BroadRouter
Başlayın

Kodlama ajanı LLM maliyetini düşürmenin 10 yolu ve tahmini tasarruf

BroadNet Inference ekibi · 6 dk okuma · Yayımlandı

Harcamanın çoğu her turda yeniden gönderilen girdidir. İstemin başını sabit tutun ki önbelleğe alınsın; dosyaları adıyla verin, araç çıktısını kırpın, akıl yürütme düzeyini düşürün, döngüleri ve yeniden denemeleri sınırlayın, kolay adımları daha ucuz modellere yönlendirin. DeepSeek V4.1 Flash'ta önbellekli girdi, yeni girdinin yaklaşık %3'üne mal olur. Ayda yaklaşık 917 milyon girdi token'ının üzerinde $60 karşılığındaki sabit plan daha ucuzdur.

Bir kodlama ajanının faturası, sohbet faturalarının büyümediği bir şekilde büyür. Her tur sistem istemini, araç listesini, ajanın okuduğu dosyaları ve o ana kadarki konuşmayı yeniden gönderir. 30. tura gelindiğinde tek bir istek yüz binlerce girdi token’ı taşıyabilir ve bunların çoğu tekrardır. Aşağıdaki on taktik bu token’ların gittiği yerleri hedefler. Her birinde, 2026-11-14 tarihinde eşitlenen BroadNet Inference fiyatlarıyla yapılmış ve hesabı gösterilmiş bir tahmini tasarruf var. Sizin rakamlarınız farklı olacaktır; bu yüzden öncesini ve sonrasını ölçün.

Kodlama ajanının parası nereye gidiyor?

Çoğu ajan için büyüklük sırasına göre üç sayaç:

  1. Girdi, her turda yeniden gönderilir. Büyük kısmı önbelleğe alınabilir.
  2. Çıktı, hiç görmediğiniz akıl yürütme token’ları dahil.
  3. İsraf: yeniden denemeler, ilerleme sağlamayan döngüler ve kimsenin ihtiyaç duymadığı bağlam.

Herhangi bir şeyi değiştirmeden önce bir günlük gerçek çalışma için prompt_tokens, prompt_tokens_details.cached_tokens ve completion_tokens değerlerini okuyun. Bir ajan döngüsünün token’ları nereye gidiyor yazısı bunları nasıl ayrıştıracağınızı gösteriyor.

Hangi taktikler en çok tasarruf sağlar?

# Taktik Neyi azaltır Tahmini tasarruf
1 İstem önekini sabit tutun Yeni girdi Girdi faturası yarı yarıya veya daha fazla düşer
2 Ajana aratmak yerine dosyaları adıyla verin Keşif turları Daha az tur, daha az yeniden gönderim
3 Araç çıktısını kırpın Sonraki her turdaki girdi Log boyutuyla orantılı
4 Rutin adımlarda akıl yürütme düzeyini düşürün Görünmeyen çıktı Görev karışımına bağlı
5 Görev başına adımları sınırlayın Kontrolden çıkan döngüler En kötü duruma bir tavan koyar
6 Yeniden denemeleri sınırlayın ve loglayın Yinelenen istekler Önlenen her deneme tam bir istektir
7 Her görev için yeni oturum açın Bayat geçmiş Tur başına daha kısa bağlam
8 Kolay adımları daha ucuz modele yönlendirin Token başına fiyat Yönlendirilen adımlarda büyük
9 Seyrek özetleyin, sık ekleyin Önbellek ıskaları 1. taktiği çalışır tutar
10 Başa baş noktasını geçince sabit plana geçin Token sayacı Örneğimizde ayda $5.40

1. İstem önekini sabit tutun ki önbelleğe alınsın

DeepSeek V4.1 Flash’ta önbellekli girdi 1M başına $0.0055; yeni girdi ise $0.175, yani yaklaşık 32 kat daha pahalı. İstemleri şu sırayla dizin: sistem istemi, araçlar, dosyalar, geçmiş, yeni mesaj. En üste asla zaman damgası koymayın. Cursor, Eylül 2026’da yaklaşık üçte iki oranında kısaltılmış bir sistem istemi ve yalnızca gerektiğinde yüklenen araçlar dahil olmak üzere çalışma ortamı (harness) değişikliklerinin kullanıcıların token maliyetlerini %7 düşürdüğünü bildirdi. Önekin önbelleğe alınması için istem nasıl yapılandırılır.

Tahmini tasarruf. Ayda 1.000M girdi token’ı varsayın. %50 önbellek isabetinde 500M için yeni girdi fiyatı ödersiniz; %80’de bu 200M’ye iner. Önbellekli kısım dahil, girdi faturası yaklaşık %56 düşer. Önbellek oranınızı nasıl yükseltirsiniz yazısına bakın ya da kendi rakamlarınızı istem önbellekleme hesaplayıcısında deneyin.

2. Ajana hangi dosyaların önemli olduğunu söyleyin

Belirsiz bir görev (“giriş hatasını düzelt”) ajanı aramaya gönderir: dizinleri listeler, dosyaları açar, bağlama okur. Açtığı her dosya da sonraki her turda yeniden gönderilir. Dosyaları ve beklenen değişikliği adıyla belirtin. Depoda, ajanın ilk okuyacağı kısa bir proje haritası tutun.

Tahmini tasarruf. 40.000 token’lık bir dosya 30 turluk bir görevin 3. turunda okunursa yaklaşık 27 kez yeniden gönderilir: tek bir dosya için bir milyonun üzerinde girdi token’ı. Onu okumamak bunun tamamını kurtarır.

3. Araç çıktısını bağlama girmeden kırpın

Test çalıştırıcıları, derleme logları ve git diff on binlerce token döndürebilir. Ajana bir logun yalnızca son 100 satırını veya yalnızca başarısız testleri gösterin. Çoğu ajan aracı, komutlar için bir çıktı sınırı belirlemenize izin verir.

Tahmini tasarruf. 2. taktikle aynı hesap: kırptığınız her token, kalan her tur için bir kez kurtarılır.

4. Rutin adımlarda akıl yürütme düzeyini düşürün

DeepSeek V4.1 Flash ve GLM 5.3 yanıt vermeden önce düşünür ve bu düşünme çıktı olarak faturalanır. Yeniden adlandırma, biçimlendirme ve küçük düzenlemeler için reasoning_effort: "low" ayarlayın. max_tokens değerini işi bitirecek kadar yüksek tutun; aksi halde düşünmenin parasını ödeyip boş bir yanıt alırsınız. Akıl yürütme token’larının maliyeti.

Tahmini tasarruf. Aynı 20 görevde öncesi ve sonrası için completion_tokens_details.reasoning_tokens değerini ölçün. Tasarruf, düşüş miktarı çarpı çıktı fiyatıdır (1M başına $0.52).

5. Görev başına adımları sınırlayın

Bir testi düzeltemeyen ajan, her biri bir öncekinden büyük 100 tur boyunca döngüde kalabilir. Görev başına en fazla tur sayısı belirleyin ve aynı araç çağrısı üç kez tekrarlandığında durun. Adım sınırı, sınırsız bir maliyeti sınırlı bir maliyete çevirir.

6. Yeniden denemeleri sınırlayın ve loglayın

Yeniden denenen bir istek yeni bir çıkarımdır ve token başına ücretli bir anahtarda yeniden faturalanır. 429 ve 5xx hatalarını geri çekilme (backoff) ve sabit bir sınırla yeniden deneyin; 400 veya 422 gibi diğer 4xx hatalarını yeniden denemeyin. Hatalar ve yeniden denemeler.

7. Her görev için yeni bir oturum başlatın

Önceki görevin geçmişi bir sonrakinde ölü yüktür. Görev başına yeni bir oturum bağlamı küçük tutar. Bu önbelleklemeyle çelişmez: sistem istemi ve araçlar yine ortak, önbelleğe alınabilir bir önek oluşturur.

8. Kolay adımları daha ucuz bir modele yönlendirin

Her adım aynı modeli gerektirmez. Commit mesajları, değişiklik günlüğü satırları ve basit sınıflandırma, 1M başına $0.10 girdi ve $0.22 çıktı fiyatıyla Gemma 4 VL 26B modeline gidebilir. Araç ağırlıklı adımlar için GLM 5.3 kullanıyorsanız gerisini DeepSeek V4.1 Flash’a yönlendirin: GLM 5.3’ün çıktısı yaklaşık 6,7 kat daha pahalıdır. GLM 5.3 ve DeepSeek V4.1 Flash karşılaştırması.

Dikkat. Tamamlanan görev başına maliyeti ölçün. İki kat tur gerektiren daha ucuz bir model daha pahalıya gelebilir.

9. Seyrek özetleyin, gerisini sona ekleyin

Bir ajan geçmişini sıkıştırdığında istemi yeniden yazar ve önbellek sıfırdan başlar. Yalnızca bağlam sınırına yaklaştığında, tek büyük bir adımda özetleyin, sonra yeniden sona eklemeye devam edin. Bu, 1. taktiği çalışır tutar.

10. Başa baş noktasını geçince sabit plana geçin

Token başına faturalama küçük kullanımı ödüllendirir. Tam zamanlı bir ajan ise küçük değildir. BroadNet’in hesaplı örneğinde tam zamanlı bir kodlama ajanı (%80 önbellekle 1.000M girdi, 50M çıktı) token başına ödemede ayda $65.40 tutuyor; sürekli açık bir ajan ise $196.20. Bir Full Moon oturumu, token sayacı olmadan ve aynı anda tek istekle ayda $60. Bu noktada 1-9. taktikler hâlâ zaman kazandırır ama artık para kazandırmaz. Kendi hacimlerinizi sabit fiyat ve token başına ödeme hesaplayıcısıyla kontrol edin ya da başa baş hesabını ve paralel ajanları sabit fiyatla çalıştırma yazısını okuyun.

Bir taktiğin işe yarayıp yaramadığını nasıl ölçersiniz?

  1. İş listenizden temsil edici 20 görev seçin.
  2. Bunları mevcut kurulumunuzla çalıştırın ve görev başına token’ları loglayın.
  3. Her seferinde tek bir taktik uygulayın ve yeniden çalıştırın.
  4. İstek başına maliyeti değil, tamamlanan görev başına maliyeti karşılaştırın.

Kodlama ajanı olmayan uygulamalar için aynı kaldıraçlar, genel bir sırayla LLM API maliyetleri nasıl düşürülür yazısında.

Yaygın ajanlar için kurulum rehberleri: Aider, Cline, Zoo Code (artık kapatılmış Roo Code’un çatalı) ve OpenCode.

BroadNet Inference nereye oturuyor?

BroadNet, kodlama ajanlarına DeepSeek V4.1 Flash’ta ucuz bir önbellekli girdi fiyatı ve yoğun kullanım için ayda $60 fiyatından başlayan sınırsız oturumlar sunar; bunu, bu ajanların zaten desteklediği OpenAI uyumlu bir uç nokta üzerinden yapar. Kapalı öncü (frontier) modelleri çalıştırmaz; ajanınız en zor adımları için böyle bir modele ihtiyaç duyuyorsa o modeli kendi sağlayıcısında tutun ve turların büyük kısmını buraya gönderin. Planlara bakın.

Sık sorulan sorular

Kodlama ajanlarını çalıştırmak neden bu kadar pahalı?

Sistem istemini, araç tanımlarını, dosya içeriklerini ve geçmişi her turda yeniden gönderirler; bu yüzden girdi token'ları her adımda büyür. Akıl yürütme bunun üstüne görünmeyen çıktı ekler.

Kodlama ajanı maliyetini düşürmenin en etkili tek yolu nedir?

İstemin başını turlar arasında aynı tutun ki önbellekli girdi olarak faturalansın. DeepSeek V4.1 Flash'ta önbellekli girdi 1M başına $0.0055, yeni girdi ise $0.175.

Daha ucuz bir model kodlama ajanı için her zaman daha ucuz mudur?

Hayır. Daha fazla adım atan ya da başarısız olup yeniden deneyen daha zayıf bir model toplamda daha pahalıya gelebilir. Token başına değil, tamamlanan görev başına maliyeti ölçün.

Kodlama ajanı için sabit fiyatlı plan ne zaman daha ucuzdur?

DeepSeek V4.1 Flash için, %80 önbellek isabetiyle ayda yaklaşık 917 milyon girdi ve 46 milyon çıktı token'ında. Tam zamanlı bir ajan bu eşiği genellikle aşar.

Kodlama ajanının döngüye girip token yakmasını nasıl durdururum?

Görev başına tur sayısını sınırlayın, aynı araç çağrısı üç kez tekrarlandığında durun ve 429 ile 5xx hatalarındaki yeniden denemeleri sınırlayın. Adım sınırı, sınırsız bir maliyeti sınırlı bir maliyete çevirir.

Markdown olarak okuChatGPT asistanına sorClaude asistanına sorPerplexity asistanına sor