У Brikko появились голосовые модели и embeddings. И да, мы догоняли — об этом честно

С сегодняшнего утра на api.brikko.ru работают два новых endpoint'а.

POST /v1/audio/transcriptions — Whisper-1 от OpenAI, 55,2 копейки за минуту аудио. Поддерживает 50+ языков, потолок файла — 25 МБ. Ровно та же модель, к которой у вас стучится client.audio.transcriptions.create(...) в стандартном OpenAI SDK.

POST /v1/embeddings — text-embedding-3-small (184 коп / 1M токенов, 1536-dim) и text-embedding-3-large (1196 коп / 1M, 3072-dim). Дефолтный выбор для RAG, поиска по документам и «памяти» в агентах.

До сегодняшнего дня у нас был только chat — 19 моделей от шести провайдеров (OpenAI, Anthropic, Google, DeepSeek, Yandex, Sber). Теперь — три модальности.

Цены — это OpenAI list × 80 ₽/$ × 1,15 (наша наценка). Никакой магии: мы платим OpenAI в долларах, прибавляем 15%, выставляем счёт в рублях вместе с актом или чеком.

Зачем мы это сделали

Две недели назад я писал на vc.ru post-mortem о том, что российский рынок AI-агрегаторов уже, чем казался, а «легальная упаковка» — уже паритет, а не дифференциатор. В комментариях и в личке несколько раз всплыло одно и то же замечание: «У вас даже Whisper'а нет. Воткну его — приду посмотреть».

И это было справедливо. На начало мая мы — единственный из крупных RU-агрегаторов без не-text модальностей. Все конкуренты — AITunnel, ProxyAPI, BotHub, GPTunnel, VseGPT — уже имели Whisper и embeddings. Когда команда выбирает gateway по чек-листу, отсутствие Whisper отправляет тебя в нижнюю половину сравнения автоматически. Я этот сигнал получал в custdev'е каждую неделю, но откладывал.

Откладывал по двум причинам, и обе оказались плохими:

1. «Сначала отполируем chat» — гипотеза, что глубокий focus на одном даст преимущество. На практике клиенты выбирали gateway по покрытию модальностей, а не по полировке chat-роутера. Полировка chat'а — мне как фаундеру кайфно, но рынку не больно нужна.

2. «Whisper — это просто прокси, ничего интересного» — оказалось, что когда садишься писать прокси, вылезает три-четыре конкретных места, где «просто» — это неправда. Длительность аудио надо считать локально (Whisper её в ответе не возвращает); биллинг embeddings — синхронизировать tiktoken и usage.prompt_tokens от OpenAI; в схеме usage_events — добавлять колонки modality и unit, иначе аналитика складывает минуты с токенами и врёт.

В сумме — две недели работы, чтобы закрыть один gap, который мне год казался second-tier'ом. Это та самая ошибка приоритизации, о которой я написал в прошлом посте — и про которую теперь перестаю писать и начинаю исправлять.

Что это значит для вас

Если вы пишете voice-агента или транскрипцию для CRM — теперь вам не нужен отдельный канал к OpenAI. Один Brikko-ключ → один договор → один платёж в рубли → акт в конце месяца. Стандартный SDK работает с заменой base_url:

from openai import OpenAI

client = OpenAI(api_key="sk-brk-...", base_url="https://api.brikko.ru/v1")

with open("call.mp3", "rb") as f:

t = client.audio.transcriptions.create(model="whisper-1", file=f)

print(t.text)

e = client.embeddings.create(model="text-embedding-3-small", input="Привет мир")

Если у вас уже есть код на OpenAI SDK — это смена двух строк, не миграция. Никакого Brikko-специфичного shape'а в ответах: transcript.text остаётся transcript.text, embeddings.data[0].embedding остаётся 1536-мерным вектором.

Если вы строили это через серый прокси — теперь у вас появляется опция уйти на легальный канал без перехода на YandexGPT (где Whisper'а нет вообще) и без Yandex SpeechKit (отдельный API, не OpenAI-совместимый). Welcome-бонус 200 ₽ — это около 360 минут Whisper или ~100M токенов embedding-3-small. Хватит, чтобы прогнать тестовую интеграцию без открытия кошелька.

Что дальше

В прозрачной roadmap'е на ближайшие 3 месяца:

— TTS (OpenAI tts-1 / tts-1-hd). Симметрично Whisper'у. Voice-агенты двусторонние — без TTS они не закрываются.

— Groq Whisper-large-v3-turbo как fallback. В 9× дешевле OpenAI, в 100× быстрее. Откроется после legal-проверки платёжного канала. На уровне API — никаких изменений для клиента.

— Image generation. DALL-E 3 + Flux Schnell через fal.ai. Здесь fal.ai не OpenAI-совместим, поэтому работы будет больше.

— Realtime API (gpt-realtime). Стриминговые voice-агенты. Требует WebSocket-инфры — если custdev покажет реальный спрос, приоритезируем.

Карточки этих модальностей на лендинге уже стоят как «Coming Soon» — публично коммитимся, чтобы не было соблазна тихо отъехать.

Просьба

Если у вас в проде стоит RAG или voice-feature и вы её или строите, или мигрируете — расскажите в комментариях или в личку, что вам не хватает: какие модели, какие language-fallback'и, какой разрез аналитики в кабинете. Это напрямую влияет на то, что попадёт в M2.

Регистрация на brikko.ru, welcome-бонус 200 ₽, документы (чек самозанятого / акт / договор) — автоматически по тарифу. Если эндпоинт ведёт себя не так, как у OpenAI — это баг с моей стороны, пишите.