Цена миллиона токенов почти ничего не говорит: как посчитать реальную стоимость AI-модели

В прайсе две AI-модели могут стоить одинаково, а счёт за одну и ту же задачу — отличаться почти вдвое. Цена зависит не только от входных и выходных токенов. На неё влияют кэш, длина контекста, режим обработки, внутреннее рассуждение, инструменты и повторные попытки.

Я взял актуальные тарифы OpenAI, Anthropic и Google на 14 сентября 2026 года и посчитал несколько типовых сценариев. Без рейтинга «лучшая модель года»: здесь только о том, почему одной цифры из прайса недостаточно.

1. Почему ставка из прайса не равна цене задачи

2. Как кэш дал разницу 24% на 100 документах

3. Почему длинный контекст почти удваивает запрос

4. Как режим обработки меняет цену в 3,6 раза

5. Почему один текст даёт разное число токенов

6. Где агент тратит токены незаметно

7. Как посчитать свой сценарий за вечер

GPT-6 Astra и Claude Fable 5.1 стоят одинаково: $10 за миллион входных токенов и $50 за миллион выходных. На первый взгляд считать больше нечего.

Но уже на следующей строке прайсы расходятся. Кэшированный вход у GPT-6 Astra стоит $1 за миллион токенов, у Claude Fable 5.1 — $0,25. Запись пятиминутного кэша у обоих стоит $12,50 за миллион. У Anthropic есть ещё часовой кэш по $20.

Это не мелкая сноска. В чат-боте, агенте или анализаторе документов один и тот же большой системный промпт отправляется снова и снова. Через несколько десятков запросов именно кэш начинает определять итоговый счёт.

Возьмём обработку ста документов. В каждом запросе есть:

Если не использовать кэш, получится 5,5 млн входных и 100 тысяч выходных токенов. При ставке $10/$50 обработка обойдётся в $60 у каждого провайдера.

Теперь сохраним повторяющиеся 50 тысяч токенов в кэше. Предположим, что после первого запроса все остальные попали в пятиминутное окно и кэш действительно сработал.

Для GPT-6 Astra расчёт выглядит так:

Итого примерно $15,58.

Для Claude Fable 5.1 меняется только чтение кэша: те же 4,95 млн токенов стоят не $4,95, а около $1,24. Итог — примерно $11,86.

Разница составляет около 24%, хотя в заголовке обоих прайсов написано одно и то же: $10 за вход и $50 за выход.

Это пример, а не обещание счёта. В реальном проекте часть запросов не попадёт в кэш, документы будут разной длины, а некоторые ответы придётся повторить. Но пример показывает правильную единицу сравнения: не миллион токенов, а завершённая задача на вашем профиле нагрузки.

У GPT-6 Astra есть порог в 272 тысячи входных токенов. Если запрос длиннее, двойная ставка применяется ко всему входу, а выход дорожает в полтора раза. Не только к той части, которая превысила порог.

Запрос на 300 тысяч входных и 10 тысяч выходных токенов поэтому стоит примерно $6,75: $6 за вход и $0,75 за выход.

Claude Fable 5.1 при тех же базовых ставках и стандартной цене длинного контекста даст около $3,50. Разница почти двукратная. При этом контекстное окно у обеих моделей близко к миллиону токенов, поэтому сравнение только по его максимальному размеру тоже вводит в заблуждение.

Граница в 272 тысячи особенно неприятна в работе с крупными репозиториями и наборами документов. Запросы рядом с порогом могут отличаться на пару страниц, а по цене — почти вдвое.

У старших моделей ответ стоит в пять раз дороже входа. Из-за этого короткий вопрос с длинным рассуждением может оказаться дороже большого документа с коротким структурированным ответом.

Например, для модели со ставкой $10/$50:

В последнем сценарии вход почти перестал иметь значение. Поэтому просьба «ответь максимально подробно» — это не стилистическая настройка, а строка бюджета.

Для reasoning-моделей нужно отдельно проверить, входят ли скрытые токены рассуждения в оплачиваемый выход. В документации Google, например, прямо указано, что выходная ставка Gemini включает thinking tokens. Для агентных циклов Google также учитывает промежуточные токены рассуждения, а использование поиска и других инструментов может тарифицироваться отдельно.

Прайс Gemini 3.6 Flash хорошо показывает, почему слова «стоимость модели» уже недостаточно точны. До конца 2026 года стандартный режим стоит $0,75 за миллион входных и $3,75 за миллион выходных токенов.

Но есть другие режимы:

Между самым дешёвым и самым дорогим режимом разница в 3,6 раза для той же модели. Если задача может подождать несколько часов, сравнивать её с интерактивным запросом по стандартной или приоритетной ставке бессмысленно.

Batch подходит для ночной разметки, массового перевода и регулярных проверок качества. Priority — для пользовательского интерфейса, где задержка обходится дороже токенов. Модель одна, экономика разная.

Один и тот же текст может занимать разное число токенов у разных семейств и даже у соседних поколений одной линейки. Anthropic предупреждает, что токенизатор моделей Fable 5.1 и Fable 5 считает некоторые запросы примерно на 30% длиннее, чем токенизаторы моделей до Claude Opus 4.7. Точная разница зависит от текста.

Отсюда простое правило: нельзя один раз посчитать токены и умножить результат на прайсы всех моделей. Считать нужно токенизатором той модели, которую собираетесь вызывать.

Для русского текста ошибка бывает особенно заметной. Код, кириллица, JSON и обычная английская проза режутся на токены по-разному. Оценка «четыре символа на токен» годится для разговора, но не для бюджета.

Обычный чат делает один запрос и возвращает ответ. Агент может десять раз вызвать модель, открыть поиск, прочитать результат инструмента, ошибиться, повторить шаг и снова загрузить накопившуюся историю.

Пользователь видит одно выполненное действие. В биллинге остаются все промежуточные проходы.

Поэтому для агента я бы складывал семь величин:

Последний пункт чаще всего теряется в красивых демонстрациях. Если дешёвая модель завершает шесть задач из десяти, а дорогая — девять, стоимость одного успешного результата может перевернуть сравнение.

Anthropic в своей документации приводит именно такой подход: Fable 5.1 дороже Sonnet 5 за токен, но на одном наборе задач программирования при низком effort оказался дешевле за решённую задачу. На исследовательском тесте результат был обратным — более длинный цикл сделал Fable заметно дороже. Универсального победителя нет даже внутри одной линейки.

Не нужен сложный финансовый дашборд. Достаточно взять 50–100 реальных задач и прогнать их через кандидатов с одинаковыми условиями.

Я бы записал для каждого запуска:

Смотреть лучше не только на среднее. Полезнее медиана и 95-й процентиль: редкие огромные запросы часто создают большую часть счёта. Для агентов добавьте стоимость одной успешно завершённой задачи и стоимость результата без ручной переделки.

После этого прайс за миллион токенов наконец становится полезным. Он превращается из рекламной цифры в один из коэффициентов вашей модели расходов.

Перед запуском я бы проверил восемь вопросов:

Если на половину вопросов нет ответа, выбирать по колонке «за миллион токенов» рано.

Больше всего меня удивила не разница между брендами, а разница внутри одного прайса. Один порог или хорошо работающий кэш меняет бюджет сильнее, чем переход между соседними моделями.

А что сильнее всего раздувает ваш счёт: длинный контекст, ответы, агентные циклы или повторные запросы?

Все цены проверены 14 сентября 2026 года по официальной документации. Налоги, корпоративные скидки, курсовая разница и комиссии платёжных систем в расчёты не включены.