custo do mini-SWE-agent: o agente gratuito e a conta real da API

O mini-SWE-agent custa US$ 0. É um software licenciado sob MIT, sem plano, licença de usuário, camada hospedada ou conta para comprar; portanto, na prática, "custo do mini-SWE-agent" significa a cobrança da API do modelo no endpoint para o qual você apontá-lo. O número que vale a pena orçar é de tokens por execução, e o mini fornece exatamente um controle padrão para isso: cost_limit: 3. na configuração carregada pelo comando mini. Esse controle tem um modo de falha em um endpoint personalizado, explicado abaixo, e é o erro potencialmente mais caro de cometer aqui.

Primeiro, três distinções, porque os resultados de busca misturam os conceitos e cada um coloca números errados na página. O SWE-agent, o original, é um produto diferente, com seu próprio repositório, seu próprio site de documentação e seu próprio esquema de configuração; o README afirma que "A maior parte do nosso esforço atual de desenvolvimento está no mini-swe-agent, que substituiu o SWE-agent" e recomenda o mini daqui em diante, mas ele não está arquivado (20.382 estrelas, último push em 21 de setembro de 2026); portanto, trate-o como mantido, porém substituído, e nunca cite seus padrões como se fossem do mini. "SWE-bench Verified Mini" é um conjunto de dados, não este agente, e não tem preço: seu cartão no Hugging Face o descreve como um subconjunto de 50 instâncias do SWE-bench Verified escolhido para reduzir o custo de armazenamento e avaliação. E "mini" dentro do nome de um modelo também não é este agente: o GPT 5 mini aparece nas próprias linhas da tabela de classificação do mini, e o MiniMax é um fornecedor cujo nome simplesmente começa da mesma forma — portanto, uma frase como "mini custa US$ 0,047 por instância" só é verdadeira para uma execução de modelo sob o mini-SWE-agent e precisa nomear ambos.

Algo para verificar por conta própria se um resumo de terceiros disser o contrário: a licença do mini é MIT. A API de licenças do GitHub retorna MIT, o PyPI contém o classificador License :: OSI Approved :: MIT License, e o texto da licença incluído no pacote diz "Copyright (c) 2025 Kilian A. Lieret and Carlos E. Jimenez".

O que o mini cobra e o que realmente gera cobrança para você

O projeto está ativo, o que importa antes de adotá-lo como padrão: o repositório não está arquivado nem desativado, tem 7.843 estrelas, foi criado em 28 de junho de 2025, recebeu o último push em 14 de setembro de 2026, tem 70 issues e pull requests abertas ao todo (a open_issues_count da API do GitHub, em 21 de setembro de 2026), e a versão v2.4.6 foi publicada em 23 de julho de 2026.

Os próprios controles de gastos do mini e aquele que silenciosamente deixa de funcionar

O mini é incomum entre os agentes de programação por fornecer um limite em dólares. Há quatro números, e eles não são o mesmo número.

Lido nos arquivos do branch main em 21 de setembro de 2026. Duas propriedades mudam a forma como você deve tratar os US$ 3. Primeiro, é uma regra de parada, não um teto: default.py verifica 0 < cost_limit <= self.cost antes de uma chamada, e a própria docstring do campo diz "Deter o agente após exceder (!) este custo" — portanto, a execução para quando os gastos acumulados já ultrapassaram o teto, e não antes. Segundo, na CLI interativa, atingir esse limite não encerra nada: interactive.py imprime os limites e os gastos atuais e, em seguida, solicita um novo limite de etapas e um novo limite de custo. Execuções não assistidas geram LimitsExceeded.

Entre execuções, há duas variáveis de ambiente, e ambas vêm desativadas: MSWEA_GLOBAL_CALL_LIMIT e MSWEA_GLOBAL_COST_LIMIT são documentadas na página de configuração global como "(0 = sem limite) (padrão: 0)". Elas limitam um processo do mini, não uma conta. Duas outras configurações adicionam tokens silenciosamente: as novas tentativas têm padrão de 10 tentativas (MSWEA_MODEL_RETRY_STOP_AFTER_ATTEMPT), e o agente é abortado após 3 erros consecutivos de formato. Se uma tentativa falha é cobrada é decisão do seu provedor, não do mini, e não foi verificado aqui.

Agora, o modo de falha. O valor em dólares do mini é calculado localmente, pela tabela de preços do LiteLLM — portanto, um id de modelo desconhecido pelo LiteLLM faz a execução falhar no cálculo do custo, e o teto de US$ 3 não tem nada para impor. Se você apontar as classes LiteLLM para um gateway, forneça as tarifas você mesmo em vez de recorrer a MSWEA_COST_TRACKING="ignore_errors", que o mini anota como "ATENÇÃO: isso pode levar a gastos sem controle!". O arquivo de registro é indexado pelo nome do modelo sem o prefixo do provedor, em dólares por token, com litellm_provider correspondendo ao seu custom_llm_provider:

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

A própria cobrança do mini fica no arquivo de trajetória: sua página de arquivos de saída documenta info.model_stats com instance_cost ("custo total das chamadas de API para esta execução") e api_calls, além de um custo em cada mensagem do assistente. Isso é uma aritmética baseada em um arquivo de preços que você digitou, não no registro do seu provedor — a única exceção é a classe OpenRouter do mini, que solicita que essa API inclua a contabilização de uso e então lê o custo cobrado na resposta. A configuração completa do endpoint está na página de configuração do mini-SWE-agent.

Custo por issue do SWE-bench: os únicos valores publicados por execução

O swebench.com oferece uma entrada "Bash Only" em sua tabela de classificação Verified, descrita no site como "A visualização Verified padrão: cada modelo no mesmo ambiente do mini-SWE-agent" em 500 instâncias. No próprio código da tabela de classificação do site, isso é uma predefinição, e não uma tabela separada — o filtro Agent foi reduzido a mini-SWE-agent, sem nada mais selecionado — e as linhas restantes são submissões cujas trajetórias estão arquivadas em bash-only. Cada linha contém um custo médio por instância e um número médio de chamadas de modelo por instância. A última coluna abaixo é derivada aqui, não publicada: custo por instância dividido pela fração resolvida, o que presume uma tentativa com o custo das falhas incluído.

Escopo, e ele conta toda a história: estes são registros de submissões somente-bash lidos em 21 de setembro de 2026 — SWE-bench Verified, 500 instâncias, cada linha marcada com uma tentativa e mini v2.0.0, datadas de 17 a 26 de fevereiro de 2026, com o custo conforme informado em cada submissão. O site não documenta se esse valor é preço de tabela, uma tarifa negociada ou a própria estimativa do LiteLLM do mini; portanto, não o leia como uma cotação. Também não registra qual classe de ambiente ou limite de etapas cada participante usou, portanto nenhum dos dois é afirmado aqui. Uma instância de benchmark não é uma tarefa de desenvolvedor: estas são issues selecionadas do GitHub com uma correção conhecida, avaliadas sem interface gráfica contra um patch de teste.

Duas interpretações sobrevivem a essa ressalva. Primeiro, a ordem inverte-se entre as duas colunas de custo três vezes. Claude 4.5 Haiku (high) é mais barato por instância do que Gemini 3 Flash (high) e mais caro por issue resolvida; DeepSeek V3.2 (high) é mais barato que GPT 5.2 Codex por instância e perde para ele por correção; GLM 5 (high) é mais barato que Claude 4.6 Opus por instância e perde por correção. O valor por instância oculta duas coisas ao mesmo tempo: a frequência com que um modelo obtém a correção e quantas chamadas de modelo ele consome para chegar lá — 88.5 e 76.2 nessas duas últimas linhas, contra 28.1 e 28.9 dos modelos que as superam. Apenas GPT 5 mini lidera nas duas colunas. Segundo, as linhas param: 26 de fevereiro de 2026 é a submissão mais recente do mini em qualquer uma das tabelas do swebench.com, portanto nenhum modelo da geração de meados de 2026 tem um custo por instância publicado ali. Não faça uma interpolação. A própria afirmação principal do mini é formulada separadamente — seu índice de documentação diz que ele "Obtém >74% no benchmark SWE-bench verified", o que é uma afirmação sobre um modelo sob o mini em 500 issues selecionadas.

Uma estimativa calculada com as tarifas do catálogo ativo

Isto é uma aritmética ilustrativa de tokens, não um custo de tarefa medido nem um teto de cobrança. O mini "tem um histórico completamente linear — cada etapa do agente simplesmente acrescenta algo às mensagens", portanto a conversa inteira é reenviada a cada etapa e a entrada predomina. Suponha uma execução de 40 chamadas de modelo (dentro da faixa aproximada de 20 a 89 mostrada pelas linhas da tabela de classificação), uma conversa que chega a 40.000 tokens na última chamada, fazendo com que a solicitação média carregue cerca de metade disso, totalizando 800.000 tokens de entrada na execução, e 400 tokens de saída por chamada, 16.000 no total. Cada token é precificado como entrada nova: nenhum desconto de cache é presumido, pois não foi testado nesta página se um gateway de chat completions atua sobre os marcadores cache_control anexados pelo mini. As tarifas são preços atuais do catálogo da Kunavo por milhão de tokens.

Leia isso como uma proporção. Sob essas premissas, a diferença entre Claude Haiku 4.5 e Claude Opus 5 é de cerca de 5×, o que é uma alavanca maior do que qualquer coisa na configuração do mini — e cada linha cabe dentro da regra de parada padrão de US$ 3; portanto, esse teto é uma proteção contra execução descontrolada, não um orçamento. Um detalhe que as tabelas de preços não mostram: as camadas de contexto longo que o catálogo declara para a linha GPT e para o Gemini 3.1 Pro são por solicitação, não por execução; portanto, o que importa é o tamanho de um único prompt do mini, não o total da execução. O template de observação fornecido pelo mini ajuda nesse ponto, limitando cada observação a 10.000 caracteres e enviando os primeiros 5.000 e os últimos 5.000, além de uma contagem dos caracteres omitidos acima desse limite.

Uma observação de escopo enquanto você orça um pipeline em torno do mini: a Kunavo não oferece modelo de embeddings, modelo de texto para fala nem modelo de fala para texto; portanto, um script que indexa um repositório ou transcreve áudio junto com suas execuções mantém sua própria chave de provedor para essa etapa. O mini em si só solicita que um modelo produza texto com uma ferramenta bash anexada — chat completions em sua classe padrão litellm, ou a Responses API em suas classes *_response.

O valor do catálogo da Kunavo é um piso de cobrança, não um teto: quando o upstream informa sua cobrança, a fatura é o maior valor entre o custo do catálogo e o custo do upstream multiplicado pela margem aplicável. As cobranças de cache e de ferramentas externas ficam fora deste exemplo. O aporte mínimo é de US$ 10 em crédito pré-pago — um mínimo de financiamento, não uma taxa de tarefa nem uma assinatura. Consulte detalhes de cobrança e como os tokens armazenados em cache são precificados.

Melhor API para o mini-SWE-agent: qual rota vence e quando

A escolha é mais restrita do que parece, porque as classes de modelo do mini não são igualmente abertas. Ele fornece classes de gateway para três empresas — OpenRouter, Requesty e Portkey, cada uma com variantes de protocolo — e nenhuma delas expõe um campo api_base. As classes OpenRouter e Requesty vão além e fixam a URL desse fornecedor na própria classe, junto a uma variável de chave fixa (OPENROUTER_API_KEY, REQUESTY_API_KEY); as classes Portkey não informam nenhuma URL e encaminham a solicitação ao cliente portkey-ai com um PORTKEY_API_KEY, portanto o destino é qualquer coisa que esse SDK resolva. De qualquer forma, escolher uma delas também significa escolher os termos dessa empresa. A família LiteLLM é aquela que você redireciona a partir de um arquivo de configuração.

Duas limitações que vale conhecer antes de planejar com base nelas. Os exemplos documentados do mini usam IDs LiteLLM nativos do fornecedor, com prefixos do provedor, e os próprios IDs de um gateway são strings diferentes que não serão resolvidas em um endpoint do fornecedor — a configuração de benchmark SWE-bench incluída no mini, por exemplo, define model_name: "anthropic/claude-sonnet-4-5-20250929", que é um ID nativo da Anthropic — copie esse arquivo sem alterações e você estará apontando para a Anthropic; portanto, troque o ID pelo que o seu próprio endpoint publicar. E o mini tem três caminhos de protocolo: a classe litellm padrão chama conclusões de chat com chamadas de ferramentas nativas, litellm_textbased acessa o mesmo endpoint usando as ações mais antigas analisadas a partir de texto, e litellm_response chama a API OpenAI Responses com um esquema de ferramentas diferente, que um endpoint que oferece apenas conclusões de chat não pode atender. mini-SWE-agent vs Claude Code aborda essa configuração por completo, e API compatível com OpenAI e gateway de LLM cobrem o padrão genérico.

API mais barata para o mini-SWE-agent: duas perguntas diferentes

A tabela acima já faz essa distinção. Menor preço listado classifica os modelos por dólares por milhão de tokens; menor custo para concluir a tarefa os classifica pelo que é necessário para chegar a uma alteração funcional. O mini torna essa diferença maior do que o habitual por uma razão estrutural: seu histórico linear significa que uma etapa adicional não acrescenta apenas uma mensagem, mas mais um reenvio completo de tudo o que veio antes. Um modelo que precisa de 88 chamadas enquanto outro precisa de 29 paga esse custo adicional em cada uma delas — exatamente o que a coluna derivada mostra, com duas linhas de custo semelhante por instância diferenciadas pelo número de chamadas. Escolha o modelo mais barato que conclua seu trabalho com um esforço de revisão que você considere aceitável, execute uma tarefa de escopo delimitado e consulte a cobrança registrada na sua própria conta, em vez do valor exibido pelo cliente. Otimização de custos de IA aborda esse método, assim como API Claude mais barata, caso Claude seja a família que você escolheu.

Configurando e verificando a primeira cobrança

A Kunavo publica uma referência de configuração para o mini-SWE-agent. Trata-se de uma página de configuração publicada, não de um teste de compatibilidade: o mini não foi testado em execução aqui com o endpoint da Kunavo — nenhuma sessão, nenhum turno com streaming, nenhum ciclo de chamada e resposta de ferramenta — e tudo o que foi apresentado acima foi obtido do código-fonte e da documentação do próprio mini. Pontos especificamente não verificados: se o caminho openai/ do LiteLLM consegue negociar o uso de chamadas nativas de ferramentas, padrão da v2 do mini, com uma interface de chat-completions, e se os marcadores cache_control são efetivamente respeitados. Mantenha uma rota funcional disponível durante o teste, grave primeiro o arquivo de registro para que o limite de custo esteja ativo, execute uma tarefa de escopo delimitado e, em seguida, confira os custos registrados. Comece pelo guia de integração do mini-SWE-agent e crie uma conta Kunavo quando estiver pronto para adicionar saldo para usar uma chave.

Comparando clientes em vez de provedores? Preços do Aider e preços do OpenCode abrangem mais dois agentes com a mesma separação entre um ambiente gratuito e uma cobrança de modelo medida

Perguntas frequentes

Verificado em 21 de setembro de 2026, buscando diretamente cada fonte: os metadados do PyPI do mini-SWE-agent; os metadados do repositório GitHub e a versão mais recente; config/mini.yaml, config/default.yaml, config/benchmarks/swebench.yaml, agents/default.py, agents/interactive.py, models/__init__.py e models/openrouter_model.py no branch main; o índice da documentação e as páginas de configuração global, modelos locais, uso do SWE-bench e arquivos de saída; os registros de envio da página inicial do swebench.com, sua tabela de classificação Verified e a fonte de filtros da tabela, além da página sb-cli get-quotas e do cartão do Hugging Face para o SWE-bench Verified Mini; os metadados do repositório e o README do SWE-agent; e as perguntas frequentes do OpenRouter e as páginas de preços da Requesty e da Portkey. Os valores das taxas dos gateways são específicos do plano indicado ao lado deles. Não verificado aqui e, portanto, não afirmado: qualquer preço de lista de fornecedor, qualquer desconto sobre ele e qualquer informação sobre como uma chamada com falha ou repetida é cobrada. Nenhuma execução do mini foi feita contra a Kunavo e nenhum resultado de benchmark foi reproduzido; as tarifas de tokens da Kunavo vêm do catálogo ativo, e todo exemplo em dólares aqui é apenas uma aritmética ilustrativa de tokens