Chi phí mini-SWE-agent: tác nhân miễn phí và hóa đơn API thực tế

mini-SWE-agent có chi phí $0. Đây là phần mềm được cấp phép MIT, không có gói, chỗ ngồi, hạng dịch vụ lưu trữ hay tài khoản để mua, nên trong thực tế “chi phí mini-SWE-agent” có nghĩa là hóa đơn API mô hình của endpoint bạn trỏ tới. Con số đáng dự trù là số token cho mỗi lần chạy, và mini cung cấp đúng một lớp bảo vệ mặc định cho khoản này: cost_limit: 3. trong cấu hình mà lệnh mini tải. Lớp bảo vệ đó có một chế độ lỗi trên endpoint tùy chỉnh, được đề cập bên dưới, và đây là điều tốn kém nhất nếu cấu hình sai.

Trước hết cần làm rõ ba điểm, vì kết quả tìm kiếm trộn lẫn chúng và mỗi điểm đều dẫn đến việc đưa các con số sai lên trang. SWE-agent, bản gốc, là một sản phẩm khác với kho mã riêng, trang tài liệu riêng và schema cấu hình riêng; README của nó nói rằng “Phần lớn nỗ lực phát triển hiện tại của chúng tôi tập trung vào mini-swe-agent, vốn đã thay thế SWE-agent” và khuyến nghị sử dụng mini về sau, nhưng kho mã chưa được chuyển sang trạng thái lưu trữ (20.382 lượt đánh dấu sao, lần push cuối ngày 21 tháng 9 năm 2026), vì vậy hãy coi nó là vẫn được duy trì nhưng đã bị thay thế và không bao giờ trích dẫn các giá trị mặc định của nó như giá trị mặc định của mini. “SWE-bench Verified Mini” là một tập dữ liệu, không phải tác nhân này, và không có giá: thẻ Hugging Face của nó mô tả đây là tập con gồm 50 bài toán của SWE-bench Verified, được chọn để giảm chi phí lưu trữ và đánh giá. Và “mini” bên trong tên mô hình cũng không phải tác nhân này: GPT 5 mini xuất hiện trong các dòng bảng xếp hạng riêng của mini, còn MiniMax là một nhà cung cấp có tên chỉ bắt đầu theo cách tương tự — vì vậy câu như “mini có chi phí $0,047 cho mỗi bài toán” chỉ đúng với một lần chạy mô hình bằng mini-SWE-agent, và phải nêu tên cả hai.

Một điều bạn nên tự kiểm tra nếu bản tóm tắt của bên thứ ba nói khác: giấy phép của mini là MIT. GitHub license API trả về MIT, PyPI có classifier License :: OSI Approved :: MIT License, và văn bản giấy phép đi kèm gói ghi “Copyright (c) 2025 Kilian A. Lieret and Carlos E. Jimenez”.

mini tính phí gì và thực tế điều gì khiến bạn bị tính phí

Dự án vẫn đang hoạt động, điều này quan trọng trước khi bạn chuẩn hóa việc sử dụng nó: kho mã chưa bị lưu trữ và chưa bị vô hiệu hóa, có 7.843 lượt đánh dấu sao, được tạo ngày 28 tháng 6 năm 2025, lần push cuối ngày 14 tháng 9 năm 2026, tổng cộng 70 issue và pull request đang mở (theo open_issues_count của GitHub API, ngày 21 tháng 9 năm 2026), và bản phát hành v2.4.6 được công bố ngày 23 tháng 7 năm 2026.

Các cơ chế kiểm soát chi tiêu riêng của mini và cơ chế âm thầm ngừng hoạt động

mini khác thường so với các tác nhân lập trình ở chỗ cung cấp giới hạn đô la ngay từ đầu. Có bốn con số, và chúng không phải là cùng một con số.

Đọc từ các tệp trên nhánh main vào ngày 21 tháng 9 năm 2026. Có hai thuộc tính thay đổi cách bạn nên hiểu mức $3. Thứ nhất, đây là quy tắc dừng, không phải giới hạn trần: default.py kiểm tra 0 < cost_limit <= self.cost trước một lượt gọi, và docstring riêng của trường nói “Dừng tác nhân sau khi vượt quá (!) chi phí này” — vì vậy lần chạy dừng sau khi khoản chi tích lũy đã vượt qua mức trần, không phải trước đó. Thứ hai, trong CLI tương tác, khi chạm mức này thì không có gì kết thúc: interactive.py in ra các giới hạn và khoản chi hiện tại, rồi yêu cầu nhập giới hạn bước mới và giới hạn chi phí mới. Các lần chạy không giám sát thay vào đó phát sinh LimitsExceeded.

Giữa các lần chạy có hai biến môi trường, và cả hai đều được tắt: MSWEA_GLOBAL_CALL_LIMIT và MSWEA_GLOBAL_COST_LIMIT được ghi nhận trên trang cấu hình toàn cục là “(0 = không giới hạn) (mặc định: 0)”. Chúng giới hạn một tiến trình mini, không phải một tài khoản. Hai cài đặt khác âm thầm làm tăng số token: số lần thử lại mặc định là 10 lần (MSWEA_MODEL_RETRY_STOP_AFTER_ATTEMPT), và tác nhân dừng sau 3 lỗi định dạng liên tiếp. Việc một lần thử thất bại có bị tính phí hay không là quyết định của nhà cung cấp, không phải của mini, và chưa được xác minh ở đây.

Bây giờ là chế độ lỗi. Con số đô la của mini được tính cục bộ bằng bảng giá của LiteLLM — vì vậy model id mà LiteLLM không biết sẽ khiến lần chạy phát sinh lỗi khi tính chi phí, và mức trần $3 không có gì để thực thi. Nếu bạn trỏ các lớp LiteLLM tới một gateway, hãy tự cung cấp mức giá thay vì dùng MSWEA_COST_TRACKING="ignore_errors", tùy chọn mà mini chú thích là “CẨN THẬN: Điều này có thể dẫn đến chi tiêu không được kiểm soát!”. Tệp registry sử dụng tên mô hình không có tiền tố nhà cung cấp làm khóa, tính bằng đô la trên mỗi token, với litellm_provider khớp với custom_llm_provider của bạn:

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

Hóa đơn riêng của mini được ghi vào tệp trajectory: trang tệp đầu ra của nó ghi nhận info.model_stats với instance_cost (“tổng chi phí các lượt gọi API cho lần chạy này”) và api_calls, cùng với chi phí trên mỗi tin nhắn của assistant. Đây là phép tính dựa trên tệp giá bạn nhập, không phải sổ cái của nhà cung cấp — ngoại lệ duy nhất là lớp OpenRouter của mini, lớp này yêu cầu API đó cung cấp thông tin hạch toán sử dụng rồi đọc chi phí đã tính từ phản hồi. Cấu hình endpoint đầy đủ có trong trang thiết lập mini-SWE-agent.

Chi phí cho mỗi issue SWE-bench: các số liệu duy nhất được công bố theo mỗi lần chạy

swebench.com cung cấp mục “Chỉ Bash” trong bảng xếp hạng Verified, được mô tả trên trang là “Chế độ xem Verified mặc định: mọi mô hình trong cùng môi trường mini-SWE-agent” trên 500 phiên bản. Trong mã bảng xếp hạng riêng của trang, đây là một preset chứ không phải bảng riêng — bộ lọc Agent được thu hẹp thành mini-SWE-agent mà không chọn thêm gì — và các dòng còn lại là những bài nộp có trajectory được lưu dưới bash-only. Mỗi dòng có chi phí trung bình trên mỗi phiên bản và số lượt gọi mô hình trung bình trên mỗi phiên bản. Cột cuối bên dưới được suy ra ở đây, không phải số liệu được công bố: chi phí trên mỗi phiên bản chia cho tỷ lệ được giải quyết, giả định một lần thử với chi phí của các lần thất bại được tính vào.

Phạm vi, và đó là toàn bộ câu chuyện: đây là bản ghi gửi bài chỉ dùng bash được đọc vào ngày 21 tháng 9 năm 2026 — SWE-bench Verified, 500 bài toán, mỗi dòng được gắn nhãn một lần thử và mini v2.0.0, có ngày từ 17 đến 26 tháng 2 năm 2026, với chi phí như được báo cáo cùng mỗi lần gửi. Trang này không nêu rõ con số đó là giá niêm yết, mức giá thương lượng hay ước tính LiteLLM riêng của mini, vì vậy đừng xem đó là báo giá; trang cũng không ghi lại lớp môi trường hoặc giới hạn số bước mà mỗi bên gửi đã chạy, nên ở đây không khẳng định điều nào trong hai điều đó. Một bài toán benchmark không phải là tác vụ của nhà phát triển: đây là các vấn đề GitHub được tuyển chọn, có bản sửa đã biết và được chấm ở chế độ không giao diện dựa trên bản vá kiểm thử.

Có hai cách diễn giải vẫn phù hợp với lưu ý đó. Thứ nhất, thứ tự đảo chiều giữa hai cột chi phí ba lần. Claude 4.5 Haiku (high) rẻ hơn trên mỗi trường hợp kiểm thử so với Gemini 3 Flash (high) nhưng đắt hơn trên mỗi vấn đề được giải quyết; DeepSeek V3.2 (high) có chi phí thấp hơn GPT 5.2 Codex trên mỗi trường hợp kiểm thử nhưng thua theo mỗi bản sửa; GLM 5 (high) có chi phí thấp hơn Claude 4.6 Opus trên mỗi trường hợp kiểm thử nhưng thua theo mỗi bản sửa. Con số trên mỗi trường hợp kiểm thử che giấu đồng thời hai yếu tố: tần suất một mô hình tạo ra bản sửa và số lần gọi mô hình mà nó tiêu tốn để đạt được điều đó — 88.5 và 76.2 ở hai dòng cuối, so với 28.1 và 28.9 của các mô hình đánh bại chúng. Chỉ GPT 5 mini dẫn đầu ở cả hai cột. Thứ hai, các dòng dữ liệu dừng lại: ngày 26 tháng 2 năm 2026 là lần gửi mới nhất của mini trên bất kỳ bảng nào của swebench.com, vì vậy không có mô hình nào thuộc thế hệ giữa năm 2026 có chi phí trên mỗi trường hợp kiểm thử được công bố ở đó. Đừng nội suy một con số như vậy. Tuyên bố nổi bật riêng của mini được diễn đạt khác — mục lục tài liệu của mini ghi rằng nó "Đạt >74% trên benchmark SWE-bench verified", đây là tuyên bố về một mô hình chạy dưới mini trên 500 vấn đề được tuyển chọn.

Một ước tính minh họa theo mức giá trực tiếp trong danh mục

Đây là phép tính token mang tính minh họa, không phải chi phí tác vụ được đo lường và không phải mức trần hóa đơn. mini "có lịch sử hoàn toàn tuyến tính — mỗi bước của tác nhân chỉ nối thêm vào các tin nhắn", vì vậy toàn bộ cuộc hội thoại được gửi lại ở mỗi bước và đầu vào chiếm phần lớn. Giả sử một lần chạy gồm 40 lần gọi mô hình (nằm trong khoảng xấp xỉ 20 đến 89 mà các dòng trên bảng xếp hạng thể hiện), một cuộc hội thoại đạt tới 40.000 token ở lần gọi cuối, do đó mỗi yêu cầu trung bình mang khoảng một nửa số đó, tạo thành 800.000 token đầu vào trong toàn bộ lần chạy, và 400 token đầu ra cho mỗi lần gọi, tổng cộng là 16.000. Mỗi token được tính giá như đầu vào mới: không giả định giảm giá bộ nhớ đệm, vì trang này chưa kiểm thử liệu một cổng chat-completions có xử lý các dấu cache_control mà mini đính kèm hay không. Mức giá là giá hiện hành trong danh mục Kunavo cho mỗi triệu token.

Hãy đọc nó như một tỷ lệ. Theo các giả định này, chênh lệch giữa Claude Haiku 4.5 và Claude Opus 5 là khoảng 5×, đây là đòn bẩy lớn hơn bất kỳ yếu tố nào trong cấu hình của mini — và mọi dòng đều nằm trong quy tắc dừng mặc định $3, nên mức trần đó là cơ chế bảo vệ khi chạy vượt kiểm soát chứ không phải ngân sách. Một chi tiết mà các bảng giá bỏ sót: các bậc ngữ cảnh dài mà danh mục công bố cho nhóm GPT và Gemini 3.1 Pro được tính theo yêu cầu, không phải theo lần chạy, vì vậy điều quan trọng là một prompt mini duy nhất tăng lớn đến đâu, chứ không phải tổng số của cả lần chạy. Mẫu quan sát đi kèm mini giúp ích ở đây, giới hạn mỗi quan sát ở 10.000 ký tự; khi quan sát vượt giới hạn đó, mẫu gửi 5.000 ký tự đầu cùng 5.000 ký tự cuối, kèm số ký tự bị lược bỏ.

Một lưu ý về phạm vi khi bạn lập ngân sách cho một pipeline quanh mini: Kunavo không cung cấp mô hình embedding, mô hình chuyển văn bản thành giọng nói hay mô hình chuyển giọng nói thành văn bản, vì vậy một tập lệnh lập chỉ mục kho lưu trữ hoặc chép lời âm thanh bên cạnh các lần chạy của bạn vẫn giữ khóa nhà cung cấp riêng cho bước đó. Bản thân mini chỉ yêu cầu một mô hình tạo văn bản với một công cụ bash được gắn kèm — chat completions trên lớp litellm mặc định, hoặc Responses API trên các lớp *_response.

Khoản tiền trong danh mục của Kunavo là mức sàn thanh toán chứ không phải mức trần: khi upstream báo cáo khoản phí, hóa đơn sẽ là giá trị lớn hơn giữa chi phí trong danh mục và chi phí upstream nhân với mức cộng giá áp dụng. Phí bộ nhớ đệm và các công cụ bên ngoài nằm ngoài ví dụ này. Khoản nạp tối thiểu là $10 tín dụng trả trước — mức tối thiểu để nạp tiền, không phải phí tác vụ hay gói đăng ký. Xem chi tiết thanh toán và cách tính giá token được lưu trong bộ nhớ đệm.

API tốt nhất cho mini-SWE-agent: tuyến nào thắng trong trường hợp nào

Lựa chọn hẹp hơn vẻ ngoài, vì các lớp mô hình của mini không có mức độ mở như nhau. mini cung cấp các lớp cổng cho ba công ty — OpenRouter, Requesty và Portkey, mỗi lớp có các biến thể giao thức — và không lớp nào trong số đó cung cấp trường api_base. Các lớp OpenRouter và Requesty còn đi xa hơn khi hardcode URL của nhà cung cấp đó ngay trong lớp, bên cạnh biến khóa cố định (OPENROUTER_API_KEY, REQUESTY_API_KEY); các lớp Portkey hoàn toàn không nêu URL mà chuyển yêu cầu cho ứng dụng khách portkey-ai cùng với PORTKEY_API_KEY, nên đích đến là bất cứ nơi nào SDK đó phân giải. Dù theo cách nào, chọn một lớp trong số đó cũng đồng nghĩa với việc chọn các điều khoản của công ty tương ứng. Họ LiteLLM là họ duy nhất mà bạn có thể trỏ lại từ một tệp cấu hình.

Có hai ranh giới đáng biết trước khi bạn lập kế hoạch dựa trên chúng. Các ví dụ được mini ghi lại sử dụng ID LiteLLM gốc của nhà cung cấp kèm tiền tố nhà cung cấp, còn ID riêng của một cổng là những chuỗi khác và sẽ không được phân giải tại endpoint của nhà cung cấp — chẳng hạn, cấu hình benchmark SWE-bench đi kèm mini đặt model_name: "anthropic/claude-sonnet-4-5-20250929", là một ID gốc của Anthropic — nếu sao chép nguyên tệp đó, bạn đang trỏ tới Anthropic, vì vậy hãy thay ID bằng ID mà endpoint của riêng bạn công bố. Và mini có ba đường dẫn giao thức: lớp litellm mặc định gọi chat completions với tính năng gọi công cụ native, litellm_textbased truy cập cùng endpoint bằng các hành động được phân tích từ văn bản theo cách cũ, còn litellm_response gọi OpenAI Responses API với một lược đồ công cụ khác, mà endpoint chỉ hỗ trợ chat-completions không thể cung cấp. mini-SWE-agent so với Claude Code trình bày đầy đủ cấu hình đó, còn API tương thích với OpenAI và Cổng LLM trình bày mẫu chung.

API rẻ nhất cho mini-SWE-agent: hai câu hỏi khác nhau

Bảng trên đã phân tách chúng. Giá niêm yết rẻ nhất xếp hạng theo đô la trên mỗi triệu token; chi phí thấp nhất để hoàn tất tác vụ xếp hạng theo chi phí cần thiết để tạo ra một thay đổi hoạt động được. mini làm khoảng cách này rộng hơn bình thường vì một lý do mang tính cấu trúc: lịch sử tuyến tính của nó có nghĩa là thêm một bước không chỉ thêm một tin nhắn, mà thêm một lần gửi lại đầy đủ mọi thứ trước đó. Một mô hình cần 88 lần gọi trong khi mô hình khác cần 29 lần sẽ chịu khoản phụ phí đó ở mọi lần gọi — chính xác là điều cột suy ra thể hiện, với hai dòng có chi phí trên mỗi phiên bản tương đương nhưng cách biệt bởi số lần gọi. Hãy chọn mô hình ít tốn kém nhất có thể hoàn thành công việc của bạn với mức nỗ lực rà soát mà bạn chấp nhận, chạy một tác vụ có giới hạn và đọc khoản phí được tài khoản của chính bạn ghi nhận thay vì số liệu của ứng dụng khách. Tối ưu hóa chi phí AI trình bày phương pháp đó, còn API Claude rẻ nhất phù hợp nếu Claude là họ mô hình bạn đã chọn.

Thiết lập và kiểm tra hóa đơn đầu tiên

Kunavo công bố tài liệu tham chiếu cấu hình cho mini-SWE-agent. Đây là trang thiết lập đã công bố, không phải bài kiểm thử khả năng tương thích: mini chưa được kiểm thử lúc chạy tại đây với endpoint của Kunavo — không có phiên, không có lượt truyền trực tiếp, không có vòng khứ hồi công cụ — và mọi nội dung ở trên đều được đọc từ mã nguồn và tài liệu riêng của mini. Cụ thể chưa được xác minh: liệu đường dẫn openai/ của LiteLLM có thương lượng chế độ gọi công cụ native mặc định v2 của mini trên một bề mặt chat-completions hay không, và liệu các dấu cache_control có được xử lý hay không. Hãy duy trì một tuyến đang hoạt động trong khi thử nghiệm, ghi tệp registry trước để giới hạn chi phí có hiệu lực, chạy một tác vụ có giới hạn rồi đối soát. Bắt đầu tại hướng dẫn tích hợp mini-SWE-agent và tạo tài khoản Kunavo khi bạn sẵn sàng nạp tiền cho một khóa.

Bạn đang so sánh các ứng dụng khách thay vì các nhà cung cấp? Giá Aider và Giá OpenCode trình bày thêm hai tác nhân với cùng sự phân tách giữa bộ khung miễn phí và hóa đơn mô hình tính theo mức sử dụng.

Câu hỏi thường gặp

Được kiểm tra ngày 21 tháng 9 năm 2026 bằng cách truy xuất trực tiếp từng nguồn: siêu dữ liệu PyPI của mini-SWE-agent; siêu dữ liệu kho GitHub và bản phát hành mới nhất của nó; config/mini.yaml, config/default.yaml, config/benchmarks/swebench.yaml, agents/default.py, agents/interactive.py, models/__init__.py và models/openrouter_model.py trên nhánh main; mục lục tài liệu cùng các trang cấu hình toàn cục, mô hình cục bộ, cách sử dụng SWE-bench và tệp đầu ra; bản ghi gửi bài trên trang chủ swebench.com, bảng xếp hạng Verified và nguồn bộ lọc bảng xếp hạng, cùng trang sb-cli get-quotas và thẻ Hugging Face cho SWE-bench Verified Mini; siêu dữ liệu kho và README của SWE-agent; cùng FAQ của OpenRouter và các trang giá của Requesty và Portkey. Các con số phí cổng đều được giới hạn theo gói được nêu bên cạnh. Không kiểm tra ở đây và do đó không khẳng định: bất kỳ giá niêm yết nào của nhà cung cấp, bất kỳ khoản giảm giá nào so với giá đó, cũng như bất kỳ điều gì về cách tính phí một lần gọi bị lỗi hoặc được thử lại. Không có lần chạy mini nào được thực hiện với Kunavo và không có kết quả benchmark nào được tái tạo; mức giá token của Kunavo lấy từ danh mục hiện hành, và mọi ví dụ đô la ở đây đều là phép tính token mang tính minh họa.