​

Presentazione

Harogo è un abbonamento multi-modello pensato per gli agenti di coding. Il prezzo scontato dell’abbonamento è di $4.90 per il primo mese, poi $9.90/mese, con 100 posti in abbonamento scontati attualmente disponibili. I posti rimanenti e il prezzo di liquidazione effettivo sono indicati nella pagina di abbonamento. Una volta abbonato, puoi usare più modelli di coding con un unico account Harogo e un’unica chiave API. Tutti i modelli condividono la stessa quota di abbonamento, quindi non serve registrarsi, ricaricare il saldo o gestire piattaforme di modelli separate.

​

Perché Harogo

Modelli diversi eccellono in compiti di coding diversi. Usare direttamente più provider di modelli di solito significa gestire contemporaneamente più account, chiavi API, saldi, limiti di frequenza e fatture. Harogo riunisce in un unico servizio una serie di modelli adatti agli agenti di coding. Puoi passare liberamente da un modello all’altro in base al task, e tutto viene conteggiato su un’unica quota di abbonamento condivisa. I modelli attuali si dividono a grandi linee in questi gruppi:

• Codebase estese e ragionamento complesso: Kimi K3.1 Pro, Claude Opus 5.5, GPT-6.1 Sol, GPT-6 Sol, GPT-6 Astra
• Coding quotidiano per agenti, generazione di codice e debug: Qwen3.8 Max, GLM-5.3, Claude Sonnet 5.5, Claude Sonnet 5, GPT-6.1 Terra, MiniMax M3, DeepSeek V4 Pro
• Chiamate ad alta frequenza, risposte rapide e task sensibili ai costi: DeepSeek V4.1 Flash 1017, Claude Haiku 5.5, GPT-6 Luna
• Flussi di lavoro per agenti multi-step e di lunga durata: Claude Fable 5.1

Questi gruppi sono solo un riferimento per la scelta del modello. I risultati effettivi dipendono dal task, dal contesto e da come usi gli strumenti.

​

Per iniziare

1. Accedi a Harogo e sottoscrivi l’abbonamento.
2. Crea e copia una chiave API nella console.
3. Imposta il Base URL su https://harogo.ai.
4. Incolla la tua chiave API.
5. Inizia a usarlo.

Custodisci la tua chiave API. Non includerla nei commit di un repository pubblico e non condividerla con nessuno.

​

Modelli supportati

Modelli attualmente supportati: I nomi e gli ID dei modelli qui sopra sono gli identificatori di instradamento usati internamente da Harogo. L’elenco dei modelli, le versioni e la disponibilità possono cambiare: verifica l’elenco attuale nella console.

​

Disponibilità dei modelli per client

Alcuni modelli sono limitati a un client specifico. Gli altri funzionano ovunque.

​

Utilizzo e limiti

Harogo applica i seguenti limiti di utilizzo:

• Limite giornaliero: $12
• Limite settimanale: $30
• Limite mensile: $60

Tutti e tre i limiti si applicano contemporaneamente. Ogni chiamata al modello attinge dalla quota di abbonamento condivisa. DeepSeek V4 Pro ha un limite quota di $15; tutti gli altri modelli hanno un limite di $60. I limiti sono definiti in dollari anziché in un numero fisso di richieste. Il numero di richieste che ottieni effettivamente dipende dal modello che usi: i modelli più economici in genere consentono più richieste, quelli più costosi meno. Puoi verificare l’utilizzo attuale e la quota residua nella console Harogo.

​

Volume di richieste stimato

La tabella seguente stima il numero di richieste per modello in base ai pattern di utilizzo tipici di Harogo: Ogni riga presuppone che la quota di quella finestra venga spesa principalmente su quel solo modello. Se combini più modelli, attingono insieme dalla stessa quota condivisa, quindi i conteggi delle richieste nella tabella non si possono semplicemente sommare tra le righe. Il volume di richieste effettivo dipende da fattori come la lunghezza del contesto, il tasso di cache hit, lo sforzo di ragionamento e la lunghezza dell’output. Inoltre, per completare un singolo task un agente di coding invia di solito più richieste al modello, quindi una richiesta non equivale a un task di coding completo.

​

Metodo di stima

Queste stime si basano sul seguente profilo di richiesta tipico:

• GLM-5.3: circa 700 token di input, 52,000 token di lettura dalla cache e 150 token di output per richiesta. (Riutilizza il profilo di richiesta di GLM-5.2.)
• Qwen3.8 Max: circa 8,731 token di input, 31,831 token di lettura dalla cache e 2,029 token di output per richiesta. (Riutilizza il profilo di richiesta di Qwen3.8 Max Preview.)
• Kimi K3.1 Pro: circa 1,050 token di input, 76,500 token di lettura dalla cache e 300 token di output per richiesta. (Riutilizza il profilo di richiesta di Kimi K3.)
• MiniMax M3: circa 4,381 token di input, 28,768 token di lettura dalla cache e 1,108 token di output per richiesta.
• DeepSeek V4 Pro: circa 750 token di input, 82,000 token di lettura dalla cache e 290 token di output per richiesta.
• DeepSeek V4.1 Flash 1017: circa 790 token di input, 68,000 token di lettura dalla cache e 280 token di output per richiesta. (Riutilizza il profilo di richiesta di DeepSeek V4 Flash 0731.)
• Claude Opus 5.5: circa 580 token di input, 386,230 token di lettura dalla cache, 19,476 token di scrittura nella cache e 2,025 token di output per richiesta. (Riutilizza il profilo di richiesta di Claude Opus 5.)
• Claude Sonnet 5.5: circa 159 token di input, 129,804 token di lettura dalla cache, 6,260 token di scrittura nella cache e 850 token di output per richiesta. (Riutilizza il profilo di richiesta di Claude Sonnet 5.)
• Claude Sonnet 5: circa 159 token di input, 129,804 token di lettura dalla cache, 6,260 token di scrittura nella cache e 850 token di output per richiesta.
• Claude Fable 5.1: circa 399 token di input, 315,393 token di lettura dalla cache, 12,907 token di scrittura nella cache e 1,016 token di output per richiesta. (Riutilizza il profilo di richiesta di Claude Fable 5.)
• Claude Haiku 5.5: circa 700 token di input, 52,000 token di lettura dalla cache e 150 token di output per richiesta. (Riutilizza il profilo di richiesta di Claude Haiku 4.5.)
• GPT-6 Luna: circa 45,726 token di input, 10,720 token di lettura dalla cache e 1,905 token di output per richiesta. (Riutilizza il profilo di richiesta di GPT-5.6 Luna.)
• GPT-6 Sol: circa 6,032 token di input, 112,138 token di lettura dalla cache e 678 token di output per richiesta. (Riutilizza il profilo di richiesta di GPT-5.6 Sol.)
• GPT-6.1 Sol: circa 6,032 token di input, 112,138 token di lettura dalla cache e 678 token di output per richiesta. (Riutilizza il profilo di richiesta di GPT-5.6 Sol.)
• GPT-6 Astra: circa 6,032 token di input, 112,138 token di lettura dalla cache e 678 token di output per richiesta. (Basato temporaneamente sul profilo di richiesta di GPT-5.6 Sol.)
• GPT-6.1 Terra: circa 6,825 token di input, 69,476 token di lettura dalla cache e 734 token di output per richiesta. (Riutilizza il profilo di richiesta di GPT-5.6 Terra.)

Per ora le nuove versioni dei modelli riutilizzano il profilo di richiesta osservato sul modello precedente. Richieste = quota della finestra ÷ (prezzo di listino per richiesta × 0.1); per i modelli con un limite quota di $15 il risultato viene scalato di $15 / $60. Questi dati servono a stimare un utilizzo tipico e non costituiscono un impegno su un numero fisso di richieste. I limiti quota e i volumi di richieste stimati possono cambiare con l’evoluzione del servizio: per le informazioni più aggiornate consulta la console Harogo e questa pagina.