la última llamada, de modo que la solicitud media contiene aproximadamente la mitad de esa cantidad, lo que da 800,000 tokens de entrada en toda la ejecución, y 400 tokens de salida por llamada, 16,000 en total. Cada token se factura como una entrada nueva: no se supone ningún descuento de caché, porque no se probó para esta página si una pasarela de chat-completions actúa sobre los marcadores cache_control que mini adjunta. Las tarifas son precios actuales del catálogo de Kunavo por millón de tokens.

Interprétalo como una proporción. Bajo estos supuestos, la diferencia entre Claude Haiku 4.5 y Claude Opus 5 es de aproximadamente 5×, un factor más determinante que cualquier elemento de la configuración de mini; además, cada fila queda dentro de la regla de parada predeterminada de $3, por lo que ese límite es una protección contra ejecuciones descontroladas, no un presupuesto. Un detalle que las tablas de precios omiten: los niveles de contexto largo que el catálogo declara para la gama GPT y para Gemini 3.1 Pro son por solicitud, no por ejecución; por tanto, lo importante es cuánto crece un único prompt de mini, no el total de la ejecución. La plantilla de observación incluida en mini ayuda en este punto, limitando cada observación a 10.000 caracteres y enviando los primeros 5.000 y los últimos 5.000, además de un recuento de los caracteres omitidos cuando se supera ese límite.

Una nota sobre el alcance mientras presupuestas una canalización alrededor de mini: Kunavo no ofrece ningún modelo de embeddings, de texto a voz ni de voz a texto, por lo que un script que indexe un repositorio o transcriba audio junto con tus ejecuciones conserva su propia clave de proveedor para ese paso. mini solo solicita a un modelo que produzca texto con una herramienta bash adjunta: chat completions en su clase predeterminada litellm, o la API Responses en sus clases *_response.

El importe del catálogo de Kunavo es un mínimo de facturación, no un límite: cuando el upstream comunica su cargo, la factura es el mayor valor entre el coste del catálogo y el coste del upstream multiplicado por el margen aplicable. Los cargos de caché y las herramientas externas quedan fuera de este ejemplo. La recarga mínima es 10$ de crédito prepago: un mínimo de financiación, no una tarifa por tarea ni una suscripción. Consulta los detalles de facturación y cómo se tarifican los tokens almacenados en caché.

Mejor API para mini-SWE-agent: qué ruta gana y cuándo

La elección es más limitada de lo que parece, porque las clases de modelos de mini no están igualmente abiertas. Incluye clases de pasarela para tres empresas — OpenRouter, Requesty y Portkey, cada una con variantes de protocolo — y ninguna expone un campo api_base. Las clases de OpenRouter y Requesty van más allá y fijan la URL de ese proveedor en la propia clase, junto a una variable de clave fija (OPENROUTER_API_KEY, REQUESTY_API_KEY); las clases de Portkey no nombran ninguna URL y entregan la solicitud al cliente portkey-ai con un PORTKEY_API_KEY, por lo que el destino es el que resuelva ese SDK. En cualquier caso, elegir una de ellas implica también aceptar las condiciones de esa empresa. La familia LiteLLM es la que puedes redirigir desde un archivo de configuración.

Hay dos límites que conviene conocer antes de planificar en torno a ellos. Los ejemplos documentados de mini utilizan ids de LiteLLM nativos del proveedor con prefijos, y los ids propios de una pasarela son cadenas diferentes que no se resolverán en un endpoint del proveedor; por ejemplo, la configuración de evaluación SWE-bench incluida en mini establece model_name: "anthropic/claude-sonnet-4-5-20250929", que es un id nativo de Anthropic. Si copias ese archivo sin cambios, estás apuntando a Anthropic, así que sustituye el id por el que publique tu propio endpoint. Y mini tiene tres rutas de protocolo: la clase predeterminada litellm llama a chat completions con llamadas nativas a herramientas, litellm_textbased alcanza el mismo endpoint con las acciones antiguas analizadas desde texto, y litellm_response llama a la API OpenAI Responses con un esquema de herramientas diferente, que un endpoint que solo admita chat completions no puede ofrecer. mini-SWE-agent frente a Claude Code explica esa configuración en detalle, y API compatible con OpenAI y Pasarela de LLM cubren el patrón genérico.

La API más barata para mini-SWE-agent: dos preguntas distintas

La tabla anterior ya las separa. El precio anunciado más barato clasifica por dólares por millón de tokens; el coste más bajo para terminar la tarea clasifica según lo necesario para entregar un cambio funcional. mini amplía la diferencia más de lo habitual por una razón estructural: su historial lineal implica que un paso adicional no añade un mensaje, sino otro reenvío completo de todo lo anterior. Un modelo que necesita 88 llamadas cuando otro necesita 29 paga ese recargo en cada una de ellas, exactamente lo que muestra la columna derivada, con dos filas de coste por instancia similar separadas por sus recuentos de llamadas. Elige el modelo menos caro que complete tu trabajo con el esfuerzo de revisión que aceptes, ejecuta una tarea acotada y lee el cargo que registró tu propia cuenta, no la lectura del cliente. Optimización de costes de IA explica ese método, y la API de Claude más barata si Claude es la familia que has elegido.

Cómo configurarlo y comprobar la primera factura

Kunavo publica una referencia de configuración para mini-SWE-agent. Es una página de configuración publicada, no una prueba de compatibilidad: aquí mini no se ha probado en tiempo de ejecución contra el endpoint de Kunavo; no hubo sesión, turno transmitido ni intercambio de herramientas; y todo lo anterior se leyó del código fuente y la documentación propios de mini. En concreto, no se verificó si la ruta openai/ de LiteLLM negocia el valor predeterminado v2 de mini, que usa llamadas nativas a herramientas, contra una superficie de chat-completions, ni si se procesan los marcadores cache_control. Mantén disponible una ruta funcional mientras lo pruebas, escribe primero el archivo del registro para que el límite de costes esté activo, ejecuta una tarea acotada y luego concilia los datos. Empieza por la guía de integración de mini-SWE-agent y crea una cuenta de Kunavo cuando estés listo para financiar una clave.

¿Comparas clientes en lugar de proveedores? Precios de Aider y precios de OpenCode cubren otros dos agentes con la misma separación entre un sistema gratuito y una factura de modelo medida.

Preguntas frecuentes

Comprobado el 21 de septiembre de 2026 mediante la consulta directa de cada fuente: los metadatos de PyPI de mini-SWE-agent; los metadatos de su repositorio de GitHub y la versión más reciente; config/mini.yaml, config/default.yaml, config/benchmarks/swebench.yaml, agents/default.py, agents/interactive.py, models/__init__.py y models/openrouter_model.py en la rama main; su índice de documentación y sus páginas de configuración global, modelos locales, uso de SWE-bench y archivos de salida; los registros de envíos de la página principal de swebench.com, su clasificación Verified y el código fuente de sus filtros de clasificación, además de la página get-quotas de sb-cli y la tarjeta de Hugging Face de SWE-bench Verified Mini; los metadatos y el README del repositorio de SWE-agent; y las preguntas frecuentes de OpenRouter junto con las páginas de precios de Requesty y Portkey. Las cifras de tarifas de las pasarelas están delimitadas al plan indicado junto a cada una. No se comprobó aquí y, por tanto, no se afirma: ningún precio de lista de proveedores, ningún descuento sobre él ni nada sobre cómo se factura una llamada fallida o reintentada. No se ejecutó ninguna ejecución de mini contra Kunavo ni se reprodujo ningún resultado de evaluación comparativa; las tarifas de tokens de Kunavo proceden del catálogo actual, y todos los ejemplos en dólares son aritmética ilustrativa de tokens.