Verite a ankouraje: "modèl chwa" se mwatye nan enjenyè ou Si pwopriyete ou se yon resep, modèl la se machin ou. Yon bon resep pa ede si: 
 
 
 
 
 lò a se ti kras (konteks fenèt), materyèl yo se chè (pri token), se chef a lontan (latans), oswa zouti ou pa koresponn (chwa fonksyon / JSON / SDK / ekosistèm). Isit la se yon konpare ou ka reyèlman sèvi ak. practical 
 
 Remak sou "parametres": pou anpil modèl frontier, kantite paramèt yo pa piblikman revele. Nan pratik la, fenèt konte + pri + zouti karakteristik prezante "fit" pi bon pase enspire nivo paramèt. pou anpil modèl frontier, kantite paramèt yo pa pibliye. Nan pratik la, fenèt konte + pri + karakteristik zouti prezante "fit" pi bon pase enspire nivo paramèt. Note on “parameters”: 1) Rapid konpare: sa ou ta dwe atann sou premye 1.1 "Two bouton" ki enpòtan 
 
 
 
 
 Konteks: Èske ou ka mete travay la nan yon sèl demann? Kou: Èske ou ka pèmèt volim? Latency: Èske UX ou tolere atansyon? Kompatibilite: pral stack ou entegre net? Tout lòt bagay se dezyèm lòd. 2) Modèl tab spec (konteks + pozisyon) Tables sa a konsantre sou sa ki ki estab: . family, positioning, and context expectations Bwat Provider Bwat Model fanmi (pou egzanp) Bwat Tipik pozisyoning Bwat Notes Bwat--- Bwat--- Bwat--- Bwat--- Bwat OpenAI Bwat GPT fanmi (pou egzanp, nan nan Eko-sistèm zouti fò, General-purpose Eko-sistèm Eko-sistèm Eko-sistèm Pricing + cached entèlijans yo klèman pibliye. Eko-sistèm OpenAI Eko-sistèm “o” rezonans (pou egzanp, nan ) Átha profond rezonans / pi difisil planifikasyon  Souvan koute pi wo; itilize selektivman. Átha Anthropic   Claude fanmi (pou egzanp, Haiku / Sonnet tiers)  Strong ekri + pozisyon sekirite; net docs  Tablo pri a gen ladan plizyè dimansyon pousantaj.  Google  Gemini fanmi (Flash / Pro tiers)  Multimodal + Google ekosistèm + caching/grounding opsyon  Page pri eksplisitman kouvri caching + grounding.   DeepSeek  DeepSeek  chat + rezonant modèl  Agresif pri/perf, popilè pou scale  Ofisyèl dokiman pri ki disponib.  Open source    Llama / Qwen / Mistral gpt-4o gpt-4.1 gpt-5* o3 o1 3) Pricing tab (ki pati nan CFO ou reyèlman li) Isit la se soti nan dosye ofisyèl (USD pou chak ). Sèvi ak sa a kòm yon baz, Lè sa a, aplike: caching, rabè batch, ak longè a pwodiksyon reyèl ou. public list prices 1M tokens 3.1 OpenAI (selectioned highlights) OpenAI pibliye envantè, envantè cache, ak pri pwodiksyon pou chak 1M token. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Model 
 Input / 1M 
 Cached input / 1M 
 Output / 1M 
 When to use 
 
 
 
 
 
 
 gpt-4.1 
 $2.00 
 $0.50 
 $8.00 
 High-quality general reasoning with sane cost 
 
 
 
 
 
 
 gpt-4o 
 $2.50 
 $1.25 
 $10.00 
 Multimodal-ish “workhorse” if you need it 
 
 
 
 
 
 
 gpt-4o-mini 
 $0.15 
 $0.075 
 $0.60 
 High-throughput chat, extraction, tagging 
 
 
 
 
 
 
 o3 
 $2.00 
 $0.50 
 $8.00 
 Reasoning-heavy tasks without the top-end pricing 
 
 
 
 
 
 
 o1 
 $15.00 
 $7.50 
 $60.00 
 “Use sparingly”: hard reasoning where mistakes are expensive gpt-4.1 2 milyon dola 0,50 $ nan Nan $ 8.00 Bon jan kalite rezonans jeneral ak pri san danje gpt-4o 2 milyon dola 1,25 milyon dola 10 ane Multimodal-ish "workhorse" si ou bezwen li gpt-4o-mini Jwenn nan 0.15 Pwodwi pou 075 Jwenn nan 0.60 Pwoteksyon segondè chat, ekstraksyon, tagging o3 2 milyon dola 0,50 $ nan Nan $ 8.00 Reasoning-gwo travay san yo pa pri top-end o1 Retounen 7 milyon dola 60 milyon dola "Use sparingly": rezon ki difisil kote erè yo chè 
 
 Si ou se bati yon pwodwi: ou pral souvan kouri 80–95% nan apèl sou yon modèl pi bon mache (mini / vit nivo), ak eskalye sèlman ka difisil yo. Si ou se bati yon pwodwi: ou pral souvan kouri 80–95% nan apèl sou yon modèl pi bon mache (mini / vit nivo), ak eskalye sèlman ka difisil yo. 4.2 Antropik nan (Claude) Anthropic pibliye yon modèl tab la pri nan Claude docs. 
 
 
 
 
 
 
 
 
 
 
 
 Model 
 Input / MTok 
 Output / MTok 
 Notes 
 
 
 
 
 
 Claude Haiku 4.5 
 $1.00 
 $5.00 
 Fast, budget-friendly tier 
 
 
 
 
 
 Claude Haiku 3.5 
 $0.80 
 $4.00 
 Even cheaper tier option 
 
 
 
 
 
 Claude Sonnet 3.7 (deprecated) 
 $3.75 
 $15.00 
 Listed as deprecated on pricing 
 
 
 
 
 
 Claude Opus 3 (deprecated) 
 $18.75 
 $75.00 
 Premium, but marked deprecated Claude Haiku 4.7 1 milyon dola 5 milyon dola Rapid, budjè-zanmitay tier Pwodwi pou Telefòn Jwenn nan 0.80 4 milyon dola Epitou pi bon mache opsyon Claude Sonnet 3.7 (deprecated) Pwodwi pou 3.75 Retounen Listed kòm deprecated sou pri Claude Opus 3 (deprecated) Nan $ 18.75 75.00 soti nan Premium, men etikèt deprecated 
 
 Enpòtan: Disponibilite modèl chanje. Trete tab la pri kòm "ki sa ki egziste kounye a". Modèl disponiblite chanjman. Trete tab la pri kòm "ki sa ki egziste kounye a." Important: 3.3 Google Gemini (API devlopè) Gemini pri varye pa nivo ak gen ladan konteks caching + tèm pri. 
 
 
 
 
 
 
 
 
 
 Tier (example rows from pricing page) 
 Input / 1M (text/image/video) 
 Output / 1M 
 Notable extras 
 
 
 
 
 
 Gemini tier (row example) 
 $0.30 
 $2.50 
 Context caching + grounding options 
 
 
 
 
 
 Gemini Flash-style row example 
 $0.10 
 $0.40 
 Very low output cost; good for high volume Gemini Tier (Row egzanp) Jwenn nan 0.30 2 milyon dola Konteks caching + opsyon tèkstur Gemini Flash-style ranje egzanp Jwenn nan 0.10 Jwenn nan 0.40 trè ba pri pwodiksyon; bon pou volim segondè Paj pri a nan Gemini tou lis: 
 
 
 Konteks caching pri, ak fonksyon ak Google Search pri / limit. 3.4 DeepSeek (API) nan DeepSeek pibliye pri nan dosye API li yo ak sou paj pri li yo. 
 
 
 
 
 
 
 
 Model family (per DeepSeek pricing pages) 
 What to expect 
 
 
 
 DeepSeek-V3 / “chat” tier 
 Very low per-token pricing compared to many frontier models 
 
 
 
 DeepSeek-R1 reasoning tier 
 Higher than chat tier, still aggressively priced DeepSeek-V3 / “chat” nivo Pricing trè ba pou chak token konpare ak anpil modèl frontier DeepSeek-R1 rezonans nivo Pi wo pase chat nivo, toujou agresif pri 4) Latency: pa sèvi ak fake "mwayèn dezyèm" tab Pifò tab latèz blog yo tou: 
 
 
 mesye sou yon jou, yon rejyon, yon payload, Lè sa a, recycle pou tout tan, oswa Pure fiction nan. Nan lòd yo sèvi ak : two metrics you can actually observe 
 
 
 TTFT (ti tan nan premye token) - ki jan vit estrikti kòmanse Token / sek - ki jan vit pwodiksyon rive yon fwa li kòmanse 4.1 Pratik espere latans (directional) 
 
 
 
 "Mini / Flash" nivo yo anjeneral genyen TTFT ak pèfòmans pou charj style travay. "Razoning" nivo yo tipikman gen yon TTFT pi ba epi yo ka pwodui plis token (pi plis panse), se konsa perceived latans ogmante. Long konteks enpòte ogmante latans nan tout kote. 4.2 Ki jan yo benchmark pou pwòp ou pwodwi (yon metòd 15 minit) Kreye yon script benchmark ti ki voye: 
 
 
 
 
 menm prompt (pou egzanp, 400-800 token), fiks max pwodiksyon (pou egzanp, 300 token), nan zòn nan objektif ou, Pou 30 - 50 koupe. Rekòmandasyon : 
 
 
 
 P50 / P95 TTFT, p50 / p95 tan total, Pwodwi pou / Sec. Lè sa a, fè desizyon ak done, pa vibrasyon. 5) Konpatibilite: poukisa "tooling fit" bat bon jan kalite a nan modèl manje Yon modèl ki se 5% "sèl" men broke stack ou se yon pèdi net. 5.1 Prompt + API konpatibilite sifas (ki kouvri lè ou chanje modèl) Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi Figi 5.2 Ekosistèm fit (a.k.a. “ki sa ou deja itilize?”) 
 
 
 
 Si ou ap viv nan Google Workspace / Vertex style workflows, entegre Gemini + fonksyon opsyon ka yon apwòch natirèl. Si ou depann sou yon gwo ekosistèm otomatik nan twazyèm-pati, OpenAI + Claude tou de gen matirite SDK + zouti kouvèti (LangChain elatriye). Si ou bezwen rezidans done / sou-prem, modèl sous louvri (Llama / Qwen) pèmèt ou kenbe done nan limit ou, men ou peye nan MLOps. 6) Listi a tcheke desizyon: chwazi modèl tankou yon enjenyè Etap 1 - klasifye travay la 
 
 
 
 segondè volim / ba parayj: tagging, rewrite, FAQ, ekstraksyon Mwayen parayj: repons sipò kliyan, rapò enteryè segondè parayj: legal, finans, sekirite, medikal tankou domèn (te atansyon) Etap 2 - deside piki ou (nan "reyalite a modèl 2-3") Yon etablisman komen: 
 
 
 
 Fast bon mache pou pifò demann Fasil nivo pou enspirasyon difisil, long konteks, rezon ki enkyetid Optional: tan reyèl oswa fondamantal rezonasyon nivo pou UX / karakteristik espesifik Etap 3 - estrateji kontwòl pri (pèman anvan ou anbake) 
 
 
 
 
 Pèmèt limit nan longè pwodiksyon Cache repete sistèm / konteks Batch nan travay homogène ajoute règ escalation (pa voye tout nan modèl la pi chè ou) 7) Yon tab konpare pratik ou ka mete nan yon PRD Isit la se yon ti tab "copy / paste" pou stakeholders. 
 
 
 
 
 
 
 
 
 
 
 
 
 Scenario 
 Priority 
 Default pick 
 Escalate to 
 Why 
 
 
 
 
 
 
 Customer support chatbot 
 Latency + cost 
  (or Gemini Flash-tier) gpt-4o-mini 
  / Claude higher tier gpt-4.1 
 Cheap 80–90%, escalate only ambiguous cases 
 
 
 
 
 
 
 Long document synthesis 
 Context + format stability 
 Claude tier with strong long-form behaviour 
 gpt-4.1 
 Long prompts + structured output 
 
 
 
 
 
 
 Coding helper in IDE 
 Tooling + correctness 
  or equivalent gpt-4.1 
  /  o3 o1 
 Deep reasoning for tricky bugs 
 
 
 
 
 
 
 Privacy-sensitive internal assistant 
 Data boundary 
 Self-host Llama/Qwen 
 Cloud model for non-sensitive output 
 Keep raw data in-house Kliyan sipò chatbot Latency + pri (oswa nan Gemini Flash-tier) gpt-4o-mini Claude pi wo tier gpt-4.1 Cheap 80–90%, escalate sèlman ka ambiguous Long dokiman synthesis Konteks + estabilite fòma Claude tier ak yon konpòtman fò long-form gpt-4.1 Long prompts + pwodiksyon estrikti Kòdasyon Helper nan IDE Zouti + koreksyon oswa ekivalan gpt-4.1 / nan o3 o1 Deep rezonans pou tricky bugs Prive-sensitif asistans enteryè Done Frontières Pwodwi pou Telefòn Llama/Qwen Cloud modèl pou pwodiksyon ki pa sensitif Tanpri kenbe done an pousyè nan kay la Final nan “Best Model” se pa yon bagay. Li se sèlman . best model for this prompt, this latency budget, this cost envelope, and this ecosystem Si ou navige ak: 
 
 
 
 
 yon benchmark mesye, yon 2-3 modèl stack, estrikti restriksyon pwodiksyon, ak caching / batching, ... ou pral depase ekip ki chase modèl la dènye chak mwa.

This story contains AI-generated text. The author has used AI either for research, to generate outlines, or write the text itself. 

Read My Stories

Odyo sa a pwodui nan lang orijinal istwa a!

Chwazi yon LLM nan 2026: Tablo a pratik konpare (spesifikasyon, pri, latans, konpatibilite)

About Author

KÒMANtè

KANDYE TAGS

ATIK SA A TE PREZANTE NAN

Related Stories

Gathering Threat Intelligence to Strengthen Security

Upwork Freelancers Under BlackRock: The Masters of the Freelance Universe

Women in Cybersecurity with SheSec Pakistan on The HackerNoon Podcast

Meet the Writer: Vik Bogdanov, Tech Storyteller

Gathering Threat Intelligence to Strengthen Security

Upwork Freelancers Under BlackRock: The Masters of the Freelance Universe

Women in Cybersecurity with SheSec Pakistan on The HackerNoon Podcast

Meet the Writer: Vik Bogdanov, Tech Storyteller

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps