---
title: "n8n AI Agent dengan LLM serasi OpenAI yang murah | BroadRouter"
description: "Bina aliran kerja n8n AI Agent pada model serasi OpenAI kos rendah: model untuk alat, tetapan yang mengurangkan token, dan kiraan kos setiap 10,000 larian."
url: https://broadrouter.com/ms/blog/n8n-ai-agent-cheap-llm/
lang: ms
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan daripada bahasa Inggeris dengan bantuan AI. [Baca versi asal dalam bahasa Inggeris](https://broadrouter.com/blog/n8n-ai-agent-cheap-llm/) (dikemas kini 2026-11-16).

# n8n AI Agent pada LLM murah: persediaan, pilihan model, kos larian

Oleh pasukan BroadNet Inference · 5 minit bacaan · Diterbitkan 2026-11-14 · Dikemas kini 2026-11-16

Halakan kelayakan OpenAI n8n ke API serasi OpenAI kos rendah, masukkan model mengikut ID dan matikan Use Responses API. Beri AI Agent model dengan panggilan alat, seperti Qwen3.8 27B atau GLM 5.3. Kekalkan Max Iterations rendah, memori pendek dan alat sedikit, serta hantar klasifikasi mudah kepada model yang lebih murah dahulu.

## Perkara utama

-   AI Agent n8n kini sentiasa berfungsi sebagai Tools Agent dan memerlukan sekurang-kurangnya satu alat, jadi model mesti mampu mengendalikan panggilan alat.
-   Kos setiap larian kebanyakannya input: mesej sistem, definisi alat dan memori dihantar semula pada setiap lelaran.
-   Max Iterations lalainya 10. Rendahkannya, dan kekalkan Context Window Length Simple Memory pendek.
-   Pada harga yang diterbitkan, contoh ejen kami berkos kira-kira 3 kali ganda lebih tinggi setiap larian pada GLM 5.3 berbanding Qwen3.8 27B.
-   Hantar langkah mudah ke Basic LLM Chain pada Gemma 4 VL 26B, yang juga tersedia sebagai kunci sejam kadar tetap $0.50.

**Dalam halaman ini**

1.  Bagaimanakah anda menyambungkan AI Agent ke model yang lebih murah?
2.  Model murah manakah yang boleh mengendalikan alat n8n?
3.  Di manakah ejen n8n membelanjakan token?
4.  Tetapan manakah yang paling banyak mengurangkan kos?
5.  Berapakah kos satu larian ejen n8n?
6.  Apakah yang rosak dengan model murah dalam n8n?
7.  Di manakah tempat BroadNet Inference

Nod AI Agent n8n memudahkan anda membina pembantu yang membaca e-mel, mencari rekod dan membalas. Ia juga memudahkan anda berbelanja lebih daripada yang dirancang, kerana setiap larian boleh memanggil model sehingga sepuluh kali, menghantar semula prompt penuh setiap kali. Catatan ini menunjukkan cara menjalankan aliran kerja AI Agent pada model [serasi OpenAI](https://broadrouter.com/ms/glossary/openai-compatible-api/) kos rendah, model mana yang dipilih untuk penggunaan alat, tetapan mana yang mengurangkan token, dan berapa kos satu larian. Untuk persediaan kelayakan dan nod itu sendiri, ikuti [panduan persediaan n8n](https://broadrouter.com/ms/guides/n8n-openai-compatible/) kami.

## Bagaimanakah anda menyambungkan AI Agent ke model yang lebih murah?

1.  **Cipta kelayakan OpenAI** dengan kunci penyedia anda dan Base URL-nya, contohnya `https://inference.broadnet.ai/v1`.
2.  **Tambah nod AI Agent** dan sambungkan sub-nod **OpenAI Chat Model** dengan kelayakan itu.
3.  **Masukkan model mengikut ID**, bukan daripada senarai, contohnya `broadnet/qwen3.8-27b`.
4.  **Matikan Use Responses API** jika penyedia anda menyediakan chat completions, seperti BroadNet.
5.  **Sambungkan sekurang-kurangnya satu alat.** Dokumentasi n8n menyatakan anda mesti menyambungkan sekurang-kurangnya satu sub-nod alat kepada AI Agent.

Apabila anda menetapkan Base URL bukan OpenAI, n8n memaparkan notis bahawa tidak semua model menyokong alat atau format respons JSON. Ambil serius: ia menentukan pilihan model anda.

## Model murah manakah yang boleh mengendalikan alat n8n?

Dokumentasi n8n menyatakan semua nod AI Agent kini berfungsi sebagai **Tools Agent**. Model mesti mengeluarkan [panggilan alat](https://broadrouter.com/ms/glossary/tool-calling/) dengan boleh dipercayai, jika tidak ejen akan berpusing dalam gelung atau menjawab tanpa menggunakan alat anda.

| Model di BroadNet | Alat disenaraikan | Konteks | Kegunaan n8n terbaik |
| --- | --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/ms/models/qwen3.8-27b/) | Ya | 262,144 | Lalai untuk AI Agent; input imej, diuji dalam bahasa Arab |
| [GLM 5.3](https://broadrouter.com/ms/models/glm-5.3/) | Ya | 1,048,576 | Ejen untuk dokumen panjang |
| [Gemma 4 VL 26B](https://broadrouter.com/ms/models/gemma-4-vl-26b/) | Tidak disenaraikan | 32,768 | Basic LLM Chain: klasifikasi, ekstrak, hala |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ms/models/deepseek-v4.1-flash/) | Tidak disenaraikan | 1,048,576 | Chain dokumen panjang, input imej; uji sebelum digunakan untuk ejen |

Qwen3.8 27B ialah yang lebih murah pada input antara dua model berkeupayaan alat, dan ejen n8n berat dengan input. Mulakan di situ dan beralih ke GLM 5.3 jika ujian anda menunjukkan ia mengendalikan alat anda dengan lebih baik; [GLM 5.3 vs Qwen3.8 27B](https://broadrouter.com/compare/glm-5.3-vs-qwen3.8-27b/) membandingkan kedua-duanya.

## Di manakah ejen n8n membelanjakan token?

Setiap lelaran ialah panggilan model berasingan yang membawa:

-   **System Message** yang anda tulis,
-   **definisi setiap alat yang disambungkan**, termasuk semua alat daripada nod MCP Client Tool yang ditetapkan kepada All,
-   **tetingkap memori** daripada Simple Memory,
-   input pengguna, serta panggilan alat dan hasil terdahulu dalam larian ini.

Output biasanya pendek. Jadi bil didorong oleh saiz input didarab bilangan lelaran. Catatan [bajet token ejen](https://broadrouter.com/ms/blog/agent-token-budget/) kami menunjukkan cara mengukur setiap bahagian.

## Tetapan manakah yang paling banyak mengurangkan kos?

1.  **Max Iterations.** Lalainya 10. Kebanyakan ejen gaya sokongan selesai dalam 2 hingga 4. Tetapkan kepada 4 atau 5 supaya larian yang keliru berhenti awal.
2.  **Context Window Length bagi Simple Memory.** Ia menetapkan berapa banyak interaksi terdahulu yang disimpan. Setiap satu dihantar semula pada setiap lelaran. Kekalkan kecil, contohnya 5.
3.  **Kurangkan alat.** Pada nod MCP Client Tool, gunakan **Selected** atau **All Except** dan bukan All.
4.  **Output alat yang pendek.** Pastikan alat HTTP Request memulangkan hanya medan yang diperlukan ejen, bukan respons API penuh.
5.  **Maximum Number of Tokens.** Qwen3.8 27B dan GLM 5.3 membuat penaakulan dahulu, dan penaakulan dikira dalam had itu. Biarkan pada lalai atau tetapkan beberapa ribu. Terlalu kecil memberikan [output kosong](https://broadrouter.com/ms/guides/reasoning-tokens-empty-response/).
6.  **Hala sebelum ejen.** Letakkan Basic LLM Chain pada Gemma 4 VL 26B di hadapan untuk mengklasifikasikan permintaan. Hanya yang memerlukan alat sampai ke ejen.

Untuk bentuk output yang tetap, hidupkan **Require Specific Output Format** dan sambungkan Structured Output Parser. Ia lebih murah daripada meminta ejen memformat semula. Lebih lanjut dalam [output berstruktur](https://broadrouter.com/ms/blog/structured-output-json-schema/).

## Berapakah kos satu larian ejen n8n?

Ambil ejen sokongan: 3 lelaran setiap larian, kira-kira 4,000 token input dan 300 token output setiap lelaran. Itu 12,000 token input dan 900 token output setiap larian. Pada 10,000 larian sebulan:

| Token bulanan | Qwen3.8 27B | GLM 5.3 |
| --- | --- | --- |
| 120M input | $0.175 setiap 1M | $0.78 setiap 1M |
| 9M output | $2.17 setiap 1M | $3.46 setiap 1M |

Darab dan jumlahkan. Pada harga yang disegerakkan pada 2026-11-14, GLM 5.3 berkos kira-kira **3 kali ganda** lebih tinggi daripada Qwen3.8 27B untuk aliran kerja ini, sebelum sebarang diskaun cache. Memotong lelaran separuh lebih kurang memotong baris input separuh pada mana-mana model; tetingkap memori yang lebih pendek mengurangkannya mengikut bahagian setiap prompt yang diambil oleh memori.

Langkah penghalaan Gemma 4 VL 26B hanya menambah sedikit: 10,000 klasifikasi pada 800 token input dan 20 token output ialah 8M input pada $0.10 setiap 1M dan 0.2M output pada $0.22 setiap 1M. Jika 40% permintaan tidak pernah sampai ke ejen, itu menjimatkan 40% baris ejen. Untuk volum tinggi yang berterusan pada Gemma, BroadNet juga menjual kunci sejam kadar tetap pada $0.50 sejam: 120 permintaan seminit, satu strim, 300,000 token seminit.

Kira angka anda sendiri dalam [kalkulator kos API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/), dan semak sejauh mana 30 permintaan seminit boleh menampung dengan [kalkulator had kadar](https://broadrouter.com/tools/llm-rate-limit-calculator/).

## Apakah yang rosak dengan model murah dalam n8n?

-   **Ejen mengabaikan alat.** Model tidak disenaraikan dengan sokongan alat. Beralih ke Qwen3.8 27B atau GLM 5.3.
-   **“Bad request”.** Biasanya suis Responses API. [Panduan persediaan](https://broadrouter.com/ms/guides/n8n-openai-compatible/) mengandungi pembetulannya.
-   **429 dalam kelompok.** Kunci bayar ikut guna membenarkan 30 permintaan seminit dan 4 serentak. Gunakan Loop Over Items dengan nod Wait. Lihat [ralat dan cubaan semula](https://broadrouter.com/ms/guides/errors-and-retries/).
-   **Alat MCP.** Nod MCP Client Tool membolehkan ejen memanggil pelayan MCP luaran. Baca [MCP dengan model serasi OpenAI](https://broadrouter.com/ms/blog/mcp-with-openai-compatible-models/) dahulu.

## Di manakah tempat BroadNet Inference

BroadNet Inference memberi n8n satu kelayakan serasi OpenAI untuk Qwen3.8 27B dan GLM 5.3 dengan alat, Gemma 4 VL 26B untuk penghalaan murah, dan kunci Gemma sejam $0.50 untuk kelompok berterusan. Akaun baharu mendapat $5 kredit, yang meliputi Gemma 4 VL 26B; model berkeupayaan alat memerlukan tambah nilai. Ia tidak sesuai untuk aliran kerja yang memerlukan ciri khusus OpenAI seperti alat terbina dalam Responses API. Cipta kunci di [inference.broadnet.ai](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-n8n-ai-agent-cheap-llm&utm_content=body).

Alat percuma untuk topik ini (Bahasa Inggeris)

-   [Agent run cost estimator](https://broadrouter.com/tools/agent-run-cost-estimator/) Context growth per step, total tokens and cost of one agent run, with a DeepSeek session comparison.
-   [LLM batch job planner](https://broadrouter.com/tools/llm-batch-job-planner/) Run time, binding limit, cost per model and the flat sessions needed to finish a big job by a deadline.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [LLM rate limit and concurrency calculator](https://broadrouter.com/tools/llm-rate-limit-calculator/) Which limit binds first: RPM, TPM or concurrency, with Little's law.

[Alatan percuma (Bahasa Inggeris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[Token](https://broadrouter.com/ms/glossary/token/)

Token ialah unit teks yang dibaca dan ditulis oleh model bahasa: satu perkataan, sebahagian perkataan, tanda baca atau jujukan bait yang dihasilkan oleh tokenizer model itu. API LLM mengira, mengehadkan dan biasanya mengebil penggunaan dalam token.

[Ejen AI (AI agent)](https://broadrouter.com/ms/glossary/agent/)

Ejen AI ialah sistem di mana model bahasa mengarahkan langkahnya sendiri ke arah sesuatu matlamat: ia memutuskan alatan yang hendak dipanggil, membaca hasilnya dan mengulang sehingga menghasilkan jawapan akhir atau mencapai had. Skrip tetap yang memanggil model pada titik yang ditetapkan biasanya dipanggil aliran kerja (workflow).

[Token input dan output (input and output tokens)](https://broadrouter.com/ms/glossary/input-and-output-tokens/)

Token input ialah token yang dibaca oleh model bahasa dalam satu permintaan, termasuk prompt sistem, sejarah perbualan, definisi alatan dan imej. Token output ialah token yang dijananya sebagai balasan, termasuk sebarang penaakulan. API LLM biasanya meletakkan harga berasingan, dan output biasanya lebih mahal.

[Bayar ikut guna (pay-as-you-go)](https://broadrouter.com/ms/glossary/pay-as-you-go/)

Bayar ikut guna ialah model harga di mana anda hanya membayar apa yang anda guna, dimeter mengikut unit seperti token, permintaan atau minit audio, tanpa langganan atau komitmen minimum. Kebanyakan API LLM mengebil dengan cara ini, daripada baki prabayar atau invois berkala.

[Had kadar (rate limit)](https://broadrouter.com/ms/glossary/rate-limit/)

Had kadar ialah had yang ditetapkan oleh API ke atas jumlah penggunaan klien dalam satu tempoh masa, seperti permintaan seminit atau token seminit. Permintaan yang melebihi had ditolak, biasanya dengan HTTP 429 Too Many Requests, sehingga penggunaan turun semula di bawahnya.

[MCP (Model Context Protocol)](https://broadrouter.com/ms/glossary/mcp/)

MCP (Model Context Protocol) ialah protokol terbuka berasaskan JSON-RPC 2.0 yang menyeragamkan cara aplikasi LLM bersambung kepada alatan dan data luaran. Pelayan MCP mendedahkan tools, resources dan prompts; klien MCP di dalam aplikasi hos menemuinya dan menghantar panggilan alatan daripada model kepada pelayan.

[Output berstruktur (structured output)](https://broadrouter.com/ms/glossary/structured-output/)

Output berstruktur ialah ciri API LLM yang mengehadkan balasan model kepada format yang ditetapkan oleh pembangun, biasanya JSON Schema, supaya kod boleh menghuraikannya dengan boleh dipercayai. Ia lebih ketat daripada JSON mode, yang menjamin JSON yang sah tetapi bukan bentuk tertentu.

[Tetingkap konteks (context window)](https://broadrouter.com/ms/glossary/context-window/)

Tetingkap konteks ialah bilangan maksimum token yang boleh dikendalikan oleh model bahasa dalam satu permintaan. Ia meliputi prompt, sejarah perbualan, definisi alatan, imej dan output yang dijana, termasuk token penaakulan. Apa-apa yang tidak muat mesti dipotong, diringkaskan atau dipecahkan kepada beberapa permintaan.

## Soalan lazim

### Bolehkah saya menggunakan LLM murah dengan nod AI Agent n8n?

Ya. Sub-nod OpenAI Chat Model menggunakan kelayakan OpenAI, yang mempunyai medan Base URL. Halakannya ke mana-mana API serasi OpenAI, masukkan model mengikut ID dan matikan Use Responses API jika penyedia anda menyediakan chat completions.

### Model murah manakah yang berfungsi dengan alat n8n?

Model yang menyokong panggilan alat, kerana AI Agent sentiasa berfungsi sebagai Tools Agent. Di BroadNet Inference, Qwen3.8 27B dan GLM 5.3 menyenaraikan sokongan alat. Gemma 4 VL 26B lebih murah tetapi tidak disenaraikan dengan alat, jadi gunakannya dalam Basic LLM Chain sebaliknya.

### Mengapakah n8n AI Agent saya begitu mahal?

Setiap lelaran menghantar semula mesej sistem, setiap definisi alat dan tetingkap memori. Ejen yang berpusing lima kali dengan sepuluh alat dan memori panjang membaca berlipat kali ganda lebih banyak token daripada yang ditaip pengguna. Rendahkan Max Iterations, kurangkan alat dan pendekkan memori.

### Apakah fungsi Max Iterations dalam n8n AI Agent?

Ia mengehadkan berapa kali model dijalankan untuk menghasilkan jawapan. Lalainya 10. Setiap lelaran ialah panggilan model berasingan yang dibilkan secara berasingan.

### Mengapakah ejen n8n saya mendapat ralat 429?

Pelaksanaan selari dan gelung berkongsi had kunci. Kunci bayar ikut guna BroadNet membenarkan 30 permintaan seminit dan 4 serentak. Atur rentak kelompok dengan Loop Over Items dan nod Wait.

## Teruskan membaca

-   [OpenClaw dan Hermes Agent pada model murah: persediaan dan kos token](https://broadrouter.com/ms/blog/openclaw-hermes-agent-cheap-model/)
-   [Gunakan pelayan MCP dengan model serasi OpenAI (mana-mana penyedia)](https://broadrouter.com/ms/blog/mcp-with-openai-compatible-models/)
-   [Tool calling pada model terbuka: skema, panggilan selari, cuba semula](https://broadrouter.com/ms/blog/tool-calling-open-models/)
-   [JSON mode vs json\_schema: output berstruktur yang boleh diharap](https://broadrouter.com/ms/blog/structured-output-json-schema/)
-   [Bajet token ejen: ke mana token gelung ejen pergi](https://broadrouter.com/ms/blog/agent-token-budget/)
-   [Berapakah kos satu larian ejen pengekodan AI: langkah, konteks, cache](https://broadrouter.com/ms/blog/ai-coding-agent-run-cost/)
-   [Claude Code dengan model terbuka: proksi, endpoint asli dan had](https://broadrouter.com/ms/blog/claude-code-with-openai-compatible-models/)
-   [Panduan: Guna BroadNet Inference dalam n8n (kelayakan OpenAI, Base URL)](https://broadrouter.com/ms/guides/n8n-openai-compatible/)
-   [Panduan: Cara guna LangChain dengan BroadNet Inference](https://broadrouter.com/ms/guides/langchain-openai-base-url/)
-   [Panduan: Kod ralat BroadNet Inference dan bila perlu cuba semula](https://broadrouter.com/ms/guides/errors-and-retries/)

Cuba dengan beban kerja sebenar anda. Akaun baharu bermula dengan kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM dan Qwen3.8 memerlukan tambah nilai.

[Mulakan](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-n8n-ai-agent-cheap-llm&utm_content=page-cta) ·

**Sumber**

-   [Dokumentasi n8n, nod AI Agent (disemak 2026-11-14)](https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent/)
-   [Dokumentasi n8n, pilihan Tools Agent (disemak 2026-11-14)](https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent/tools-agent/)
-   [Dokumentasi n8n, nod OpenAI Chat Model (disemak 2026-11-14)](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.lmchatopenai/)
-   [Dokumentasi n8n, nod Simple Memory (disemak 2026-11-14)](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.memorybufferwindow/)
-   [Dokumentasi n8n, nod MCP Client Tool (disemak 2026-11-14)](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.toolmcp/)
-   [Harga BroadNet Inference yang boleh dibaca mesin (pricing.json) (Bahasa Inggeris)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-n8n-ai-agent-cheap-llm&utm_content=sources)
-   [Rujukan API BroadNet Inference, had (Bahasa Inggeris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-n8n-ai-agent-cheap-llm&utm_content=sources#limits)
