Biaya API Agent Zero: model utama, utilitas, dan embedding

Agent Zero, framework agen AI sumber terbuka, berbiaya $0 — berkas LICENSE memuat ketentuan MIT, hak cipta Agent Zero, s.r.o., dan agent-zero.ai tidak mengiklankan halaman harga, paket, atau tingkat hosting berbayar untuknya — sehingga "harga Agent Zero" berarti tagihan API model di bawahnya. Hal yang membedakan tagihan tersebut dari agen dengan satu model adalah Agent Zero membaginya ke dalam tiga peran model, yang dikonfigurasi dan ditagihkan secara terpisah: model utama, model utility, dan model embedding. Kunavo tidak menyediakan model embedding, jadi hanya dua peran pertama yang pernah dibeli di sini, sedangkan peran ketiga tetap menggunakan default lokal atau dialihkan ke penyedia yang menjual langkah tersebut. Jadi, mendapatkan satu balasan chat tidak berarti integrasi selesai — itu berarti salah satu dari tiga peran telah menjawab.

Satu klarifikasi terlebih dahulu, karena hal ini muncul di halaman hasil, bukan di sampingnya. Agent Zero Token (A0T) adalah mata uang kripto di Base, dan menempati peringkat keempat pada satu pengambilan hasil pencarian yang dimiliki halaman ini untuk "harga agent zero", yang dicatat pada 17 September 2026, dengan halaman harga Coinbase di peringkat ketujuh. Satu pengambilan bukanlah peringkat. Token tersebut memang milik proyek ini — blok tautan resmi CoinGecko mengarah ke agent-zero.ai dan repositori GitHub proyek — sehingga mudah disalahartikan sebagai daftar harga. Namun, token itu bukan daftar harga: tidak ada kuotasi token yang merupakan harga perangkat lunak ini, halaman ini tidak memberikan panduan investasi atau perdagangan, dan token tersebut hanya muncul di bawah sebagai kondisi yang dinyatakan untuk endpoint gratis.

Empat hal bernama "Agent Zero" yang bukan harga perangkat lunak ini

Hanya baris pertama di bawah yang diamati pada pengambilan hasil pencarian untuk "harga agent zero"; tiga lainnya adalah benturan nama yang ditemui saat melakukan riset, bukan hal yang dikembalikan halaman tersebut.

Sumber diperiksa pada 21 September 2026: berkas LICENSE (MIT, hak cipta Agent Zero, s.r.o.), halaman proyek PyPI, dan ketentuan LLM API, yang menyatakan bahwa layanan tersebut "adalah fitur bonus gratis untuk komunitas Agent Zero" dan "bukan penawaran komersial atau berbayar", tersedia bagi pemegang token yang melakukan staking, dengan kuota "ditentukan secara dinamis dan tidak dijamin". Ambang staking dan kuota yang dihasilkan tidak dipublikasikan di mana pun yang dapat dibaca halaman ini, sehingga keduanya tidak dinyatakan di sini. Untuk perangkat lunaknya sendiri, API GitHub untuk repositori agent0ai/agent-zero melaporkannya tidak diarsipkan dan tidak dinonaktifkan, dengan 19.227 bintang, serta rilis terbaru sebagai v2.12, yang diterbitkan pada 9 September 2026.

Tiga peran, tiga tagihan terpisah

Panduan Model Presets Agent Zero menyatakan bahwa setiap penyiapan berisi model utama, utility, dan embedding. Ini bukan sisa v1: conf/model_providers.yaml di main memiliki tepat dua bagian tingkat atas, chat: dengan 29 penyedia dan embedding: dengan 16, dan peran utama serta utility mengambil dari daftar chat. Panduan instalasi menambahkan bahwa Browser bawaan tidak memiliki slot model default terpisah sendiri.

Default perlu dipahami sebelum Anda memindahkannya. Di models.py, panggilan embedding yang penyedianya huggingface dan nama modelnya dimulai dengan sentence-transformers/ dialihkan langsung ke wrapper SentenceTransformer lokal — tanpa permintaan HTTP dan tanpa kunci — dan preset Default yang dikurasi menetapkan peran tersebut ke sentence-transformers/all-MiniLM-L6-v2. Panduan instalasi juga menyatakan bahwa mengubah embedding_llm "akan mengindeks ulang seluruh memori A0", sehingga slot tersebut adalah migrasi, bukan pengaturan — rencanakan sebagai migrasi, dan simpan cadangan direktori memori sebelum menyentuhnya. Untuk pertanyaan yang lebih luas tentang interaksi kualitas retrieval dan penyimpanan, RAG implementation membahas keputusan yang sama di luar framework ini.

API khusus Agent Zero: lokasi endpoint dan kunci

Pada pengambilan hasil pencarian yang dicatat pada 17 September 2026, kueri "agent zero custom api" menempatkan panduan api-integration proyek tersebut di peringkat ketiga, dan dokumen itu menjawab pertanyaan yang berbeda — judul sebenarnya adalah "Adding External APIs Without Code" dan isinya tentang mengajarkan agen untuk memanggil API pihak ketiga, bukan memilih penyedia LLM Anda. Berikut jalur penyedianya, dibaca dari repositori pada 21 September 2026.

1. Pilih penyedianya. Id-nya adalah other; conf/model_providers.yaml menamainya Other OpenAI compatible dan mencantumkannya di bagian chat: serta embedding:. Panduan instalasi mengeja hal yang sama sebagai OpenAI Compatible, jadi harapkan kedua label tersebut di antarmuka.
2. Masukkan kunci di External Services. Panduan tersebut menggunakan wording: "tambahkan kunci API di bawah External Services -> Other OpenAI-compatible API keys, lalu pilih OpenAI Compatible sebagai penyedia di pengaturan model".
3. Tetapkan URL API pada setiap peran yang Anda pindahkan. Ini adalah kolom per peran, disimpan sebagai api_base di berkas preset, dan panduan mendeskripsikannya sebagai "URL endpoint API untuk model chat".
4. Ketik id model secara manual, persis seperti penulisannya di katalog gateway Anda, dan pertahankan konvensi awalan: penyedia native menggunakan id tanpa awalan, sedangkan gateway biasanya menginginkan awalan vendor.

# One Model Preset, three independent blocks. Each carries its own
# provider, model name and api_base, so the three roles can point at
# three different endpoints — and its own rl_* rate-limit fields.
# Schema read from agent0ai/a0-presets
# on September 21, 2026; the values below are an illustration.
chat:
  provider: other        # the UI calls it 'Other OpenAI compatible'
  name: <the id your gateway's own catalog lists>
  api_base: "https://api.kunavo.com/v1"
  ctx_length: 200000
utility:
  provider: other
  name: <a cheaper id from the same catalog>
  api_base: "https://api.kunavo.com/v1"
  ctx_length: 128000
embedding:
  provider: huggingface  # shipped default: local, CPU, no HTTP call
  name: sentence-transformers/all-MiniLM-L6-v2
  api_base: ""

Di balik layar, models.py menulis ulang penyedia tepat sebelum pemanggilan — komentar di sumber berbunyi remap other to openai for litellm — sehingga endpoint khusus harus menggunakan bentuk OpenAI Chat Completions, dan setiap penyedia chat dalam katalog memiliki a0_api_mode: chat. LiteLLM menjadi transport untuk semuanya, ditetapkan dalam requirements.txt sebagai litellm==1.88.1 dengan komentar "CVE-2026-42271 fix: patched floor is 1.83.7". Jika Anda tidak ingin mengetik kredensial ke antarmuka, rute lingkungan dibaca dalam urutan berikut:

# models.py get_api_key() reads these three spellings in this order,
# for provider id `other`. A comma-separated value is round-robined
# across calls. Read from main on September 21, 2026.
API_KEY_OTHER=your-key
# OTHER_API_KEY=your-key
# OTHER_API_TOKEN=your-key

Satu jebakan Docker yang perlu diulangi dari panduan instalasi: di dalam kontainer, localhost dan 127.0.0.1 dalam URL dasar API berarti kontainer Agent Zero, bukan host Anda, sehingga server model pada host memerlukan http://host.docker.internal:<port> atau alamat bridge. Ini berlaku untuk runtime lokal, bukan endpoint HTTPS publik.

Dua cacat dalam dokumentasi penyiapan resmi perlu diketahui sebelum Anda mengikutinya secara harfiah, karena keduanya dikonfirmasi pada 21 September 2026. Pertama, tautan unduhan A0 Launcher dalam panduan instalasi ditetapkan secara hardcode ke v0.9 dan teksnya mengarah ke "rilis A0 Launcher v0.9", sedangkan halaman rilis milik launcher sendiri menunjukkan v1.7, yang diterbitkan pada 9 September 2026 — delapan rilis lebih baru. Gunakan halaman rilis, bukan URL unduhan yang dipatok. Kedua, tabel "Model Naming by Provider" dalam panduan menempatkan id model Anthropic di sel contoh pada baris OpenAI; prosa di sekitarnya membedakan keduanya dengan benar. Ambil aturan umum dari prosa, bukan dari baris tabel tersebut: penyedia native menggunakan id model tanpa awalan, sedangkan gateway biasanya menginginkan awalan vendor.

Empat batasan yang dihadapi endpoint khusus

Gerbang caching adalah hal yang paling mungkin mengubah anggaran, jadi berikut isi sumber secara tepat. _supports_cache_control_markers mengembalikan true hanya ketika api_base memuat openrouter.ai atau anthropic.com, atau ketika penyedia yang dinormalisasi termasuk dalam himpunan tetap yang mencakup anthropic, bedrock, gemini, minimax, openrouter, dan vertex_ai. Penyedia other dinormalisasi menjadi openai, yang tidak termasuk dalam himpunan tersebut. Jalur kedua, _is_openai_prompt_cache_provider, mengembalikan false untuk api_base apa pun yang bukan api.openai.com atau openai.azure.com. Jadi, untuk URL dasar yang tidak memuat satu pun dari empat nama host tersebut, dan penyedianya dinormalisasi menjadi openai, Agent Zero tidak menerapkan titik pemisah bergaya Anthropic maupun kunci cache OpenAI. Batasi cakupan ini dengan cermat: ini adalah pernyataan tentang apa yang dikirim Agent Zero, bukan klaim bahwa diskon cache tidak tersedia.

Untuk dua laporan bug tersebut, nyatakan sesuai sifatnya. Issue #1769 adalah laporan pengguna yang masih terbuka pada 21 September 2026, berjudul "LiteLLM calls exit(-9) when a model in model_cost has a litellm_provider that differs from the provider's actual litellm_provider mapping"; baris cakupannya sendiri menyatakan bahwa hal itu memengaruhi "any provider that resells or proxies models from multiple origins", yang mendeskripsikan gateway. Tidak ada yang mereproduksinya untuk halaman ini, dan apakah hal itu terpicu oleh id model tertentu belum diuji. PR #1437 melaporkan bahwa LiteLLM 1.80.11 dan versi setelahnya mengirim encoding_format: null ketika nilainya tidak ditetapkan, dan validator ketat menolaknya dengan 422, ditambah kueri pengambilan memori yang tidak dipotong dan dapat melampaui konteks model embedding. PR tersebut terbuka dan belum digabungkan; issue induknya, #1436, telah ditutup, dan cara penyelesaiannya tidak dapat ditentukan, sehingga di sini tidak ada klaim "diperbaiki" maupun "masih aktif".

Perkiraan biaya per peran dengan contoh perhitungan

Ini adalah aritmetika token ilustratif, bukan biaya tugas yang diukur dan bukan batas atas tagihan. Asumsikan satu minggu penggunaan stabil: 6 juta token input tanpa cache dan 300.000 token output pada peran utama, serta 1,5 juta token input dan 150.000 token output pada peran utility. Pembagian tersebut adalah asumsi untuk ilustrasi — tidak ada yang mengukur loop Agent Zero untuk halaman ini. Tarifnya adalah harga katalog Kunavo saat ini per juta token.

Ada dua pembacaan, dan keduanya mengarah ke arah yang berlawanan. Pertama, berdasarkan asumsi ini, pilihan peran utama mencakup $10,14 per minggu antara baris termahal dan termurah di atas, sedangkan pilihan peran utility mencakup $0,10. Mengoptimalkan slot kedua bukan tempat uang berada kecuali beban kerja Anda sangat berat di latar belakang — dan panduan instalasi memperingatkan agar tidak memilih terlalu kecil di sana, karena model yang sangat kecil (panduan menyebut 4B) sering gagal melakukan ekstraksi memori secara andal. Kedua, kedua peran bergabung secara independen: GPT-5.6 Terra dengan Claude Haiku 4.5 diperkirakan sebesar $7,03 per minggu dibandingkan $17,28 untuk GPT-5.6 Sol dengan GPT-5.6 Terra. Peran ketiga sama sekali tidak menambah biaya API selama tetap menggunakan default CPU lokal.

Untuk kalibrasi terhadap pilihan proyek itu sendiri, Agent Zero mengunduh tiga preset terkurasi saat pertama kali dimulai ketika tidak ada koleksi tersimpan. Default memasangkan model chat GPT-5.6 Terra dengan model utility Google flash-lite; Power memasangkan GPT-5.6 Sol dengan GPT-5.6 Luna; Efficiency memasangkan model chat GLM dengan model utility DeepSeek. Hanya Default yang menyebutkan peran embedding secara eksplisit, dan menetapkannya ke model CPU lokal; Efficiency dan Power sama sekali tidak memiliki blok embedding dalam berkas tersebut. Referensi tersebut ditulis dalam gaya OpenRouter yang digunakan berkas itu, sehingga tidak satu pun merupakan id Kunavo sebagaimana tertulis — gunakan id yang tercantum dalam katalog Kunavo sendiri. Berkas tersebut terakhir didorong pada 17 Juli 2026, sehingga pilihan modelnya mungkin tertinggal dari pasar.

Skalakan berdasarkan minggu penggunaan Anda sendiri sebelum menganggap semua ini sebagai anggaran. Nominal katalog Kunavo adalah batas bawah penagihan, bukan batas atas: ketika upstream melaporkan biayanya, tagihan adalah nilai yang lebih besar antara biaya katalog dan biaya upstream dikalikan markup yang berlaku. Biaya cache dan alat eksternal berada di luar contoh ini. Isi ulang minimum Kunavo adalah $10 dalam kredit prabayar — minimum pendanaan, bukan biaya tugas dan bukan langganan. Lihat detail penagihan.

API terbaik untuk Agent Zero: rute mana yang unggul dan kapan

Satu detail dari pihak pertama membuat argumen berdasarkan peran menjadi konkret, bukan teoretis. Plugin Cline Pass ada sebagian karena API berlangganan yang hanya melakukan streaming akan merusak panggilan utilitas secara khusus — plugin tersebut menyuntikkan callback streaming no-op agar pekerjaan latar belakang seperti penamaan chat, kompaksi, dan konsolidasi memori tetap berfungsi. Setiap peran dapat gagal secara terpisah, dan itulah alasan satu balasan chat yang berhasil bukanlah pengujian integrasi. Agent Zero juga menyediakan plugin LLM Cost Tracker yang mengelompokkan penggunaan berdasarkan kelas panggilan — termasuk chat utama, agen subordinat, dan utilitas — serta sama sekali tidak menyertakan harga, dengan instruksi "Isi tarif dari halaman harga resmi penyedia Anda". Isi tarif untuk setiap peran, atau dasbor akan menagih setiap kelas menggunakan satu tarif yang Anda masukkan.

Siapkan, lalu verifikasi ketiga peran

Kunavo belum menguji Agent Zero secara runtime terhadap endpoint-nya dan tidak menerbitkan halaman integrasi Agent Zero; semua uraian di atas dibaca dari kode sumber dan dokumentasi Agent Zero sendiri pada 21 September 2026. Jadi, verifikasikan berdasarkan peran, bukan berdasarkan balasan pertama: kirim satu pesan chat untuk peran utama, lalu picu pekerjaan latar belakang — mulai percakapan baru agar penamaan otomatis berjalan, atau biarkan sesi berjalan cukup lama hingga mengalami kompaksi — dan pastikan model utilitaslah yang memberikan jawaban. Biarkan peran embedding tetap menggunakan default lokal kecuali Anda sudah memutuskan untuk memigrasikannya, karena perubahan itu akan mengindeks ulang memori. Pertahankan rute yang berfungsi selama proses, jalankan satu tugas terbatas, lalu baca biaya yang tercatat di akun Anda dan bandingkan dengan estimasi milik pelacak biaya.

Jika Anda merutekan kedua peran berbayar ke satu endpoint, quickstart menyediakan URL dasar dan permintaan pertama, sementara membuat akun Kunavo memerlukan minimum prabayar sebesar $10 tanpa langganan. Untuk keputusan yang lebih luas: referensi API yang kompatibel dengan OpenAI membahas bentuk endpoint yang digunakan Agent Zero, Agent Zero vs OpenClaw membandingkan kedua harness dalam hal eksekusi dan memori, alternatif LiteLLM membahas lapisan transport yang dilalui setiap panggilan Agent Zero, dan optimasi biaya AI membahas pengukuran tugas nyata, bukan kartu tarif.

Pertanyaan umum

Status repositori Agent Zero, rilis terbaru, status issue dan pull request, katalog penyedia, models.py, transport LiteLLM, requirements, file preset terkurasi, panduan instalasi dan pemecahan masalah, ketentuan API LLM, serta konflik nama di PyPI semuanya diperiksa pada 21 September 2026. Posisi dalam hasil pencarian berasal dari satu pengambilan yang dicatat pada 17 September 2026, dan merupakan satu pengambilan, bukan peringkat. Tarif token Kunavo dibaca dari katalog aktif; setiap angka dolar di halaman ini adalah perhitungan token ilustratif berdasarkan asumsi yang dinyatakan, bukan biaya tugas yang diukur.