Coût de mini-SWE-agent : l’agent gratuit et la véritable facture API

mini-SWE-agent coûte 0 $. Il s’agit d’un logiciel sous licence MIT, sans forfait, siège, offre hébergée ni compte à acheter ; en pratique, le « coût de mini-SWE-agent » désigne donc la facture de l’API du modèle correspondant à l’endpoint que vous lui indiquez. Le chiffre à budgéter est le nombre de jetons par exécution, et mini ne fournit qu’un seul garde-fou par défaut : cost_limit: 3. dans la configuration chargée par la commande mini. Ce garde-fou présente un mode de défaillance sur un endpoint personnalisé, décrit ci-dessous, et c’est la principale erreur coûteuse à éviter ici.

Trois distinctions d’abord, car les résultats de recherche les mélangent et chacune peut introduire de mauvais chiffres dans la page. SWE-agent, l’original, est un produit différent, avec son propre dépôt, son propre site de documentation et son propre schéma de configuration ; son README indique que « la majeure partie de notre effort de développement actuel porte sur mini-swe-agent, qui a remplacé SWE-agent » et recommande désormais mini, mais il n’est pas archivé (20 382 étoiles, dernier push le 21 septembre 2026) : considérez-le donc comme maintenu mais remplacé, et ne citez jamais ses valeurs par défaut comme celles de mini. « SWE-bench Verified Mini » est un jeu de données, pas cet agent, et n’a aucun prix : sa fiche Hugging Face le décrit comme un sous-ensemble de 50 instances de SWE-bench Verified choisi pour réduire les coûts de stockage et d’évaluation. Enfin, « mini » dans un nom de modèle ne désigne pas non plus cet agent : GPT 5 mini apparaît dans les propres lignes de classement de mini, et MiniMax est un fournisseur dont le nom commence simplement de la même façon ; une phrase telle que « mini coûte 0,047 $ par instance » n’est donc vraie que pour une exécution de modèle donnée sous mini-SWE-agent, et doit nommer les deux.

Un point à vérifier vous-même si un résumé tiers affirme le contraire : la licence de mini est MIT. L’API de licence GitHub renvoie MIT, PyPI contient le classifieur License :: OSI Approved :: MIT License, et le texte de licence inclus dans le paquet indique « Copyright (c) 2025 Kilian A. Lieret and Carlos E. Jimenez ».

Ce que mini facture, et ce qui vous est réellement facturé

Le projet est actif, ce qui compte avant de l’adopter comme standard : le dépôt n’est ni archivé ni désactivé, il compte 7 843 étoiles, a été créé le 28 juin 2025, son dernier push date du 14 septembre 2026, et il totalise 70 issues et pull requests ouvertes (l’open_issues_count de l’API GitHub, au 21 septembre 2026) ; la version v2.4.6 a été publiée le 23 juillet 2026.

Les contrôles de dépenses propres à mini, et celui qui cesse discrètement de fonctionner

mini est inhabituel parmi les agents de codage en fournissant une limite en dollars. Il existe quatre chiffres, et ils ne représentent pas le même élément.

Lu dans les fichiers de la branche main le 21 septembre 2026. Deux propriétés changent la manière dont vous devez considérer les 3 $. Premièrement, il s’agit d’une règle d’arrêt, pas d’un plafond : default.py vérifie 0 < cost_limit <= self.cost avant un appel, et la docstring du champ indique elle-même « Arrêter l’agent après avoir dépassé (!) ce coût » — l’exécution s’arrête donc une fois que les dépenses cumulées ont déjà dépassé le plafond, et non avant. Deuxièmement, dans la CLI interactive, l’atteindre ne met fin à rien : interactive.py affiche les limites et les dépenses actuelles, puis demande une nouvelle limite d’étapes et une nouvelle limite de coût. Les exécutions sans surveillance lèvent plutôt LimitsExceeded.

Entre les exécutions, deux variables d’environnement existent, et toutes deux sont désactivées : MSWEA_GLOBAL_CALL_LIMIT et MSWEA_GLOBAL_COST_LIMIT sont documentées sur la page de configuration globale comme « (0 = aucune limite) (par défaut : 0) ». Elles bornent un processus mini, et non un compte. Deux autres paramètres ajoutent discrètement des jetons : les tentatives supplémentaires sont par défaut au nombre de 10 (MSWEA_MODEL_RETRY_STOP_AFTER_ATTEMPT), et l’agent s’interrompt après 3 erreurs de format consécutives. La facturation d’une tentative échouée relève de votre fournisseur, pas de mini, et n’a pas été vérifiée ici.

Voici le mode de défaillance. Le montant en dollars de mini est calculé localement, à partir de la table de prix de LiteLLM : un identifiant de modèle inconnu de LiteLLM fait donc échouer l’exécution lors du calcul des coûts, et le plafond de 3 $ n’a rien à faire respecter. Si vous dirigez les classes LiteLLM vers une passerelle, fournissez vous-même les tarifs au lieu d’utiliser MSWEA_COST_TRACKING="ignore_errors", que mini annote « ATTENTION : cela peut entraîner des dépenses non maîtrisées ! ». Le fichier de registre est indexé par le nom du modèle sans son préfixe de fournisseur, en dollars par jeton, avec litellm_provider correspondant à votre custom_llm_provider :

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

La propre facture de mini est inscrite dans le fichier de trajectoire : sa page sur les fichiers de sortie documente info.model_stats avec instance_cost (« coût total des appels d’API pour cette exécution ») et api_calls, ainsi qu’un coût pour chaque message de l’assistant. Il s’agit d’un calcul fondé sur un fichier de prix que vous avez saisi, et non sur le relevé de votre fournisseur — l’exception est la classe OpenRouter de mini, qui demande à cette API d’inclure le suivi de l’utilisation, puis lit le coût facturé dans la réponse. La configuration complète de l’endpoint se trouve sur la page de configuration de mini-SWE-agent.

Coût par problème SWE-bench : les seuls chiffres publiés par exécution

swebench.com propose une entrée « Bash Only » dans son classement Verified, présentée sur le site comme « la vue Verified par défaut : chaque modèle dans le même environnement mini-SWE-agent », sur 500 instances. Dans le code de classement du site, il s’agit d’un préréglage plutôt que d’un tableau distinct — le filtre Agent est limité à mini-SWE-agent sans autre sélection — et les lignes restantes correspondent à des soumissions dont les trajectoires sont classées sous bash-only. Chaque ligne indique un coût moyen par instance et un nombre moyen d’appels de modèle par instance. La dernière colonne ci-dessous est calculée ici, et non publiée : coût par instance divisé par la fraction résolue, en supposant une tentative et que le coût des échecs y soit inclus.

Périmètre, et c’est toute l’histoire : il s’agit de relevés de soumissions bash-only consultés le 21 septembre 2026 — SWE-bench Verified, 500 instances, chaque ligne indiquant une tentative et mini v2.0.0, datée du 17 au 26 février 2026, avec le coût tel qu’indiqué avec chaque soumission. Le site n’indique pas si ce montant correspond au tarif catalogue, à un tarif négocié ou à l’estimation LiteLLM de mini ; ne le lisez donc pas comme un devis. Il n’enregistre pas non plus la classe d’environnement ni la limite d’étapes utilisées par chaque soumissionnaire ; aucune des deux n’est donc affirmée ici. Une instance de benchmark n’est pas la tâche d’un développeur : il s’agit de problèmes GitHub sélectionnés dont la correction est connue, évalués sans interface graphique par rapport à un correctif de test.

Deux interprétations subsistent malgré cette réserve. Premièrement, l’ordre s’inverse trois fois entre les deux colonnes de coût. Claude 4.5 Haiku (high) est moins cher par instance que Gemini 3 Flash (high) et plus cher par problème résolu ; DeepSeek V3.2 (high) est moins cher par instance que GPT 5.2 Codex et perd face à lui par correction ; GLM 5 (high) est moins cher par instance que Claude 4.6 Opus et perd par correction. Le chiffre par instance masque deux éléments à la fois : la fréquence à laquelle un modèle trouve la correction et le nombre d’appels de modèle nécessaires — 88,5 et 76,2 pour les deux dernières lignes, contre 28,1 et 28,9 pour les modèles qui les devancent. Seul GPT 5 mini arrive en tête dans les deux colonnes. Deuxièmement, les lignes s’arrêtent : le 26 février 2026 est la soumission mini la plus récente sur tous les tableaux de swebench.com ; aucun modèle de la génération de mi-2026 n’y dispose donc d’un coût par instance publié. N’en calculez pas un par interpolation. La propre affirmation principale de mini est formulée séparément : son index de documentation indique qu’il « obtient >74 % sur le benchmark SWE-bench Verified », ce qui concerne un modèle sous mini sur 500 problèmes sélectionnés.

Une estimation calculée à partir des tarifs actuels du catalogue

Il s’agit d’une arithmétique illustrative sur les jetons, pas d’un coût de tâche mesuré ni d’un plafond de facturation. mini « possède un historique complètement linéaire — chaque étape de l’agent ajoute simplement des éléments aux messages » ; toute la conversation est donc renvoyée à chaque étape et les entrées dominent. Supposons une exécution de 40 appels de modèle (dans la fourchette approximative de 20 à 89 montrée par les lignes du classement), une conversation qui atteint 40,000 jetons au dernier appel, de sorte que chaque requête transporte en moyenne environ la moitié de ce volume, soit 800,000 jetons d’entrée sur l’exécution, et 400 jetons de sortie par appel, soit 16,000 au total. Chaque jeton est tarifé comme une nouvelle entrée : aucun rabais de cache n’est supposé, car le fonctionnement d’une passerelle chat-completions avec les marqueurs cache_control ajoutés par mini n’a pas été testé pour cette page. Les tarifs sont ceux du catalogue Kunavo, en vigueur, par million de jetons.

Lisez-le comme un ratio. Selon ces hypothèses, l’écart entre Claude Haiku 4.5 et Claude Opus 5 est d’environ 5×, ce qui constitue un levier plus important que tout ce qui figure dans la configuration de mini ; chaque ligne reste en outre sous la règle d’arrêt par défaut de 3 $, si bien que ce plafond sert de garde-fou contre les emballements plutôt que de budget. Un détail que les tables de prix ne montrent pas : les paliers de long contexte déclarés par le catalogue pour la gamme GPT et pour Gemini 3.1 Pro s’appliquent par requête, et non par exécution ; ce qui compte est donc la taille d’une invite mini individuelle, pas le total de l’exécution. Le modèle d’observation fourni par mini aide sur ce point en limitant chaque observation à 10 000 caractères et en envoyant les 5 000 premiers et les 5 000 derniers, avec un compte des caractères omis au-delà.

Une précision de périmètre lors de la conception d’un pipeline autour de mini : Kunavo ne fournit aucun modèle d’embeddings, de synthèse vocale ni de reconnaissance vocale ; un script qui indexe un dépôt ou transcrit de l’audio parallèlement à vos exécutions conserve donc sa propre clé de fournisseur pour cette étape. mini demande lui-même uniquement à un modèle de produire du texte avec un seul outil bash attaché — complétions de chat sur sa classe litellm par défaut, ou API Responses sur ses classes *_response.

Le montant du catalogue Kunavo constitue un plancher de facturation plutôt qu’un plafond : lorsque le fournisseur amont communique son coût, la facture correspond au plus élevé entre le coût catalogue et le coût amont multiplié par la majoration applicable. Les frais de cache et les outils externes ne sont pas inclus dans cet exemple. Le rechargement minimal est de $10 en crédit prépayé — un minimum de financement, et non des frais de tâche ou un abonnement. Consultez les détails de facturation et la tarification des jetons mis en cache.

Meilleure API pour mini-SWE-agent : quelle route choisir selon le cas

Le choix est plus restreint qu’il n’y paraît, car les classes de modèles de mini ne sont pas toutes également ouvertes. Le logiciel fournit des classes de passerelle pour trois entreprises — OpenRouter, Requesty et Portkey, chacune avec des variantes de protocole — et aucune n’expose de champ api_base. Les classes OpenRouter et Requesty vont plus loin et codent en dur l’URL du fournisseur dans la classe elle-même, à côté d’une variable de clé fixe (OPENROUTER_API_KEY, REQUESTY_API_KEY) ; les classes Portkey ne nomment aucune URL et transmettent la requête au client portkey-ai avec un PORTKEY_API_KEY, si bien que la destination est celle résolue par ce SDK. Dans tous les cas, en choisir une signifie également accepter les conditions de cette entreprise. La famille LiteLLM est celle que vous pouvez rediriger depuis un fichier de configuration.

Deux limites à connaître avant de planifier autour d’elles. Les exemples documentés de mini utilisent des identifiants LiteLLM natifs des fournisseurs avec des préfixes, et les identifiants propres à une passerelle sont des chaînes différentes qui ne seront pas résolues par un endpoint fournisseur ; la configuration de benchmark SWE-bench fournie avec mini définit par exemple model_name: "anthropic/claude-sonnet-4-5-20250929", qui est un identifiant natif Anthropic : copiez ce fichier sans le modifier et vous ciblez Anthropic ; remplacez donc l’identifiant par celui publié par votre propre endpoint. mini propose aussi trois voies de protocole : la classe litellm par défaut appelle les complétions de chat avec l’appel d’outils natif, litellm_textbased atteint le même endpoint avec les actions analysées dans l’ancien format texte, et litellm_response appelle l’API OpenAI Responses avec un schéma d’outils différent, qu’un endpoint limité aux complétions de chat ne peut pas fournir. mini-SWE-agent contre Claude Code couvre cette configuration en détail, tandis que API compatible avec OpenAI et Passerelle LLM décrivent le modèle générique.

API la moins chère pour mini-SWE-agent : deux questions différentes

Le tableau ci-dessus les sépare déjà. Le prix affiché le plus bas classe les options selon les dollars par million de jetons ; le coût minimal pour terminer la tâche les classe selon ce qu’il faut dépenser pour obtenir une modification fonctionnelle. mini creuse davantage l’écart que d’habitude pour une raison structurelle : son historique linéaire signifie qu’une étape supplémentaire n’ajoute pas un message, mais un nouvel envoi complet de tout ce qui la précède. Un modèle qui nécessite 88 appels là où un autre en nécessite 29 paie cette surcharge à chacun d’eux — c’est exactement ce que montre la colonne calculée, avec deux lignes de coût par instance similaire séparées par leur nombre d’appels. Choisissez le modèle le moins cher qui termine votre travail avec un niveau d’effort de révision que vous acceptez, exécutez une tâche limitée, puis consultez le montant enregistré par votre propre compte plutôt que l’affichage du client. Optimisation des coûts de l’IA présente cette méthode, et API Claude la moins chère si vous avez choisi la famille Claude.

Configuration et vérification de la première facture

Kunavo publie une référence de configuration pour mini-SWE-agent. Il s’agit d’une page de configuration publiée, et non d’un test de compatibilité : mini n’a pas été testé ici en conditions réelles avec l’endpoint Kunavo — aucune session, aucun tour diffusé, aucun aller-retour d’outil — et tout ce qui précède a été lu dans le code source et la documentation propres à mini. Points spécifiquement non vérifiés : le fait que la voie openai/ de LiteLLM négocie l’appel d’outils natif par défaut de mini v2 avec une interface de complétions de chat, et le traitement des marqueurs cache_control. Conservez une route fonctionnelle pendant l’essai, créez d’abord le fichier de registre pour que la limite de coût soit active, exécutez une tâche limitée, puis rapprochez les chiffres. Commencez par le guide d’intégration de mini-SWE-agent et créez un compte Kunavo lorsque vous êtes prêt à approvisionner une clé.

Vous comparez les clients plutôt que les fournisseurs ? Tarification d’Aider et tarification d’OpenCode couvrent deux autres agents reposant sur la même distinction entre un harnais gratuit et une facture de modèle à l’utilisation.

Questions fréquentes

Vérifié le 21 septembre 2026 en récupérant directement chaque source : les métadonnées PyPI de mini-SWE-agent ; les métadonnées de son dépôt GitHub et sa dernière version ; config/mini.yaml, config/default.yaml, config/benchmarks/swebench.yaml, agents/default.py, agents/interactive.py, models/__init__.py et models/openrouter_model.py sur la branche main ; son index de documentation ainsi que ses pages de configuration globale, de modèles locaux, d’utilisation de SWE-bench et de fichiers de sortie ; les relevés de soumissions de la page d’accueil de swebench.com, son classement Verified et le code source de ses filtres de classement, ainsi que la page get-quotas de sb-cli et la fiche Hugging Face de SWE-bench Verified Mini ; les métadonnées et le README du dépôt SWE-agent ; enfin la FAQ d’OpenRouter et les pages de tarification de Requesty et Portkey. Les montants des frais de passerelle sont chacun limités au forfait indiqué à leurs côtés. N’ont pas été vérifiés ici et ne sont donc pas affirmés : les tarifs catalogue des fournisseurs, toute remise par rapport à ceux-ci, et toute information sur la facturation d’un appel échoué ou réessayé. Aucune exécution de mini n’a été effectuée contre Kunavo et aucun résultat de benchmark n’a été reproduit ; les tarifs des jetons Kunavo proviennent du catalogue en vigueur, et chaque exemple en dollars présenté ici est une arithmétique illustrative sur les jetons.