biaya mini-SWE-agent: agen gratis dan tagihan API sebenarnya

Biaya mini-SWE-agent adalah $0. Ini adalah perangkat lunak berlisensi MIT tanpa paket, seat, tingkat hosted, atau akun untuk dibeli, jadi dalam praktiknya "biaya mini-SWE-agent" berarti tagihan API model dari endpoint mana pun yang Anda gunakan. Angka yang perlu dianggarkan adalah token per proses, dan mini hanya menyediakan satu pengaman default untuk itu: cost_limit: 3. dalam konfigurasi yang dimuat perintah mini. Pengaman tersebut memiliki mode kegagalan pada endpoint kustom, yang dibahas di bawah, dan merupakan satu-satunya hal paling mahal untuk salah dikonfigurasi di sini.

Tiga pembedaan terlebih dahulu, karena hasil pencarian mencampuradukkannya dan masing-masing dapat menempatkan angka yang salah di halaman. SWE-agent, yang asli, adalah produk berbeda dengan repositori, situs dokumentasi, dan skema konfigurasi sendiri; README-nya menyatakan bahwa "Sebagian besar upaya pengembangan kami saat ini berada pada mini-swe-agent, yang telah menggantikan SWE-agent" dan merekomendasikan mini ke depannya, tetapi proyek tersebut tidak diarsipkan (20.382 bintang, push terakhir 21 September 2026), jadi perlakukan sebagai proyek yang masih dipelihara tetapi telah digantikan, dan jangan pernah mengutip default-nya sebagai default mini. "SWE-bench Verified Mini" adalah dataset, bukan agen ini, dan tidak memiliki harga: kartu Hugging Face-nya menjelaskannya sebagai subset 50 instance dari SWE-bench Verified yang dipilih untuk mengurangi biaya penyimpanan dan evaluasi. Dan "mini" di dalam nama model juga bukan agen ini: GPT 5 mini muncul pada baris leaderboard milik mini, dan MiniMax adalah vendor yang namanya kebetulan dimulai dengan cara yang sama — jadi kalimat seperti "mini berbiaya $0,047 per instance" hanya benar untuk satu proses model di bawah mini-SWE-agent, dan harus menyebutkan keduanya.

Satu hal yang perlu Anda periksa sendiri jika ringkasan pihak ketiga menyatakan sebaliknya: lisensi mini adalah MIT. API lisensi GitHub mengembalikan MIT, PyPI memuat classifier License :: OSI Approved :: MIT License, dan teks lisensi yang disertakan bersama paket berbunyi "Copyright (c) 2025 Kilian A. Lieret and Carlos E. Jimenez".

Apa yang ditagihkan mini, dan apa yang sebenarnya menagih Anda

Proyek ini aktif, yang penting sebelum Anda menjadikannya standar: repositori tidak diarsipkan dan tidak dinonaktifkan, memiliki 7.843 bintang, dibuat pada 28 Juni 2025, push terakhir 14 September 2026, total gabungan 70 issue dan pull request yang masih terbuka (kolom open_issues_count pada API GitHub, 21 September 2026), dan rilis v2.4.6 dipublikasikan pada 23 Juli 2026.

Kontrol pengeluaran milik mini sendiri, dan kontrol yang diam-diam berhenti berfungsi

mini tidak biasa di antara agen coding karena menyediakan batas dolar. Ada empat angka, dan semuanya bukan angka yang sama.

Dibaca dari berkas-berkas pada branch main pada 21 September 2026. Dua properti mengubah cara Anda harus memperlakukan $3. Pertama, ini adalah aturan penghentian, bukan batas maksimum: default.py memeriksa 0 < cost_limit <= self.cost sebelum panggilan, dan docstring milik kolom tersebut berbunyi "Hentikan agen setelah melampaui (!) biaya ini" — jadi proses berhenti setelah pengeluaran terakumulasi sudah melewati batas, bukan sebelumnya. Kedua, dalam CLI interaktif, mencapainya tidak mengakhiri apa pun: interactive.py mencetak batas dan pengeluaran saat ini, lalu meminta batas langkah baru dan batas biaya baru. Proses tanpa pengawasan menimbulkan LimitsExceeded sebagai gantinya.

Di antara proses, terdapat dua variabel lingkungan, dan keduanya secara default nonaktif: MSWEA_GLOBAL_CALL_LIMIT dan MSWEA_GLOBAL_COST_LIMIT didokumentasikan pada halaman konfigurasi global sebagai "(0 = tanpa batas) (default: 0)". Keduanya membatasi satu proses mini, bukan akun. Dua pengaturan lain secara diam-diam menambah token: percobaan ulang secara default dilakukan hingga 10 kali (MSWEA_MODEL_RETRY_STOP_AFTER_ATTEMPT), dan agen berhenti setelah 3 kesalahan format berturut-turut. Apakah percobaan yang gagal ditagihkan adalah keputusan provider Anda, bukan mini, dan tidak diverifikasi di sini.

Sekarang mode kegagalannya. Angka dolar mini dihitung secara lokal, oleh tabel harga LiteLLM — sehingga ID model yang tidak dikenal LiteLLM menyebabkan proses gagal saat penghitungan biaya, dan batas $3 tidak memiliki apa pun untuk ditegakkan. Jika Anda mengarahkan kelas LiteLLM ke gateway, masukkan tarifnya sendiri alih-alih menggunakan MSWEA_COST_TRACKING="ignore_errors", yang diberi anotasi mini "HATI-HATI: Ini dapat menyebabkan pengeluaran yang tidak terkendali!". Berkas registri menggunakan nama model tanpa awalan provider sebagai kunci, dalam dolar per token, dengan litellm_provider yang cocok dengan custom_llm_provider Anda:

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

Tagihan mini sendiri berada di berkas trajectory: halaman output-files-nya mendokumentasikan info.model_stats dengan instance_cost ("total biaya panggilan API untuk proses ini") dan api_calls, serta biaya pada setiap pesan assistant. Ini adalah perhitungan berdasarkan berkas harga yang Anda masukkan, bukan buku besar provider Anda — pengecualiannya adalah kelas OpenRouter milik mini, yang meminta API tersebut menyertakan akuntansi penggunaan lalu membaca biaya yang ditagihkan dari respons. Konfigurasi endpoint lengkap tersedia di halaman penyiapan mini-SWE-agent.

Biaya per isu SWE-bench: satu-satunya angka per proses yang dipublikasikan

swebench.com menyediakan entri "Bash Only" pada leaderboard Verified-nya, yang di situs tersebut dijelaskan sebagai "Tampilan Verified default: setiap model dalam lingkungan mini-SWE-agent yang sama" untuk 500 instance. Dalam kode leaderboard milik situs tersebut, ini adalah preset, bukan papan terpisah — filter Agent dipersempit menjadi mini-SWE-agent tanpa pilihan lain — dan baris yang tersisa adalah submission yang trajectory-nya disimpan di bawah bash-only. Setiap baris mencantumkan biaya rata-rata per instance dan jumlah rata-rata panggilan model per instance. Kolom terakhir di bawah diturunkan di sini, bukan dipublikasikan: biaya per instance dibagi fraksi yang terselesaikan, dengan asumsi satu percobaan dan biaya kegagalan ikut dihitung.

Cakupan, dan inilah keseluruhan ceritanya: ini adalah catatan submission bash-only yang dibaca pada 21 September 2026 — SWE-bench Verified, 500 instance, setiap baris diberi tag satu percobaan dan mini v2.0.0, bertanggal 17 hingga 26 Februari 2026, dengan biaya sebagaimana dilaporkan bersama setiap submission. Situs tersebut tidak mendokumentasikan apakah angka itu adalah harga daftar, tarif yang dinegosiasikan, atau estimasi LiteLLM milik mini, jadi jangan membacanya sebagai penawaran harga; situs tersebut juga tidak mencatat kelas lingkungan atau batas langkah yang digunakan setiap pengirim, jadi keduanya tidak diklaim di sini. Instance benchmark bukan tugas developer: ini adalah isu GitHub terkurasi dengan perbaikan yang diketahui, dinilai tanpa kepala terhadap patch pengujian.

Dua pembacaan tetap berlaku dengan catatan tersebut. Pertama, urutannya berbalik di antara kedua kolom biaya sebanyak tiga kali. Claude 4.5 Haiku (high) lebih murah per instance daripada Gemini 3 Flash (high) dan lebih mahal per isu terselesaikan; DeepSeek V3.2 (high) lebih murah daripada GPT 5.2 Codex per instance dan kalah darinya per perbaikan; GLM 5 (high) lebih murah daripada Claude 4.6 Opus per instance dan kalah per perbaikan. Angka per instance menyembunyikan dua hal sekaligus: seberapa sering model menghasilkan perbaikan, dan berapa banyak panggilan model yang digunakannya untuk mencapainya — 88.5 dan 76.2 pada dua baris terakhir, dibandingkan 28.1 dan 28.9 untuk model yang mengungguli keduanya. Hanya GPT 5 mini yang unggul pada kedua kolom. Kedua, baris tersebut berhenti: 26 Februari 2026 adalah submission mini terbaru di semua papan swebench.com, jadi tidak ada model dari generasi pertengahan 2026 yang memiliki biaya per instance yang dipublikasikan di sana. Jangan menginterpolasikannya. Klaim utama mini sendiri dirumuskan secara terpisah — indeks dokumentasinya menyatakan "Mencapai skor >74% pada benchmark SWE-bench verified", yang merupakan pernyataan tentang sebuah model di bawah mini pada 500 isu terkurasi.

Estimasi berdasarkan tarif katalog aktif

Ini adalah perhitungan token ilustratif, bukan biaya tugas yang diukur dan bukan batas maksimum tagihan. mini "memiliki riwayat yang sepenuhnya linear — setiap langkah agen hanya menambahkan pesan", sehingga seluruh percakapan dikirim ulang pada setiap langkah dan input mendominasi. Asumsikan satu proses dengan 40 panggilan model (dalam rentang sekitar 20 hingga 89 yang ditunjukkan baris leaderboard), percakapan yang mencapai 40.000 token pada panggilan terakhir sehingga rata-rata permintaan membawa sekitar setengahnya, menghasilkan 800.000 token input sepanjang proses, dan 400 token output per panggilan, totalnya 16.000. Setiap token dihargai sebagai input baru: tidak diasumsikan ada diskon cache, karena apakah gateway chat-completions bertindak atas penanda cache_control yang dilampirkan mini belum diuji untuk halaman ini. Tarifnya adalah harga katalog Kunavo aktif per juta token.

Bacalah sebagai rasio. Berdasarkan asumsi ini, selisih antara Claude Haiku 4.5 dan Claude Opus 5 adalah sekitar 5×, yang merupakan pengungkit lebih besar daripada apa pun dalam konfigurasi mini — dan setiap baris berada dalam batas penghentian default $3, sehingga batas tersebut berfungsi sebagai pengaman terhadap proses tak terkendali, bukan anggaran. Satu detail yang tidak terlihat dari tabel harga: tingkat konteks panjang yang dinyatakan katalog untuk lini GPT dan Gemini 3.1 Pro berlaku per permintaan, bukan per proses, jadi yang penting adalah seberapa besar satu prompt mini berkembang, bukan total proses. Template observasi bawaan mini membantu di sini, dengan membatasi setiap observasi hingga 10.000 karakter dan mengirim 5.000 karakter pertama serta 5.000 karakter terakhir, ditambah jumlah yang dihilangkan setelah batas tersebut.

Satu catatan cakupan saat Anda menganggarkan pipeline di sekitar mini: Kunavo tidak menyediakan model embedding, model text-to-speech, atau model speech-to-text, jadi skrip yang mengindeks repositori atau mentranskripsikan audio bersama proses Anda tetap menggunakan kunci providernya sendiri untuk langkah tersebut. mini sendiri hanya meminta model menghasilkan teks dengan satu alat bash terlampir — chat completions pada kelas default litellm, atau Responses API pada kelas *_response-nya.

Jumlah katalog Kunavo adalah batas bawah penagihan, bukan batas maksimum: 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. Top-up minimum adalah $10 dalam kredit prabayar — minimum pendanaan, bukan biaya tugas atau langganan. Lihat detail penagihan dan cara token yang di-cache dihargai.

API terbaik untuk mini-SWE-agent: rute mana yang unggul dan kapan

Pilihannya lebih sempit daripada kelihatannya, karena kelas model mini tidak sama-sama terbuka. Mini menyediakan kelas gateway untuk tiga perusahaan — OpenRouter, Requesty, dan Portkey, masing-masing dengan varian protokol — dan tidak satu pun mengekspos kolom api_base. Kelas OpenRouter dan Requesty melangkah lebih jauh dengan meng-hardcode URL vendor tersebut di dalam kelasnya sendiri, di samping variabel kunci tetap (OPENROUTER_API_KEY, REQUESTY_API_KEY); kelas Portkey sama sekali tidak menyebut URL dan meneruskan permintaan ke klien portkey-ai dengan PORTKEY_API_KEY, sehingga tujuannya adalah apa pun yang ditentukan SDK tersebut. Bagaimanapun, memilih salah satunya juga berarti memilih ketentuan perusahaan tersebut. Keluarga LiteLLM adalah keluarga yang dapat Anda arahkan ulang dari berkas konfigurasi.

Ada dua batasan yang perlu diketahui sebelum Anda merencanakannya. Contoh yang didokumentasikan mini menggunakan ID LiteLLM native-vendor dengan prefiks provider, sedangkan ID milik gateway sendiri adalah string berbeda yang tidak akan dikenali di endpoint vendor — misalnya, konfigurasi benchmark SWE-bench bawaan mini menetapkan model_name: "anthropic/claude-sonnet-4-5-20250929", yang merupakan ID native Anthropic — salin file tersebut tanpa perubahan dan Anda menunjuk ke Anthropic, jadi ganti ID itu dengan apa pun yang dipublikasikan endpoint Anda sendiri. Mini juga memiliki tiga jalur protokol: class litellm default memanggil chat completions dengan pemanggilan tool native, litellm_textbased mengakses endpoint yang sama dengan action yang diuraikan dari teks menggunakan cara lama, dan litellm_response memanggil OpenAI Responses API dengan skema tool yang berbeda, yang tidak dapat dilayani oleh endpoint yang hanya mendukung chat completions. mini-SWE-agent vs Claude Code membahas konfigurasi tersebut secara lengkap, sedangkan OpenAI-compatible API dan LLM gateway membahas pola umumnya.

API termurah untuk mini-SWE-agent: dua pertanyaan yang berbeda

Tabel di atas sudah memisahkan keduanya. Harga terdaftar termurah mengurutkan berdasarkan dolar per satu juta token; biaya terendah untuk menyelesaikan tugas mengurutkan berdasarkan biaya untuk menghasilkan perubahan yang berfungsi. mini memperlebar kesenjangan ini lebih dari biasanya karena alasan struktural: riwayat linearnya berarti satu langkah tambahan tidak menambahkan satu pesan, melainkan satu pengiriman ulang penuh dari semua hal sebelumnya. Model yang memerlukan 88 panggilan ketika model lain memerlukan 29 panggilan membayar biaya tambahan itu pada setiap panggilan — tepat seperti yang ditunjukkan kolom turunan, dengan dua baris yang memiliki biaya per instans serupa tetapi terpisah berdasarkan jumlah panggilannya. Pilih model yang paling murah yang dapat menyelesaikan pekerjaan Anda dengan upaya peninjauan yang masih dapat Anda terima, jalankan satu tugas terbatas, lalu baca tagihan yang tercatat di akun Anda sendiri untuk tugas tersebut, bukan rincian dari klien. Optimasi biaya AI membahas metode itu, begitu pula API Claude termurah jika Claude adalah keluarga yang sudah Anda pilih.

Menyiapkannya dan memeriksa tagihan pertama

Kunavo menerbitkan referensi konfigurasi untuk mini-SWE-agent. Itu adalah halaman penyiapan yang diterbitkan, bukan pengujian kompatibilitas: mini belum diuji saat runtime di sini terhadap endpoint Kunavo — tanpa sesi, tanpa giliran streaming, tanpa round-trip tool — dan semua hal di atas dibaca dari source serta dokumentasi milik mini sendiri. Hal yang secara khusus belum diverifikasi: apakah jalur openai/ LiteLLM menegosiasikan default v2 mini berupa pemanggilan tool native melalui permukaan chat completions, dan apakah penanda cache_control ditindaklanjuti. Sediakan rute yang berfungsi saat mencobanya, tulis file registry terlebih dahulu agar batas biaya aktif, jalankan satu tugas terbatas, lalu lakukan rekonsiliasi. Mulai dari panduan integrasi mini-SWE-agent dan buat akun Kunavo saat Anda siap mengisi saldo kunci.

Membandingkan klien, bukan provider? Harga Aider dan harga OpenCode membahas dua agent tambahan dengan pemisahan yang sama antara harness gratis dan tagihan model berdasarkan pemakaian.

Pertanyaan umum

Diperiksa pada 21 September 2026 dengan mengambil setiap sumber secara langsung: metadata PyPI mini-SWE-agent; metadata repositori GitHub dan rilis terbarunya; config/mini.yaml, config/default.yaml, config/benchmarks/swebench.yaml, agents/default.py, agents/interactive.py, models/__init__.py dan models/openrouter_model.py pada branch main; indeks dokumentasinya serta halaman global-configuration, local-models, penggunaan SWE-bench, dan output-files; catatan pengiriman homepage swebench.com, leaderboard Verified dan source filter leaderboard-nya, serta halaman sb-cli get-quotas dan kartu Hugging Face untuk SWE-bench Verified Mini; metadata repositori dan README SWE-agent; serta FAQ OpenRouter dan halaman harga Requesty serta Portkey. Angka biaya gateway masing-masing hanya berlaku untuk paket yang disebutkan di sebelahnya. Yang tidak diperiksa di sini dan karena itu tidak diklaim: harga daftar vendor mana pun, diskon apa pun terhadap harga tersebut, serta apa pun mengenai cara penagihan panggilan yang gagal atau dicoba ulang. Tidak ada eksekusi mini terhadap Kunavo dan tidak ada hasil benchmark yang direproduksi; tarif token Kunavo berasal dari katalog langsung, dan setiap contoh dolar di sini hanyalah perhitungan token ilustratif.