Зачем QA писать промпты на английском?

В предыдущем посте я упомянул, что промпты на английском языке обычно занимают меньше токенов, чем на русском.

Но насколько велика эта разница? Стоит ли вообще писать промпты на английском? И что это даёт QA-инженерам?

Особенно если вы активно используете ChatGPT, Claude, Grok, Gemini или другие LLM в работе, то могли замечать, что один и тот же промпт на английском часто занимает меньше токенов, чем на русском.

При этом важно понимать, что экономия токенов актуальна как для обычных чатботов, так и при работе через API. В чатботах она влияет на длину доступного контекста и скорость ответов, а при использовании API — ещё и на прямую стоимость запросов.

Отсюда возникает логичный вопрос: стоит ли QA-инженерам переходить на английский в промптах, чтобы экономить деньги и контекст? Вместо общих рассуждений я решил проверить это на реальных примерах из QA-практики.

Токены — это ограниченный ресурс, который напрямую влияет на:

QA-инженеры регулярно работают с большими объёмами информации:

Если часть контекста расходуется неэффективно, то для полезных данных остаётся меньше места.

Я взял несколько типичных QA-сценариев, подготовил русский и английский варианты промптов с одинаковым смыслом и посчитал количество токенов через OpenAI Tokenizer.

Для расчёта использовалась следующая формула:

Под экономией понимается уменьшение числа токенов относительно русскоязычного варианта.

Русский: «Заменят ли ИИ тестировщиков?» — 10 токенов

Английский: «Will AI replace testers?» — 5 токенов

Экономия — 50%. В абсолютных цифрах — всего 5 токенов. Для разового вопроса практически незаметно.

Русский: «Как пользователь интернет-магазина, я хочу иметь возможность восстановить пароль через электронную почту, чтобы получить доступ к своему аккаунту в случае его утраты. Критерии приемки: пользователь получает письмо; ссылка действует 30 минут; старый пароль становится недействительным; после смены пароля все активные сессии завершаются.» — 72 токена

Английский: «As an online store user, I want to reset my password via email so that I can regain access to my account if I lose it. Acceptance criteria: the user receives an email; the link is valid for 30 minutes; the previous password becomes invalid; all active sessions are terminated after password reset.» — 61 токен

Экономия — 15,3%. Такие промпты часто используются для генерации тест-кейсов.

Русский: «Проанализируй следующие логи падения автотестов. Определи root cause. Сгруппируй ошибки. Предложи возможные исправления. Используй информацию из OpenAPI спецификации. Сформируй итоговый отчёт. Тестовая среда: pytest, Playwright, FastAPI, PostgreSQL, Docker, GitLab CI. Логи: AssertionError, TimeoutError, Connection refused, Locator not found.» — 93 токена

Английский: «Analyze the following failed test logs. Determine the root cause. Group similar failures. Suggest possible fixes. Use information from the OpenAPI specification. Generate a final report. Test environment: pytest, Playwright, FastAPI, PostgreSQL, Docker, GitLab CI. Logs: AssertionError, TimeoutError, Connection refused, Locator not found.» — 67 токенов

Экономия — 28%. Здесь разница уже заметна, особенно при работе с длинными логами.

Переход на английский имеет смысл в сценариях:

В коротких разовых вопросах и когда ответ нужен именно на русском — переводить промпт чаще всего не стоит.

Полностью отказываться от русского не нужно. Но понимание влияния языка на расход токенов уже становится полезным практическим навыком QA-инженера в 2026 году.

В экспериментах экономия составила от 15% до 28%, а в коротком вопросе достигла 50%. Это уже заметная величина, особенно при регулярной работе с AI. Токены — это ресурс. Чем лучше мы умеем им управлять, тем эффективнее используем современные инструменты в тестировании.

Дополнительно:

Если тема AI в тестировании вам близка — подписывайтесь на ModernQA в Telegram. Там я разбираюсь в LLM, AI QA, тестировании AI-приложений, кодинг-агентах и современных инструментах.

#тестирование #qa #qaengineer #ai