mini-SWE-agent 的成本为 $0。它是采用 MIT 许可证的软件，没有套餐、席位、托管层级或可购买的账户，因此实际上的“mini-SWE-agent 成本”指的是你所指向的任何端点的模型 API 账单。真正值得预算的是每次运行的 token 数，而 mini 只提供一个默认保护项：加载 mini 命令时配置中的 cost_limit: 3.。该保护项在自定义端点上存在一种故障模式，下面会介绍；在这里，最容易造成高额成本的就是配置错误。
首先澄清三件事，因为搜索结果将它们混在一起，而每一件都会把错误数字带到页面上。SWE-agent 是原始项目，与 mini 不同：它有自己的仓库、文档网站和配置架构；其 README 写道：“我们当前的大部分开发工作都集中在 mini-swe-agent 上，后者已经取代了 SWE-agent”，并建议今后使用 mini，但它并未归档（20,382 个 stars，最近一次推送时间为 2026 年 9 月 21 日），因此应将其视为“仍在维护但已被取代”，绝不能把它的默认值引用为 mini 的默认值。“SWE-bench Verified Mini” 是数据集，不是这个 agent，也没有价格：其 Hugging Face 卡片将其描述为 SWE-bench Verified 的 50 个实例子集，旨在减少存储和评估成本。最后，模型名称中的“mini”也不是这个 agent：GPT 5 mini 出现在 mini 自己的排行榜行中，而 MiniMax 是一个名称恰好以相同方式开头的供应商——因此，“mini 每个实例成本为 $0.047”这句话只有在指 mini-SWE-agent 下的一次模型运行时才成立，而且必须同时写明二者。
如果第三方摘要告诉你其他说法，有一点可以自行核实：mini 的许可证是 MIT。GitHub 许可证 API 返回 MIT，PyPI 包含 License :: OSI Approved :: MIT License 分类器，而随包附带的许可证文本写着“Copyright (c) 2025 Kilian A. Lieret and Carlos E. Jimenez”。
mini 收取什么费用，以及实际由什么产生账单
| 项目 | 费用 | 来源，核查日期：2026 年 9 月 21 日 |
|---|---|---|
| mini-SWE-agent，软件本身 | $0，MIT 许可证 | PyPI 元数据：版本 2.4.6，于 2026 年 7 月 23 日上传，Python 3.10 或更高版本 |
| 托管的 mini 服务 | 不提供 | 文档导航中没有定价页面和套餐；该仓库没有提供 .github/FUNDING.yml |
| 模型 API token | 你的提供商按 token 收取的费率 | 你自己的账户 |
| 批处理沙箱计算 | 沙箱在你自己的机器上运行时，不收取按请求计费 | mini 的 SWE-bench 使用页面针对 --environment-class 写道：“推荐使用 docker 或 singularity”；其 API 参考还记录了 local、bubblewrap 和容器环境 |
| 云沙箱计算 | 第三方的计量 | 唯一暗示付费基础设施的随附配置是 Modal 基准测试配置；它还会将模型类切换为网关类 |
| 基准测试评分 | mini 将其描述为免费 | 其 SWE-bench 页面将 sb-cli 云评估称为“极其快速、基于云的评估（而且免费！）”；这是唯一的价格声明。sb-cli 本身会对提交进行计量——其 get-quotas 页面记录了每个子集的“Remaining Runs”数量，并称“配额会根据你的订阅级别定期刷新”，但未公布具体数字 |
在标准化采用它之前，项目是否仍在活跃开发很重要：该仓库未归档，也未被禁用，有 7,843 个 stars，创建于 2025 年 6 月 28 日，最近一次推送时间为 2026 年 9 月 14 日，共有 70 个开放 issue 和 pull request（GitHub API 的 open_issues_count，2026 年 9 月 21 日），并且版本 v2.4.6 发布于 2026 年 7 月 23 日。
mini 自己的支出控制，以及那个悄悄失效的控制项
mini 在 coding agent 中很少见，因为它确实随附了美元限额。这里有四个数字，它们并不是同一个数字。
| 位置 | 步数限制 | 成本限制 | 控制内容 |
|---|---|---|---|
config/mini.yaml——mini命令 | 0（无限制） | 3. | 你的交互式运行；也以 confirm 模式启动 |
agents/default.py——库默认值 | 0 | 3.0 | 任何直接构造 agent 的代码 |
config/default.yaml | 0 | 0.（无上限） | 完全没有上限的基础配置 |
config/benchmarks/swebench.yaml | 250 | 3. | 批处理运行中的每个基准测试实例 |
读取自 2026 年 9 月 21 日 main 分支中的文件。关于应如何理解 $3，有两点需要注意。第一，它是停止规则，而不是上限：default.py 会在调用前检查 0 < cost_limit <= self.cost，而该字段自己的文档字符串写着“超过（！）此成本后停止 agent”——因此，运行会在累计支出已经超过上限后才停止，而不是在超过之前停止。第二，在交互式 CLI 中触发该规则并不会结束任何操作：interactive.py 会打印限制和当前支出，然后提示输入新的步数限制和新的成本限制。无人值守运行则会改为抛出 LimitsExceeded。
跨运行有两个环境变量，且二者默认都处于关闭状态：MSWEA_GLOBAL_CALL_LIMIT 和 MSWEA_GLOBAL_COST_LIMIT 在全局配置页面中记录为“（0 = 无限制）（默认值：0）”。它们限制的是一个 mini 进程，而不是账户。另有两个设置会悄悄增加 token：重试默认进行 10 次尝试（MSWEA_MODEL_RETRY_STOP_AFTER_ATTEMPT），而 agent 在连续 3 次格式错误后会中止。失败尝试是否计费由你的供应商决定，本页面未对此进行核实。
现在来看故障模式。mini 的美元金额由 LiteLLM 的价格表在本地计算——因此，LiteLLM 不认识的模型 ID 会导致运行在成本计算阶段抛出错误，而 $3 上限也就没有任何可执行对象。如果将 LiteLLM 类指向网关，请自行提供费率，不要直接使用 MSWEA_COST_TRACKING="ignore_errors"；mini 将其标注为“务必注意：这可能导致无法管理的支出！”。注册表文件使用不带供应商前缀的模型名称作为键，金额单位为每 token 的美元价格，并让 litellm_provider 与你的 custom_llm_provider 相匹配：
{
"claude-sonnet-5": {
"input_cost_per_token": 0.0000014000,
"output_cost_per_token": 0.0000070000,
"litellm_provider": "openai",
"mode": "chat"
}
}mini 自己的账单会写入 trajectory 文件：其输出文件页面记录了 info.model_stats、instance_cost（“本次运行 API 调用的总成本”）和 api_calls，此外每条 assistant 消息也会记录成本。这是对你输入的价格文件进行的算术计算，不是供应商账本中的金额——唯一例外是 mini 的 OpenRouter 类，它会要求该 API 提供使用量统计，然后从响应中读取已计费成本。完整的端点配置见 mini-SWE-agent 设置页面。
每个 SWE-bench issue 的成本：唯一公开的每次运行数字
swebench.com 在其 Verified 排行榜中提供一个“Bash Only”条目，网站将其描述为覆盖 500 个实例的“默认 Verified 视图：每个模型都处于相同的 mini-SWE-agent 环境中”。在网站自己的排行榜代码中，它是一个预设项，而不是单独的榜单——Agent 筛选器缩小为 mini-SWE-agent，没有选择其他条件——留下的各行是其 trajectory 归档在 bash-only 下的提交。每行都包含每实例平均成本和每实例平均模型调用次数。下方最后一列是在此推导的，并非公开发布的数值：每实例成本除以解决比例，假设每个实例尝试一次，并将失败成本计入其中。
| 排行榜所使用的模型名称 | 已解决 | 每实例成本 | 每实例模型调用次数 | 每个已解决 issue 的推导成本 |
|---|---|---|---|---|
| GPT 5 mini | 56.2% | $0.0472 | 20.3 | $0.084 |
| MiniMax M2.5 (high) | 75.8% | $0.0733 | 60.5 | $0.097 |
| Kimi K2.5 (high) | 70.8% | $0.1466 | 51.2 | $0.207 |
| Gemini 3 Flash (high) | 75.8% | $0.3560 | 56.1 | $0.470 |
| Claude 4.5 Haiku (high) | 66.6% | $0.3309 | 66.2 | $0.497 |
| GPT 5.2 Codex | 72.8% | $0.4494 | 28.1 | $0.617 |
| DeepSeek V3.2 (high) | 70.0% | $0.4478 | 88.5 | $0.640 |
| GPT 5.2 (high) | 72.8% | $0.4736 | 35.0 | $0.651 |
| Claude 4.6 Opus | 75.6% | $0.5515 | 28.9 | $0.729 |
| GLM 5 (high) | 72.8% | $0.5344 | 76.2 | $0.734 |
| Claude 4.5 Sonnet (high) | 71.4% | $0.6579 | 48.3 | $0.921 |
| Claude 4.5 Opus (high) | 76.8% | $0.7539 | 32.9 | $0.982 |
| Gemini 3 Pro | 69.6% | $0.9600 | 51.3 | $1.379 |
范围，以及完整含义：这些是 2026 年 9 月 21 日读取的仅 bash 提交记录——SWE-bench Verified，500 个实例，每行标注一次尝试和 mini v2.0.0，日期为 2026 年 2 月 17 日至 26 日，成本为每次提交所报告的成本。网站没有说明该数字是标价、协商费率还是 mini 自己的 LiteLLM 估算，因此不要将其视为报价；它也没有记录每位提交者使用的环境类或步数限制，因此本页面也不对此作出声称。基准测试实例不是开发者的任务：这些是有已知修复方案的精选 GitHub issue，会针对测试补丁进行无头评分。
在这一限制条件下，有两点仍然成立。第一，两个成本列之间的排序会反转三次。Claude 4.5 Haiku (high) 的每实例成本低于 Gemini 3 Flash (high)，但每个已解决 issue 的成本更高；DeepSeek V3.2 (high) 的每实例成本低于 GPT 5.2 Codex，但每个修复的成本高于它；GLM 5 (high) 的每实例成本低于 Claude 4.6 Opus，但每个修复的成本更高。每实例数字同时隐藏了两件事：模型成功完成修复的频率，以及它为此消耗的模型调用次数——最后两行分别为 88.5 和 76.2，而击败它们的模型分别为 28.1 和 28.9。只有 GPT 5 mini 在两列中都领先。第二，记录到此为止：2026 年 2 月 26 日是 swebench.com 任一榜单上最新的 mini 提交，因此那里没有发布 2026 年年中一代模型的每实例成本。不要对此进行插值。mini 自己的标题性声明措辞不同——其文档索引称“在 SWE-bench verified 基准测试中得分 >74%”，这是关于模型在 mini 下处理 500 个精选 issue 的声明。
基于实时目录费率的计算示例
这是示例性的 token 算术，不是实测任务成本，也不是账单上限。mini“具有完全线性的历史记录——agent 的每一步都会将内容追加到消息中”，因此每一步都会重新发送整个对话，输入 token 占主导。假设一次运行包含 40 次模型调用（位于排行榜行显示的约 20 至 89 次范围内），对话在最后一次调用前达到 40,000 个 token，因此平均请求大约携带其一半，由此整次运行产生 800,000 个输入 token；每次调用输出 400 个 token，总计为 16,000。每个 token 都按全新输入计价：不假设缓存折扣，因为本页面未测试聊天完成网关是否会处理 mini 附加的 cache_control 标记。费率是实时的 Kunavo 目录中每百万 token 的价格。
| 模型 | 每 1M 个令牌的输入 / 输出 | 假定运行的估算值 | 相对于 mini 随附的 $3 上限 |
|---|---|---|---|
| Claude Haiku 4.5 | $0.70 / $3.50 | $0.616 | 4.9× 余量 |
| GPT-5.6 Terra | $0.70 / $4.20 | $0.627 | 4.8× 余量 |
| Claude Sonnet 4.6 | $2.10 / $10.50 | $1.848 | 1.6× 余量 |
| Claude Sonnet 5 | $1.40 / $7.00 | $1.232 | 2.4× 余量 |
| Claude Opus 5 | $3.50 / $17.50 | $3.080 | 1.0× 余量 |
应将其理解为一个比率。在这些假设下，Claude Haiku 4.5 与 Claude Opus 5 之间的差距约为 5×，这比 mini 配置中的任何因素都更具影响力；而且每一行都低于默认的 $3 停止规则，因此该上限是防止失控的保护，而不是预算。价格表遗漏了一个细节：目录为 GPT 系列和 Gemini 3.1 Pro 声明的长上下文层级是按请求计算的，而不是按运行计算，因此重要的是单个 mini 提示词会增长到多大，而不是整次运行的总量。mini 随附的 observation 模板在这里有所帮助：它将每次 observation 限制为 10,000 个字符，并发送前 5,000 个和后 5,000 个字符，另附超过该长度的省略字符数。
在围绕 mini 规划流水线时，还需要说明一个范围问题：Kunavo 不提供 embedding 模型、文本转语音模型或语音转文本模型，因此，如果脚本在运行过程中还要索引仓库或转录音频，该步骤需要继续使用自己的供应商密钥。mini 本身只会请求模型生成文本，并附带一个 bash 工具——默认 litellm 类使用 chat completions，而 *_response 类使用 Responses API。
Kunavo 的目录金额是计费下限，而不是上限：上游报告费用后，账单金额取目录成本与上游成本乘以适用加价二者中的较高者。缓存费用和外部工具不在本示例范围内。最低充值金额为预付余额 $10——这是资金最低要求，不是任务费用或订阅费用。请参阅账单详情和缓存 token 的计价方式。
mini-SWE-agent 最佳 API：不同情况下哪条路径更合适
选择范围比看起来更窄，因为 mini 的模型类并非同等开放。它为三家公司提供网关类——OpenRouter、Requesty 和 Portkey，每家公司还提供不同的协议变体——但这些类都没有暴露 api_base 字段。OpenRouter 和 Requesty 类更进一步，在类本身中将各自供应商的 URL 写死，并使用固定的密钥变量（OPENROUTER_API_KEY、REQUESTY_API_KEY）；Portkey 类完全没有指定 URL，而是通过 PORTKEY_API_KEY 将请求交给 portkey-ai 客户端，因此目标地址取决于该 SDK 的解析结果。无论哪种情况，选择其中一个类也就选择了该公司的条款。LiteLLM 系列是可以通过配置文件重新指向的系列。
| 方式 | 适用场景 | 你放弃的内容 |
|---|---|---|
| 直接调用提供商 API | 你坚持使用某一家供应商的旗舰模型，并希望享受其专属缓存和批量折扣 | 第二个供应商意味着第二个账户和第二个余额 |
| OpenRouter，通过 mini 自有的类 | 你希望 mini 的成本读数就是实际扣款金额，而不是本地估算值——这个类会向 API 请求用量核算 | 其 URL 在类中固定。其 常见问题说明，它会原价转交供应商定价，不对推理加价，而是在购买额度时收费——银行卡为 5.5%，最低 $0.80；加密货币为 5%（于 2026 年 9 月 21 日检查），因此请按充值条件进行比较 |
| Requesty，通过 mini 自有的类 | 同样只需一个密钥，但费用结构不同 | 其定价页面说明，按量付费会在模型成本之上加收 5% 的费用；此外还有免费层，但仅限免费模型，每天 200 次请求（于 2026 年 9 月 21 日检查） |
| Portkey，由 mini 随附的 Modal 配置使用 | 你已经在使用 Portkey 做可观测性 | 在模型账单之上的平台费用——其定价页面列出了免费的 Developer 层级，每月记录 10,000 条日志并保留 3 天；Production 为 $49/月（于 2026 年 9 月 21 日检查）。mini 的类还需要 portkey-ai 包和密钥，否则会在构造时抛出错误 |
| 通过 LiteLLM 类接入的 OpenAI 兼容网关 | 你希望在某个 mini 没有对应类的端点上使用一个密钥和一个余额 | 使用 YAML 文件而不是环境变量，并使用注册表文件，以便成本限制继续生效——见上文 |
| 本地模型 | 小规模或私密工作，无按请求收费 | 相对于托管前沿模型的能力差距，以及硬件要求；mini 通过本地 api_base记录了这条路径 |
在围绕它们进行规划前，有两个边界值得了解。mini 的文档示例使用带有提供商前缀的、供应商原生 LiteLLM ID，而网关自身的 ID 是不同的字符串，无法在供应商端点解析——例如，mini 随附的 SWE-bench 基准配置设置了 model_name: "anthropic/claude-sonnet-4-5-20250929"，这是 Anthropic 原生 ID；如果原样复制该文件，你指向的就是 Anthropic，因此请将该 ID 换成你自己的端点发布的 ID。mini 还有三条协议路径：默认的 litellm 类使用原生工具调用来调用聊天补全，litellm_textbased 使用较旧的文本解析操作访问同一端点，而 litellm_response 调用 OpenAI Responses API，并使用不同的工具架构；仅支持聊天补全的端点无法提供该 API。mini-SWE-agent 与 Claude Code 对比完整介绍了该配置，OpenAI 兼容 API和 LLM 网关介绍了通用模式。
mini-SWE-agent 最便宜的 API：两个不同的问题
上面的表格已经将两者分开。列出的最低价格按每百万 token 的美元价格排名；完成任务的最低成本则按最终交付可用变更所需的成本排名。mini 由于一个结构性原因，二者之间的差距比通常更大：它的线性历史意味着额外步骤增加的不是一条消息，而是再次完整发送此前所有内容。一个模型需要 88 次调用，而另一个只需 29 次时，每一次调用都会产生这项附加成本——这正是派生列所显示的内容：两行单次调用成本相近，但调用次数将它们分开。请选择能完成工作的最低价模型，同时确保其复核工作量在你的接受范围内；运行一个有界任务，并读取你自己的账户为其记录的扣款，而不是客户端的读数。AI 成本优化介绍了这种方法；如果你已经确定使用 Claude 系列，请参阅 最便宜的 Claude API。
设置并核对第一笔账单
Kunavo 发布了 mini-SWE-agent 的配置参考。这是已发布的设置页面，不是兼容性测试：这里没有对 mini-SWE-agent 连接 Kunavo 端点进行运行时测试——没有会话、没有流式轮次、没有工具往返——以上内容全部来自 mini 自身的源代码和文档。具体尚未验证的事项包括：LiteLLM 的 openai/路径是否会在聊天补全界面上协商 mini v2 默认的原生工具调用，以及是否会处理 cache_control标记。尝试时请保留一条可用路线，先写入注册表文件以启用成本限制，运行一个有界任务，然后进行核对。准备为密钥充值时，请从mini-SWE-agent 集成指南开始，并创建 Kunavo 账户。
如果你比较的是客户端而不是供应商？Aider 定价和 OpenCode 定价还介绍了另外两个代理，它们同样将免费工具框架与按量计费的模型账单分开。
常见问题
mini-SWE-agent 的费用是多少？
软件本身不收费。mini-SWE-agent 采用 MIT 许可证，PyPI 上的当前版本为 2.4.6，于 2026 年 7 月 23 日上传，要求 Python 3.10 或更高版本；其文档网站和包列表都没有提供套餐、席位、托管层级或可购买的账户——该仓库甚至没有赞助文件。你需要支付的是你所指向的任何端点的模型 API 账单；如果在付费主机上而非本地 Docker 中运行批处理，还需要支付沙箱计算费用。mini 命令加载的配置中唯一的支出保护项是每次运行的 cost_limit: 3.；另外两个跨运行环境限制 MSWEA_GLOBAL_COST_LIMIT 和 MSWEA_GLOBAL_CALL_LIMIT 的默认值均为 0，表示不设限制。
mini-SWE-agent 有订阅或付费套餐吗？
没有。mini 没有发布定价页面，文档导航中也没有套餐。它提供的每个模型类都通过读取环境变量中的 API 密钥进行身份验证——LiteLLM 类使用供应商密钥，网关类使用 OPENROUTER_API_KEY、REQUESTY_API_KEY 或 PORTKEY_API_KEY——没有任何一个类将聊天产品登录或套餐额度记录为输入。因此，应将 mini 视为按 token 计量：这正是它与可使用消费者套餐运行的 agent 相比最需要注意的地方。
mini-SWE-agent 最好的 API 是什么？
这取决于你使用 mini 的哪个模型类，因为它们的开放程度并不相同。其网关类都没有暴露 api_base 字段——OpenRouter 和 Requesty 类将各自供应商的 URL 写死，而 Portkey 类则将请求交给 portkey-ai 客户端——因此选择 openrouter、requesty 或 portkey，也就选择了该公司的计费条款。LiteLLM 类是可以重新指向的类：端点通过 model.model_kwargs 中的 custom_llm_provider 和 api_base 传入，因为 mini 的文档说明 model_kwargs 会直接传给 litellm.completion。如果你始终使用某一家供应商的旗舰模型，并希望使用其自身的缓存和批处理折扣，直接调用供应商 API 更合适。如果你需要按任务切换模型，并希望使用一个密钥和一个余额，网关更合适。如果是小规模或私密工作，且不希望按请求付费，则通过 OpenAI 兼容服务器使用本地模型更合适。请注意，mini 自己的 OpenRouter 类会从 API 响应中读取已计费成本，而 LiteLLM 路径则根据本地表格计算运行成本。
mini-SWE-agent 最便宜的 API 是什么？
最低费率和最低结果成本是不同的说法，SWE-bench 的 bash-only 行正好将二者区分开来。在 SWE-bench Verified 上，500 个实例、每个实例尝试一次、使用 2026 年 2 月的 mini v2.0.0 时，GPT 5 mini 的平均每实例成本为 $0.0472，解决率为 56.2%；Gemini 3 Pro 的平均每实例成本为 $0.9600，解决率为 69.6%。除以解决比例后，差距从大约 20 倍缩小到约 16 倍——仍然很大，但表格中间的排名反转了三次：某个模型每实例成本略低，却需要 88.5 次模型调用，而另一个模型只需 28.1 次，最终前者每个修复的成本反而更高。这些成本是每次提交所报告的成本，基于精选基准测试，不是你可以买到的报价，也不是开发者自己的任务成本。应优先选择能够完成你的工作、且审查工作量在你可接受范围内的最低成本模型，然后查看你自己的账户对一次有界运行所记录的成本。
在 mini-SWE-agent 中完成一个任务需要多少钱？
没有人公布普通开发工作的单任务成本，本页面也不会编造一个。唯一正式的每次运行数字来自 swebench.com 的 bash-only 提交记录，其中最新的 mini 行日期为 2026 年 2 月 26 日；这些记录描述的是 500 个精选 GitHub issue，而不是你的仓库。你可以转而界定成本形态：mini 保持完全线性的历史记录，因此每一步都会重新发送整个对话，输入 token 占主导；其随附配置将每次观察结果限制为 10,000 个字符，传递前 5,000 个和后 5,000 个字符，并在超过该长度时附加省略字符数；排行榜行显示每个实例约进行 20 至 89 次模型调用。将你自己的平均提示词大小乘以自己的步数，然后与供应商账本进行核对。
为什么 mini-SWE-agent 在自定义端点上会因成本计算错误而失败？
因为 mini 的 LiteLLM 模型类会通过在 LiteLLM 注册表中查找模型 ID 来计算每次调用的价格，而网关自己的 ID 通常不在其中，所以运行会在成本计算阶段抛出 RuntimeError，而不是因为答案错误。文档中给出的修复方式是使用模型注册表 JSON 文件：通过 LITELLM_MODEL_REGISTRY_PATH 或 litellm_model_registry 配置键指定；键使用不带供应商前缀的模型名称，值使用每 token 的美元价格，并让 litellm_provider 与你的 custom_llm_provider 相匹配。mini 的本地模型页面还提醒，模型名称区分大小写。另一种切换方式是将 MSWEA_COST_TRACKING 设置为 ignore_errors，这会移除保护而不是修复问题——mini 将其标记为“务必注意：这可能导致无法管理的支出！”——关闭成本跟踪后，每次运行的 cost_limit 便没有任何可执行对象。
于 2026 年 9 月 21 日通过直接获取各来源进行检查：mini-SWE-agent 的 PyPI 元数据；其 GitHub 仓库元数据和最新版本；config/mini.yaml、config/default.yaml、config/benchmarks/swebench.yaml、agents/default.py、agents/interactive.py、models/__init__.py和 models/openrouter_model.py所在的 main分支；其文档索引，以及全局配置、本地模型、SWE-bench 使用和输出文件页面；swebench.com 的主页提交记录、其 Verified 排行榜及排行榜筛选器源代码；sb-cli get-quotas 页面和 Hugging Face 上 SWE-bench Verified Mini 的卡片；SWE-agent 仓库元数据和 README；以及 OpenRouter 常见问题、Requesty 定价页面和 Portkey 定价页面。网关费用数字分别仅适用于其旁边注明的方案。本文未检查、因此也未声称的内容包括：任何供应商的标价、相对于标价的任何折扣，以及失败或重试调用如何计费。未针对 Kunavo 运行 mini，也未复现任何基准结果；Kunavo 的 token 费率来自实时目录，本文每个美元示例都只是 token 算术示例。