Zum Hauptinhalt springen

​
Einführung

Harogo ist ein Multi-Modell-Abo für Coding-Agenten. Der vergünstigte Abo-Preis beträgt im ersten Monat $4.90, danach $9.90/Monat. Derzeit sind 100 vergünstigte Abo-Plätze verfügbar. Verbleibende Plätze und der tatsächlich berechnete Preis werden auf der Abo-Seite angezeigt. Nach dem Abschluss des Abos nutzen Sie mehrere Coding-Modelle über ein einziges Harogo-Konto und einen API-Key. Alle Modelle teilen sich dasselbe Abo-Kontingent, sodass Sie sich nicht bei einzelnen Modellplattformen registrieren, dort Guthaben aufladen oder sie separat verwalten müssen.

​
Warum Harogo

Unterschiedliche Modelle eignen sich für unterschiedliche Coding-Aufgaben. Wer mehrere Modellanbieter direkt nutzt, muss meist mehrere Konten, API-Keys, Guthaben, Rate-Limits und Rechnungen gleichzeitig verwalten. Harogo bündelt eine Reihe von Modellen, die sich gut für Coding-Agenten eignen, in einem einzigen Dienst. Sie wechseln das Modell frei je nach Aufgabe, und alles wird über ein gemeinsames Abo-Kontingent abgerechnet. Die aktuellen Modelle lassen sich grob in folgende Gruppen einteilen:
  • Große Codebasen und anspruchsvolles Reasoning: Kimi K3.1 Pro, Claude Opus 5.5, GPT-6.1 Sol, GPT-6 Sol, GPT-6 Astra
  • Alltägliches Agent-Coding, Codegenerierung und Debugging: Qwen3.8 Max, GLM-5.3, Claude Sonnet 5.5, Claude Sonnet 5, GPT-6.1 Terra, MiniMax M3, DeepSeek V4 Pro
  • Hochfrequente Aufrufe, schnelle Antworten und kostensensitive Aufgaben: DeepSeek V4.1 Flash 1017, Claude Haiku 5.5, GPT-6 Luna
  • Langlaufende, mehrstufige Agent-Workflows: Claude Fable 5.1
Diese Gruppen dienen nur als Orientierung bei der Modellwahl. Die tatsächlichen Ergebnisse hängen von der Aufgabe, dem Kontext und der Art der Tool-Nutzung ab.

​
Erste Schritte

  1. Melden Sie sich bei Harogo an und schließen Sie ein Abo ab.
  2. Erstellen und kopieren Sie in der Konsole einen API-Key.
  3. Setzen Sie die Base-URL auf https://harogo.ai.
  4. Fügen Sie Ihren API-Key ein.
  5. Legen Sie los.
Halten Sie Ihren API-Key geheim. Committen Sie ihn nicht in ein öffentliches Repository und teilen Sie ihn mit niemandem.

​
Unterstützte Modelle

Derzeit unterstützte Modelle: Die oben genannten Namen und Modell-IDs sind die Routing-Bezeichner, die Harogo intern verwendet. Modellauswahl, Versionen und Verfügbarkeit können sich ändern – die aktuelle Liste finden Sie in der Konsole.

​
Modellverfügbarkeit nach Client

Einige Modelle sind auf einen bestimmten Client beschränkt. Alle anderen Modelle können überall genutzt werden.
GPT-Modelle (GPT-6 Luna, GPT-6 Sol, GPT-6.1 Sol, GPT-6 Astra, GPT-6.1 Terra) sind nur in Codex verfügbar.Claude-Modelle (Claude Opus 5.5, Claude Sonnet 5.5, Claude Sonnet 5, Claude Fable 5.1, Claude Haiku 5.5) sind nur in Claude Code verfügbar.Alle anderen Modelle (GLM, Qwen, Kimi, MiniMax, DeepSeek) haben keine Client-Beschränkung und laufen in jedem unterstützten Client.

​
Nutzung und Limits

Harogo wendet die folgenden Nutzungslimits an:
  • Tageslimit: $12
  • Wochenlimit: $30
  • Monatslimit: $60
Alle drei Limits gelten gleichzeitig. Jeder Modellaufruf greift auf das gemeinsame Abo-Kontingent zu. Für DeepSeek V4 Pro gilt ein Kontingent-Limit von $15, für alle anderen Modelle ein Kontingent-Limit von $60. Die Limits sind in USD-Wert festgelegt, nicht als feste Anzahl an Anfragen. Wie viele Anfragen Sie tatsächlich erhalten, hängt vom verwendeten Modell ab: Günstigere Modelle erlauben in der Regel mehr Anfragen, teurere Modelle weniger. Ihre aktuelle Nutzung und das verbleibende Kontingent sehen Sie in der Harogo-Konsole.

​
Geschätztes Anfragevolumen

Die folgende Tabelle schätzt die Anzahl der Anfragen pro Modell auf Basis typischer Nutzungsmuster bei Harogo: Jede Zeile geht davon aus, dass das Kontingent des jeweiligen Zeitfensters überwiegend für dieses eine Modell verbraucht wird. Wenn Sie Modelle kombinieren, greifen sie gemeinsam auf dasselbe Kontingent zu. Die Anfragezahlen der Tabelle lassen sich daher nicht einfach zeilenübergreifend addieren. Das tatsächliche Anfragevolumen hängt unter anderem von Kontextlänge, Cache-Trefferquote, Reasoning-Aufwand und Ausgabelänge ab. Außerdem sendet ein Coding-Agent für eine einzelne Aufgabe in der Regel mehrere Modellanfragen. Eine Anfrage entspricht also nicht einer vollständigen Coding-Aufgabe.

​
Schätzmethode

Die Schätzungen basieren auf folgendem typischen Anfrageprofil:
  • GLM-5.3 – etwa 700 Eingabe-Tokens, 52,000 Cache-Read-Tokens und 150 Ausgabe-Tokens pro Anfrage. (Übernimmt das Anfrageprofil von GLM-5.2.)
  • Qwen3.8 Max – etwa 8,731 Eingabe-Tokens, 31,831 Cache-Read-Tokens und 2,029 Ausgabe-Tokens pro Anfrage. (Übernimmt das Anfrageprofil von Qwen3.8 Max Preview.)
  • Kimi K3.1 Pro – etwa 1,050 Eingabe-Tokens, 76,500 Cache-Read-Tokens und 300 Ausgabe-Tokens pro Anfrage. (Übernimmt das Anfrageprofil von Kimi K3.)
  • MiniMax M3 – etwa 4,381 Eingabe-Tokens, 28,768 Cache-Read-Tokens und 1,108 Ausgabe-Tokens pro Anfrage.
  • DeepSeek V4 Pro – etwa 750 Eingabe-Tokens, 82,000 Cache-Read-Tokens und 290 Ausgabe-Tokens pro Anfrage.
  • DeepSeek V4.1 Flash 1017 – etwa 790 Eingabe-Tokens, 68,000 Cache-Read-Tokens und 280 Ausgabe-Tokens pro Anfrage. (Übernimmt das Anfrageprofil von DeepSeek V4 Flash 0731.)
  • Claude Opus 5.5 – etwa 580 Eingabe-Tokens, 386,230 Cache-Read-Tokens, 19,476 Cache-Write-Tokens und 2,025 Ausgabe-Tokens pro Anfrage. (Übernimmt das Anfrageprofil von Claude Opus 5.)
  • Claude Sonnet 5.5 – etwa 159 Eingabe-Tokens, 129,804 Cache-Read-Tokens, 6,260 Cache-Write-Tokens und 850 Ausgabe-Tokens pro Anfrage. (Übernimmt das Anfrageprofil von Claude Sonnet 5.)
  • Claude Sonnet 5 – etwa 159 Eingabe-Tokens, 129,804 Cache-Read-Tokens, 6,260 Cache-Write-Tokens und 850 Ausgabe-Tokens pro Anfrage.
  • Claude Fable 5.1 – etwa 399 Eingabe-Tokens, 315,393 Cache-Read-Tokens, 12,907 Cache-Write-Tokens und 1,016 Ausgabe-Tokens pro Anfrage. (Übernimmt das Anfrageprofil von Claude Fable 5.)
  • Claude Haiku 5.5 – etwa 700 Eingabe-Tokens, 52,000 Cache-Read-Tokens und 150 Ausgabe-Tokens pro Anfrage. (Übernimmt das Anfrageprofil von Claude Haiku 4.5.)
  • GPT-6 Luna – etwa 45,726 Eingabe-Tokens, 10,720 Cache-Read-Tokens und 1,905 Ausgabe-Tokens pro Anfrage. (Übernimmt das Anfrageprofil von GPT-5.6 Luna.)
  • GPT-6 Sol – etwa 6,032 Eingabe-Tokens, 112,138 Cache-Read-Tokens und 678 Ausgabe-Tokens pro Anfrage. (Übernimmt das Anfrageprofil von GPT-5.6 Sol.)
  • GPT-6.1 Sol – etwa 6,032 Eingabe-Tokens, 112,138 Cache-Read-Tokens und 678 Ausgabe-Tokens pro Anfrage. (Übernimmt das Anfrageprofil von GPT-5.6 Sol.)
  • GPT-6 Astra – etwa 6,032 Eingabe-Tokens, 112,138 Cache-Read-Tokens und 678 Ausgabe-Tokens pro Anfrage. (Basiert vorübergehend auf dem Anfrageprofil von GPT-5.6 Sol.)
  • GPT-6.1 Terra – etwa 6,825 Eingabe-Tokens, 69,476 Cache-Read-Tokens und 734 Ausgabe-Tokens pro Anfrage. (Übernimmt das Anfrageprofil von GPT-5.6 Terra.)
Neuere Modellversionen übernehmen vorerst das Anfrageprofil, das bei ihrem Vorgänger beobachtet wurde. Anfragen = Kontingent des Zeitfensters ÷ (Listenpreis pro Anfrage × 0.1); Modelle mit einem Kontingent-Limit von $15 werden mit dem Faktor $15 / $60 skaliert. Diese Werte dienen zur Schätzung typischer Nutzung und sind keine Zusage einer festen Anzahl an Anfragen. Kontingent-Limits und geschätztes Anfragevolumen können sich im Zuge der Weiterentwicklung des Dienstes ändern – aktuelle Informationen finden Sie in der Harogo-Konsole und auf dieser Seite.