Najbolji jeftini modeli za velike količine poziva, po cijeni hiljadu poziva

Cijena po milionu tokena je brojka koju svaki proizvođač objavljuje i koju niko ne osjeća. Ti ne kupuješ milion tokena. Kupuješ jedan poziv koji se onda ponovi dvjesta hiljada puta mjesečno, a ono što hoćeš da znaš je koliko to košta. Zato ovaj spisak računa cijenu jednog zadatka — 4.000 tokena na ulazu, 800 na izlazu, oblik jedne klasifikacije ili kratkog sažetka — i pokazuje račun za hiljadu takvih. Svaka cijena je prepisana s proizvođačevog cjenovnika 21. avgusta 2026. godine, a svaki red vodi natrag na njega.

Kako je račun sastavljen

Jedan poziv košta 4.000 ulaznih tokena po ulaznoj stopi i 800 izlaznih po izlaznoj. Kad se to podigne na hiljadu poziva, obrazac se svede na nešto što možeš da izračunaš napamet: četiri puta ulazna cijena, plus osam desetina izlazne, u dolarima. Gemini 3.7 Flash po 0,75 i 3,75 dolara za milion daje tri dolara ulaza i tri dolara izlaza, dakle šest dolara na hiljadu poziva.

Isti račun preko cijelog polja daje poredak. GPT-5.6 Luna je na 1,76 dolara, Gemini 2.5 Flash na 3,20, a Gemini 3 Flash na 4,40. Slijede Gemini 3.7 Flash na 6, Claude Haiku 4.5 na 8 i Claude Sonnet 5 na 16 dolara. Sonnet 5 je u tabeli gornja granica, a ne kandidat: to je cijena koju plaćaš kad odlučiš da zadatak zaslužuje jači model.

Ovdje se ne mjeri kvalitet odgovora. Jeftin model kojem treba drugi pokušaj na tri poziva od deset nije jeftin model sa zvjezdicom. Njegova stvarna cijena je viša za trideset odsto, srednji odziv mu se na tim pozivima udvostručuje, a promašaje sada moraš i da otkriješ. Izmjeri to na svom saobraćaju prije nego što posao preseliš zbog dva dolara razlike.

Keširanje pomjera odluku u izlaznu kolonu

Kod velikih količina poziva tih 4.000 ulaznih tokena obično su isti tokeni: nepromjenjiv blok uputstava, shema, nekoliko obrazaca. Sva tri proizvođača to čitaju iz keša po otprilike desetini ulazne cijene. Anthropic naplaćuje čitanje iz keša po jednoj desetini osnovne ulazne stope, dakle deset centi za milion na Haikuu 4.5. Google čita keš Gemini 3.7 Flasha po 0,075 dolara za milion, a keš Gemini 2.5 Flasha po 0,03. OpenAI čita keš Lune po 0,02 dolara.

Kad se to prenese na istu hiljadu poziva, redovi postaju 1,04, 2,12, 2,60, 3,30, 4,40 i 8,80 dolara. Poredak se ne mijenja. Mijenja se ono što upoređuješ: čim se ulazna strana svede na nekoliko centi, ulazna kolona prestaje da igra ulogu i cio poredak odlučuje izlazna. Na hiljadu poziva sam izlaz košta 0,96 dolara na Luni, dva dolara na Gemini 2.5 Flashu, četiri na Haikuu 4.5 i osam na Sonnetu 5.

Praktično pravilo koje iz toga slijedi glasi: ako biraš model za keširan posao koji se ponavlja, poređaj kandidate po izlaznoj cijeni i ne gledaj ulaznu kolonu dok ti na spisku ne ostanu dva.

Google naplaćuje čuvanje keša na sat, Anthropic naplaćuje upis

Dva proizvođača naplaćuju istu mogućnost na strukturno različitim mjestima, a ta razlika odlučuje koji je od njih jeftin baš za tebe. Google naplaćuje čuvanje dok keš traje. Na Gemini 3.7 Flashu to je 0,50 dolara za milion tokena na sat do kraja 2026, a na Gemini 3 Flashu i Gemini 2.5 Flashu jedan dolar. Anthropic čuvanje ne naplaćuje, nego uvećava upis — 1,25 puta osnovna ulazna cijena za petominutni keš, dva puta za jednočasovni — poslije čega čitanje košta desetinu osnovne. U njihovoj dokumentaciji stoji da se to isplati poslije jednog čitanja kod kratkog keša i poslije dva kod dugog.

Čuvanje je trošak koji ne mari za broj tvojih poziva, i baš zato je zamka na donjem kraju. Dokument od 200.000 tokena držan u kešu Gemini 3 Flasha jedan dan košta 4,80 dolara, svejedno da li si ga dodirnuo dvaput ili dvadeset hiljada puta. Na dvjesta hiljada poziva mjesečno to nestaje u zaokruživanju. Na dvjesta poziva mjesečno to je veći dio računa, a model koji naplaćuje upis i ne gleda na sat je jeftinija struktura.

Pitanje, dakle, nije koji proizvođač jeftinije kešira. Pitanje je da li se tvoj keš pretežno čita ili pretežno stoji i čeka.

Najjeftiniji Flash red poskupljuje na zadati datum

Gemini 3.7 Flash košta 0,75 i 3,75 dolara za milion do 31. decembra 2026. Prvog januara 2027. te brojke postaju 1,50 i 7,50, čitanje iz keša ide sa 0,075 na 0,15 dolara, a čuvanje keša sa 0,50 na jedan dolar za milion tokena na sat. Google sva četiri datuma štampa na cjenovniku, što je više nego što većina radi, i to i dalje ostaje poskupljenje koje moraš da uračunaš. Gemini 3.6 Flash ima istovjetnu najavu.

Kad se januarske cijene ubace u isti zadatak, Gemini 3.7 Flash sa šest dolara skače na dvanaest na hiljadu poziva. To nije sitna ispravka poretka, nego pad sa četvrtog mjesta na posljednje među kandidatima, iza Claudea Haikua 4.5 na osam dolara i za polovinu iznad njega. Haiku 4.5 na svom cjenovniku nema nijednu izmjenu s datumom, što nije obećanje, ali bar nije ni zakazano poskupljenje.

Ako pišeš budžet koji zalazi u narednu godinu, napiši dva: jedan za četiri mjeseca po sadašnjoj cijeni i jedan za sve poslije toga.

Grupna obrada prepolovi sve, i zato ne odlučuje ništa

Sva tri proizvođača objavljuju odloženi nivo po upola nižoj cijeni, i na ulazu i na izlazu. Claude Haiku 4.5 u grupnoj obradi košta 0,50 i 2,50 dolara za milion, Gemini 3.7 Flash 0,375 i 1,875 do kraja 2026, a GPT-5.6 Luna 0,10 i 0,60. Svaki red u tabeli se prepolovi, a poredak ostaje isti. Grupna obrada je jedina poluga koja je na sva tri mjesta ista, pa mijenja tvoj ukupan račun, a nikad tvoj izbor.

Dvije prepolovljene brojke mijenjaju izbor. Claude Sonnet 5 u grupnoj obradi košta osam dolara na hiljadu poziva, tačno onoliko koliko Claude Haiku 4.5 košta bez nje. Haiku 4.5 u grupnoj obradi košta četiri dolara, manje nego Gemini 3.7 Flash po redovnoj cijeni. Ako posao smije da sačeka nekoliko sati, nivo za koji si mislio da ti je nedostupan već staje u budžet koji imaš. Takav je posao noćno dopunjavanje podataka, klasifikacija preko noći i sve ispred čega ionako stoji red čekanja.

Cijena tog popusta je čekanje, i to je stvarna cijena. Grupna obrada nije jeftiniji API, nego drugi API, a red koji ne možeš da isprazniš na zahtjev nije mjesto za bilo šta na šta čovjek čeka.

Šta ovaj spisak ne rješava

Dug kontekst se naplaćuje na tri načina, a samo je jedan od njih čitljiv. Anthropic cio prozor od milion tokena naplaćuje po standardnoj stopi i to izričito piše: zahtjev od 900.000 tokena se po tokenu naplaćuje isto kao zahtjev od 9.000. Google udvostručuje cijenu Geminija 3.1 Pro iznad 200.000 tokena u promptu i taj prag objavljuje. OpenAI za Lunu, Terru i Sol objavljuje kolonu dugog konteksta po otprilike dvostrukoj cijeni, ali ne kaže gdje kratak prestaje, a dug počinje. Najjeftiniji red u ovoj tabeli je, dakle, najjeftiniji po cijeni koja se na jednom pragu pretvara u 0,40 i 1,80 dolara za milion — a taj prag ne možeš da provjeriš.

Još tri stvari ostaju izvan ovog računa. Gemini 3 Flash je model u pregledu, a uslovi za pregled se mijenjaju bez zajamčenog puta za prelazak. Vezivanje obrade za jednu geografiju donosi množilac od 1,1 na Claudeovom API-ju i uvećanje od deset odsto na OpenAI-jevim modelima objavljenim od 5. marta 2026. naovamo. Besplatni nivoi, ograničenja broja zahtjeva i red čekanja koji stvarno dobiješ na novom nalogu ne stoje ni na jednoj od ovih stranica.

Šta izabrati

Za klasifikaciju, usmjeravanje, izvlačenje podataka i označavanje u stvarnim količinama, počni od GPT-5.6 Lune i pomjeri se naviše tek kad možeš da pokažeš stopu promašaja koja košta više od razlike. Za posao u kojem je izlaz dovoljno dug da se osjeti, Claude Haiku 4.5 na osam dolara je poštena sredina, a u grupnoj obradi četiri. Uz to je i proizvođač čiji račun za dug kontekst nema skriveni prag. Za sve što planiraš da vrtiš i u februaru, saberi po januarskim cijenama prije nego što se obavežeš.