Экономика ИИ-разработки: стоимость токенов и окупаемость
Блок намеренно стоит раньше практики, потому что решение о бюджете принимается до внедрения. Финдир задаст вопрос про деньги раньше, чем инженеры потратят первый токен. Здесь – из чего складывается стоимость, почему она растёт не так, как кажется, какие 3 рычага её снижают и какой 4-й делает её видимой, как считать окупаемость и какие финансовые обещания не сбываются.
Вы – технический директор, а финдир закладывает ИИ в бюджет и считает по подпискам. Разберём 3 вопроса: из чего на самом деле складывается стоимость, почему она растёт иначе, чем кажется, и что ответить финансовому директору.
Финансовый директор считает бюджет
Закладываю ИИ в бюджет на следующий год. У подписки понятная цена – умножаю её на 200 инженеров и закрываю вопрос. Или у тебя есть причины считать иначе? Цифра нужна до пятницы.
С какой цифрой и какой логикой вы придёте к финдиру?
Панель на квартальном отчёте
было → сталоЦифры условные, показывают направление без точной величины. Как снять baseline и что считать экономией – в блоке 11.
Что происходит через квартал: все варианты
Цифры условные, показывают направление без точной величины. Как снять baseline и что считать экономией – в блоке 11.
Вариант A. Считать по потреблению: Цифра выше, зато без сюрпризов
Финдиру не понравился диапазон затрат, но бюджет утвердила. Первым делом поставили лимиты. На втором месяце агент зациклился ночью и упёрся в лимит сессии – потеряли мелочь, а могли бы дневной бюджет команды. Неизменную часть запросов перенесли в начало, после чего кэш снял заметную долю счёта. Короткие однофайловые правки отправили на дешёвую модель. К отчёту у вас есть стоимость деплоя до пилота и после – она почти не изменилась, но вы знаете почему.
| Метрика | Было | Стало |
|---|---|---|
| Расходы на ИИ (подписки и токены сверх лимита, план = 100) | 100 | 96 |
| Токены на инженера в месяц (пилотная команда, первый месяц = 100) | 100 | 70 |
| Запросы на дорогую модель (доля после роутинга) | 100% | 55% |
| Стоимость единицы поставки (все расходы на разработку / число деплоев) | 100 | 98 |
| Сессии, остановленные лимитом (предохранитель на сессию) | нет данных | 7 |
Вердикт: Финдир получила цифру, которой можно верить. Она некрасивая, но в следующий раз за цифрами придут к вам.
Что говорят коллеги после варианта A
Даниил: В банке вилку в бюджете не примут: финдир хочет одну цифру, а защищать её весь год буду я. Поэтому я считал бы так же, но вилку закрыл бы предохранителями: верхняя граница задана лимитом, который стоит в системе. Это финдир понимает. Отдельный вопрос – своё железо: у нас его, скорее всего, потребует регулятор, тогда к токенам добавятся крупные вложения вперёд.
Мария: Правильно, а лимитов с первого дня у нас как раз не было. О зацикленном агенте узнали из счёта, уведомления не было. Добавлю из второго года: роутинг окупается не сразу. Полгода учились понимать, что считать простым, а сначала отправляли на дешёвую модель задачи, которые она проваливала. Начните с грубого правила, а кроме счёта смотрите на долю переделок.
- Мария: Даниил, своё железо в первый год – деньги вперёд при неизвестном объёме. Окупится ли оно?
- Даниил: Окупаемость тут не главное. Если персональные данные нельзя отправлять наружу, выбора нет.
- Мария: Тогда считай раздельно: железо для того, что нельзя отправлять, а API для остального.
Итог: Вы выбрали считать по потреблению – это правильный ответ, хотя Даниил прав, что в банке вилку придётся закрывать лимитами. Главное из блока: реальные деньги живут в потреблении токенов, а финдир верит тому, кто называет срок и признаёт неопределённость. Соберите документ по промпту и переходите дальше.
Вариант B. Согласиться на подписки: Подписки оказались нижней границей
Цифру утвердили за 5 минут. После расширения на всех счёт за токены через месяц в 2 раза превысил подписки, а финдир узнала об этом из сверки – вместо вашего доклада. Однажды ночью агент зациклился на отладке и к утру сжёг недельный бюджет команды на повторах. Чтобы уложиться, агентов урезали всем подряд – и первыми остановились как раз те, кто пользовался ими с толком.
| Метрика | Было | Стало |
|---|---|---|
| Расходы на ИИ (подписки и токены сверх лимита, план = 100) | 100 | 310 |
| Токены на инженера в месяц (среднее по компании, первый месяц = 100) | 100 | 160 |
| Самая дорогая сессия (в долях месячного бюджета команды) | нет данных | 25% |
| Активные пользователи агентов (по данным инструмента, после урезания лимитов) | 70% | 35% |
| Стоимость единицы поставки (все расходы на разработку / число деплоев) | 100 | 115 |
Вердикт: В бюджете не было главной статьи расходов. Теперь каждую вашу цифру будут перепроверять.
Что говорят коллеги после варианта B
Даниил: Понимаю, почему вы так сделали: в банке бюджет на следующий год утверждают осенью, а цифра по подпискам – единственная, которую можно защитить заранее. Но я бы добавил к ней строку «потребление» с лимитом сверху, пусть даже условную. Перерасход по согласованной строке – рабочий вопрос, а перерасход по строке, которой не было, – разговор о доверии.
Мария: Мы так считали первый год, тогда подписки оказались меньше трети реального счёта. Неприятнее перерасхода то, что потом лимиты режут всем одинаково, а страдают те, кто пользуется агентами с толком. Сейчас у нас бюджет по командам и стоимость на инженера в месяц по каждому: аномалию видно за неделю.
- Даниил: Мария, бюджет по командам – ещё один отчёт каждую неделю. Кто его будет вести?
- Мария: Платформенная команда, полчаса в неделю. Без него о перерасходе ты узнаёшь от финдира.
- Даниил: Платформенной команды у меня нет и в этом году не будет. Начну с лимитов, а отчёт сделаю потом.
Итог: Квартал прошёл не так, как хотелось: подписка оказалась нижней границей. Главное из блока: реальные деньги живут в потреблении токенов, которое на длинных сессиях растёт квадратично, поэтому предохранители нужны уже на пилоте. Если захотите, пройдите развилку заново.
Вариант C. Окупить сокращением: Людей меньше, задачи те же
Бюджет на ИИ прошёл легко – он окупался тем, что уходящих не замещали. Через квартал продуктивность выросла, но заметно меньше обещанной трети, а дальше расти перестала, потому что процессы остались прежними. Задачи те же, людей меньше. Расходы на команду снизились на 3%, но деплоев стало на 7% меньше, поэтому единица поставки подорожала. Ревью растянулось, багов на проде прибавилось, 2 релиза сдвинули. Финдир спрашивает, где обещанная окупаемость, а руководители команд спрашивают, где люди.
| Метрика | Было | Стало |
|---|---|---|
| Инженеров в командах (уходы без замены) | 200 | 188 |
| Рост продуктивности на инженера (по данным инструмента, обещано +33%) | нет данных | +8% |
| Деплоев в квартал (было = 100) | 100 | 93 |
| Время на ревью (медиана по пул-реквесту) | нет данных | +35% |
| Дефекты на проде (в месяц) | 12 | 16 |
| Стоимость единицы поставки (все расходы на разработку / число деплоев) | 100 | 104 |
Вердикт: Вы сократили людей под обещание, которое ничем не подтверждено. Задач столько же, людей меньше, багов больше.
Что говорят коллеги после варианта C
Даниил: В банке такое решение принимают выше меня, причём иногда действительно принимают: в бюджетной таблице это выглядит красиво. Но я бы не подписал. У нас каждый инженер на монолите знает то, чего нет ни в документации, ни в модели. Заморозишь вакансии – получишь очередь задач, которую некому разбирать. Отвечать за сдвинутые релизы будут не те, кто замораживал вакансии.
Мария: Мы почти так сделали на втором году: прирост продуктивности был, захотелось забрать его людьми. Остановило то, что прирост упёрся в потолок, пока мы не перестроили ревью и тестирование. Окупаемость пришла, но дало её то, что та же команда стала поставлять больше, сокращение тут ни при чём. Если нужна цифра для финдира – берите стоимость единицы поставки вместо числа людей.
- Мария: Даниил, а если генеральный всё же спросит прямо, скольких людей заменит ИИ?
- Даниил: Отвечу прямо: ни одного в этом году. Генеральный расстроится, но это правда, а правду проще защитить.
- Мария: Я бы сказала иначе: людей столько же, а поставок больше. Ответ тот же, но услышать его проще.
Итог: Квартал прошёл не так, как хотелось: окупаемость через сокращение не случилась. Главное из блока: считайте стоимость на объективную единицу поставки, сравнивайте с baseline и не обещайте эффекта, которого данные не показывают. Если захотите, пройдите развилку заново.
Из чего складывается стоимость и как её удержать
Вы выбрали считать по потреблению. Ниже – из чего складывается счёт, почему он растёт быстрее ожиданий и какие рычаги удержали ваш квартал.
Базовая единица оплаты – токен. Это минимальная единица текста: в английском примерно 3/4 слова, в русском меньше – слово часто делится на несколько токенов. Точное соотношение зависит от модели. Модель берёт плату за то, что вы ей отправляете (входные токены), и за то, что она генерирует (выходные), причём выходные обычно дороже.
Для бюджета важны 2 производные. Первая: стоимость на инженера в месяц – сколько в среднем токенов тратит один разработчик. По ней планируют расходы и замечают аномалии, когда у кого-то счёт в разы выше среднего. Вторая: стоимость на фичу или задачу – сколько стоит довести до результата одну единицу работы. По ней считают окупаемость, потому что её можно сравнить с экономией времени.
Главное: планировать надо по фактическому расходу токенов, а не по цене подписки. Подписка – нижняя граница, реальные деньги живут в потреблении, а оно растёт нелинейно.
Какие параметры есть у модели и на что они влияют
В описании любой модели встречаются 7 характеристик. Ниже, что каждая значит для бюджета и качества.
| Характеристика | Что это | На что влияет | Ориентир |
|---|---|---|---|
| Число параметров | Размер модели: сколько чисел («весов») в ней хранится. Измеряется в миллиардах | Качество ответов, объём памяти видеокарт (1 байт на параметр в FP8), скорость | 20–35 млрд: малые, 80–120: средние, 600+: большие. У моделей MoE (смесь экспертов) 2 числа: всего и активных. Память считают по первому, скорость по второму |
| Контекстное окно | Сколько текста модель видит за 1 раз, в токенах | Сколько кода и документов влезет в запрос. Цена растёт с длиной, качество ближе к пределу падает | 128–256 тыс. у большинства открытых моделей, 1 млн у Claude Opus и Sonnet, GPT-5.6 и DeepSeek V4 |
| Режим рассуждений (thinking, reasoning) | Модель сначала «думает» текстом, потом отвечает | Лучше на сложных задачах, но тратит в 2–5 раз больше выходных токенов | Включать для планирования и разбора инцидентов, выключать для автодополнения |
| Формат хранения весов (квантование) | FP16, FP8, INT4: сколько бит на 1 параметр | Память: FP8 в 2 раза меньше FP16, INT4 в 4 раза. Потеря качества на FP8 почти нулевая, на INT4 заметная | FP8: стандарт для прода на своём железе |
| Скорость и задержка | Токенов в секунду на 1 пользователя и время до первого токена | Ощущение «быстро или медленно», расход GPU-часов | 50–100 токенов в секунду на пользователя: комфортно для агента |
| Цена за 1 млн токенов | Отдельно за вход и выход | Бюджет. Выход дороже входа в 3–6 раз, чтение из кэша дешевле входа в 10–20 раз | Таблица ниже |
| Лицензия и место работы | Закрытая модель через API или открытые веса, которые можно скачать | Вопросы ИБ, зависимость от поставщика, возможность своего железа | MIT и Apache 2.0 разрешают коммерческое использование без ограничений |
Подписка на инструмент (Cursor, Claude Code, Copilot) – это те же модели с лимитом токенов внутри фиксированной платы. Сверх лимита платите по ценам API из таблицы. В расчётах ниже для простоты токены считаются целиком сверх лимита: если лимит подписки покрывает часть работы, вычтите его.
Основные модели на октябрь 2026. Цены с официальных прайсов поставщиков, сверка 9 октября 2026. SWE-bench Verified – независимый замер Vals AI на 1 сентября 2026, тест в архиве, новые модели на нём не прогоняют. SWE-bench Pro – в основном цифры вендоров, сравнивайте их только между собой.
| Модель | Как получить | Параметры | Контекст | Цена, $ за 1 млн токенов (вход / выход) | SWE-bench Verified | SWE-bench Pro |
|---|---|---|---|---|---|---|
| Claude Opus 5.5 | API, подписка | закрытая | 1 млн | 4 / 20 | нет данных | 89,9% |
| Claude Opus 5 | API, подписка | закрытая | 1 млн | 5 / 25 | 97,0% | нет данных |
| Claude Sonnet 5.5 | API, подписка | закрытая | 1 млн | 2 / 10 | нет данных | 63,2% (Sonnet 5) |
| Claude Haiku 5.5 | API, подписка | закрытая | не указан | 0,1 / 0,5 (запрос до 100 тыс. токенов), 0,5 / 2,5 (больше) | нет данных | нет данных |
| Claude Haiku 4.5 | API, подписка | закрытая | 200 тыс. | 1 / 5 | нет данных | нет данных |
| GPT-5.6 Sol | API, подписка | закрытая | 270 тыс. по базовой цене | 5 / 30 | 96,2% | 64,6% |
| GPT-5.6 Terra | API, подписка | закрытая | 270 тыс. по базовой цене | 2 / 12 | 95,4% | нет данных |
| DeepSeek V4 Pro | API или свои веса (MIT) | 1,6 трлн, активны 49 млрд | 1 млн | 0,66 / 1,98 (в пик 1,32 / 3,96) | 96,4% | 55,4% |
| DeepSeek V4.1 Flash | API или свои веса (MIT) | 284 млрд, активны 13 млрд | 1 млн | 0,15 / 0,6 (в пик 0,3 / 1,2) | 88,8% (V4 Flash) | 52,6% |
| GLM 5.3 / 5.2 | API или свои веса (MIT) | 744 млрд, активны 40 млрд | 1 млн | у вендора | 95,4% (5.3) | 62,1% (5.2, замер третьей стороны) |
| Kimi K3 | свои веса (своя лицензия) | 2,8 трлн | 1 млн | у вендора | 93,4% | нет данных |
| Qwen 3.8 27B | свои веса (Apache 2.0), 1 карта | 27 млрд | не указан | бесплатно, только железо | 86,0% | 61,7% |
| Qwen3-Coder-Next | свои веса (Apache 2.0), 1–2 карты | 80 млрд, активны 3 млрд | 256 тыс. | бесплатно, только железо | 70,6% (вендор) | нет данных |
Что видно из таблицы. Открытые модели через API дешевле Claude Sonnet 5.5 в 3–17 раз, а самых дорогих закрытых – до 50 раз. Разница в качестве на стандартном тесте – до 8 пунктов, у DeepSeek V4 Pro – меньше 1. На сложном тесте впереди только Claude Opus 5.5 (по данным вендора), остальные закрытые и лучшие открытые модели отстают от него на 25–37 пунктов, а между собой различаются в пределах 12. Малая открытая модель на 1 карте решает 86% стандартных задач: для автодополнения и типовых правок этого достаточно. Расчёт «подписка против своего железа» для вашего числа инженеров смотрите в разделе «Если модель стоит внутри компании, нужны ли подписки?» ниже.
Пример расчёта: команда из 10 инженеров
Цены Anthropic на октябрь 2026 по официальному прайсу: Claude Sonnet 5.5 – 2 доллара за миллион входных токенов и 10 за миллион выходных; Claude Haiku 5.5 – 0,1 и 0,5 доллара для запросов до 100 тыс. токенов; Claude Haiku 4.5 – 1 и 5 долларов. У других поставщиков порядок цифр тот же.
Один инженер работает с агентом полдня. Типичная сессия с агентом в зрелой кодовой базе: 15 шагов, стартовый контекст около 20 000 токенов, на каждом шаге агент добавляет в среднем 4 000 токенов и генерирует 1 500 токенов ответа. Без кэширования:
| Что считаем | Расчёт | Результат |
|---|---|---|
| Входные токены за сессию | 15 × 20 000 + 4 000 × (1+2+…+14) = 300 000 + 420 000 | 720 000 |
| Выходные токены за сессию | 15 × 1 500 | 22 500 |
| Стоимость сессии на Sonnet 5.5 | 0,72 × 2 $ + 0,0225 × 10 $ | 1,67 $ |
| Сессий на инженера в месяц | 2 сессии × 21 рабочий день | 42 |
| На инженера в месяц | 42 × 1,67 $ | 70 $ |
| На команду 10 чел в месяц | 10 × 70 $ | 700 $ |
| На команду в квартал | 3 × 700 $ | 2 100 $ |
Это лёгкое использование: 2 сессии в день на Sonnet. Реальные цифры выше. По документации Claude Code в корпоративных внедрениях средний расход – около 13 $ на разработчика в активный день и 150–250 $ в месяц, у 90% пользователей – меньше 30 $ в день. Поэтому для бюджета пилота с агентом закладывайте около 200 $ на инженера в месяц, то есть 2 000 $ на команду в месяц и 6 000 $ в квартал (около 0,5 млн ₽). 70 $ из таблицы – нижняя граница. Бюджет и окупаемость дальше считаются от 200 $. Примеры кэша и роутинга посчитаны на лёгком примере: при 200 $ доля экономии та же, а в долларах она примерно в 3 раза больше.
Стоимость на задачу: если команда за квартал довела до прода 60 изменений, расходы на токены – 6 000 $, а подписки ещё 10 × 40 $ × 3 = 1 200 $, то стоимость ИИ на одно изменение – (6 000 + 1 200) / 60 = 120 $. Эту цифру сравнивают с тем, сколько часов инженера сэкономлено: при стоимости часа 30 $ достаточно экономить 4 часа на изменение, чтобы выйти в ноль.
2 вещи из таблицы. Первая: 420 000 из 720 000 входных токенов – это повторная оплата накопленного контекста, квадратичная часть, и именно её срезает кэширование. Вторая: подписка 40 $ на человека дала бы бюджет 400 $ на команду, а потребление даже в лёгком примере – 700 $, а по данным Claude Code – 1 500–2 500 $. Подписка занижает бюджет в 2–6 раз.
Если модель стоит внутри компании, нужны ли подписки?
Частый вопрос от банков и госкомпаний, где внешние модели запрещены. Короткий ответ: подписка на модель не нужна, но 2 другие строки расходов никуда не деваются (инструмент и токены, которые превращаются в загрузку видеокарт), а 2 появляются (железо и люди).
| Строка | Внешний поставщик | Модель в контуре |
|---|---|---|
| Подписка на модель | 20–40 $ на человека в месяц | Нет |
| Лицензия на инструмент (клиент в среде разработки – IDE, агент, панель администратора) | Входит в подписку | Зависит от инструмента: открытые клиенты (Continue, Aider, Cline, OpenCode) бесплатны; корпоративные версии с подключением своей модели – от 10 до 40 $ на человека в месяц |
| Токены | Счёт от поставщика | Счёта нет, но есть загрузка видеокарт: когда доходит до предела, покупается следующий сервер. Платформенная команда обычно вводит внутренний тариф за миллион токенов, чтобы команды видели расход |
| Своё железо | Нет | Сервер 8×H200 – 280–350 тыс. $ без учёта поставки в РФ (блок 03). Амортизация за 3 года – около 23–29 тыс. $ в квартал, а вместе с электричеством, площадкой и людьми – около 60 тыс. $ в квартал (700–800 тыс. $ за 3 года). Сколько инженеров потянет 1 сервер, зависит от модели и длины контекста: проверяйте нагрузочным тестом |
| Люди на обслуживание | Нет | 1–2 ставки инженера по эксплуатации моделей: обновление, очереди, мониторинг |
| Качество модели | Лучшие модели рынка | Открытые модели отстают на 6–12 месяцев; на типовых задачах разница мала, на сложных агентных – заметна |
Цифры по железу и лицензиям – оценки порядка величин на 2026 год, а не прайс-лист. Перед расчётом запросите коммерческие предложения у 2–3 поставщиков и подставьте свои числа.
Практический вывод: модель в контуре окупается, когда расход на API устойчиво выше 20 тыс. $ в месяц. При 150–250 $ на инженера в месяц это примерно 80–130 инженеров, которые активно работают с агентами, при лёгком использовании – в 2–3,5 раза больше. Считайте по активным пользователям агентов, а не по штату. Ниже этой границы амортизация и люди стоят дороже, чем подписки и доплата за токены вместе. Но в банке выбор часто делает не экономика, а ИБ и регулятор (блок 05), и тогда задача техдира – показать финдиру, что строка «подписки» превратилась в строки «железо» и «люди», а не исчезла.
Порог посчитан по ценам Claude Sonnet. Если в контур вы ставите открытую модель, сравнивайте с той же моделью по API – например, у российского облака (Cloud.ru даёт открытые модели по API). По таблице выше у DeepSeek V4 Pro вход дешевле Sonnet в 3 раза, выход – в 5. Значит, тот же объём работы по API стоит в 3–5 раз меньше, и порог по числу инженеров вырастает во столько же раз.
бюджет закладывается на год вперёд и проходит закупку. Планируйте расход токенов с запасом 50% к расчёту и сразу закладывайте платформенную команду – без неё расход не будет виден никому. Модель в контуре имеет смысл считать от 80–130 инженеров, которые активно работают с агентами.
до 20 инженеров подписка плюс оплата по факту закрывают почти всё. Платформенная команда – 1 человек на 20% времени, который ведёт файлы контекста и смотрит расход раз в неделю. Своё железо не окупится – пусть расход токенов будет видимой строкой в ежемесячных затратах.
В расчётах чаще всего ошибаются, считая, что шаги агента стоят примерно одинаково. Обходится эта ошибка дорого.
Агент работает шагами, и на каждом шаге заново отправляет модели весь накопленный контекст: исходный код, все прошлые планы, все ответы инструментов, все правки. Текст, добавленный на третьем шаге, оплачивается снова на четвёртом, пятом и так до конца сессии. Стоимость растёт быстрее числа шагов – примерно как сумма 1+2+3+..., то есть квадратично.
Ориентир из моего опыта: команды, считающие шаги независимо, недооценивают реальную стоимость многошаговых сессий в 3–5 раз. Отладочный агент, который делает «10 небольших шагов», может накопить 80–200 тыс. токенов в одном окне.
Вывод: длинные автономные сессии обходятся дороже любой другой формы работы с ИИ. Отсюда – 3 рычага, которые снижают счёт, и 4-й, который делает его видимым.
Сколько стоит сессия, если каждый шаг пересылает всё накопленное
Условные единицы: каждый шаг добавляет в контекст одинаковый кусок текста.
Агент сделал четыре шага: если считать, что шаги стоят одинаково, это четыре единицы. Но каждый шаг заново отправляет модели всё накопленное, поэтому счёт выходит 1 + 2 + 3 + 4 = 10.
Прокрутите дальше: шагов стало восемь. По линейной логике это восемь единиц, а на самом деле выходит 36. Шагов вдвое больше, а счёт вырос больше чем втрое.
Отсюда оценка практиков: команды, которые считают шаги независимо, недооценивают стоимость многошаговых сессий в 3-5 раз. Каждый рычаг ниже бьёт именно по этой кривой.
Кэширование промптов (prompt caching) – повторное использование уже обработанной части запроса. Стабильную часть (системные инструкции, файлы контекста, неизменный код) модель обрабатывает один раз и запоминает, а дальше берёт из кэша со скидкой.
У Anthropic чтение из кэша у Sonnet 5.5 и Opus 5.5 стоит 5% от обычной цены входного токена, у большинства других – 10%: скидка в основном 90–95%. Запись в кэш на 25% дороже обычного входа, и это окупается уже со второго шага. По одному опубликованному примеру расходы на повторяющихся запросах упали с 720 до 72 долларов в месяц.
На практике: запрос нужно складывать так, чтобы неизменное стояло в начале, а меняющееся – в конце. Тогда кэшируется максимум.
Пример1 запрос, 2 способа его собрать
Агент работает над модулем переводов. В запросе 4 части: правила проекта (8 000 токенов), код модуля (30 000), изменения с прошлого шага (2 000) и задача (300). Кэш работает по началу запроса: пока начало совпадает байт в байт с прошлым запросом, оно берётся из кэша. Первое же отличие ломает кэш для всего, что ниже.
Неправильно: меняющееся стоит первым.
Задача: добавь проверку суточного лимита в TransferService.
Изменения с прошлого шага: <дифф, 2 000 токенов>
Правила проекта: <CLAUDE.md, 8 000 токенов>
Код модуля transfers/: <30 000 токенов>Задача и дифф каждый шаг другие, поэтому начало запроса никогда не совпадает. В кэш не попадает ничего: 40 300 токенов по полной цене на каждом шаге.
Правильно: неизменное первым, меняющееся в конце.
Правила проекта: <CLAUDE.md, 8 000 токенов>
Код модуля transfers/: <30 000 токенов>
--- дальше меняется от шага к шагу ---
Изменения с прошлого шага: <дифф, 2 000 токенов>
Задача: добавь проверку суточного лимита в TransferService.Первые 38 000 токенов совпадают от шага к шагу и берутся из кэша, по полной цене идут только 2 300.
Считаем на ценах Claude Sonnet 5.5 (2 $ за 1 млн входных токенов, чтение из кэша 0,1 $): неправильный запрос стоит 0,081 $ за шаг, правильный 0,008 $. При 200 шагах в день на команду это 16 $ против 1,7 $ в день, 339 $ против 35 $ в месяц из 21 рабочего дня, и это только входные токены без записи в кэш. 2 оговорки: кэш у Anthropic живёт 5 минут по умолчанию, то есть выигрыш есть только при непрерывной работе агента; и кэшируются куски от 512 токенов у Sonnet 5.5 и Opus 5.5 (у других моделей порог свой), так что совсем короткие правила сами по себе кэш не создадут. Инструменты вроде Claude Code и Cursor собирают запрос правильно сами, а вот в собственных скриптах и внутренних ботах порядок частей проверяйте руками.
Роутинг – выбор модели под сложность задачи вместо самой сильной и дорогой на всё подряд.
Сильные модели дороже слабых в несколько раз, но большая часть работы агента – простые операции: переформатировать, найти по шаблону, применить очевидную правку. Отдавать их дорогой модели – переплачивать. Роутинг направляет простое на дешёвую модель, дорогую бережёт для сложного.
Выигрыш зависит от доли простых задач, и на большом объёме он существенный. Подвох: сложность нужно уметь определять заранее. Начинайте с грубого правила (короткие однофайловые правки – на дешёвую модель) и уточняйте по факту.
Как это сделать на практике
3 способа, от простого к сложному.
Правило в файле контекста. Самый дешёвый, без кода. В файл контекста репозитория добавляется правило: «Для задач, затрагивающих один файл и не меняющих публичный интерфейс – быструю модель; для изменения схемы базы, архитектуры или более 3 файлов – сильную». Современные агенты умеют переключать модель по такому указанию. Недостаток: работает, пока инженер про это помнит.
Шлюз с правилами. Весь трафик к моделям идёт через корпоративный прокси (его же требует ИБ, блок 05), правила роутинга живут в нём. Готовые шлюзы – LiteLLM, Portkey, OpenRouter. Плюс: правило выполняется всегда, и тут же собираются данные об использовании.
Классификатор сложности. Дешёвая модель сначала оценивает задачу (один короткий запрос за доли цента) и решает, кому отдать. Самый точный способ, но требует эталонного набора задач.
Пример классификатора: Jev от TypeSafe
В сентябре 2026 года TypeSafe (стартап Диого Алмейды; по словам компании, он один из соавторов RLHF – метода обучения модели на оценках людей) выпустила модель Jev, которая не пишет текст, а отвечает на типизированные вопросы о переданном «состоянии»: выбор из списка (choice), оценка по шкале (score) и да/нет с вероятностью (noul). По обзору DataNorth, в выборе до 255 вариантов, в шкале 2–10 уровней. Цена на OpenRouter: 0,042 $ за 1 млн входных токенов, выход бесплатно, контекст 64 тыс. токенов, задержка около 0,2 секунды (производитель заявляет 70–500 мс). Для роутера это удобный формат: ответ сразу число, а не текст, который нужно разбирать.
Как это выглядит для команды Марии. Состояние: текст задачи, список затронутых файлов, размер диффа. Вопросы: choice «какая модель: быстрая, средняя, сильная», score «сложность от 1 до 5», noul «затрагивает модуль из списка критичных». Правило в шлюзе: сложность не выше 2, модуль не критичный, уверенность не ниже 0,8 → дешёвая модель; всё остальное → сильная. Стоимость такой проверки на 10 000 запросов в день по 1 000 токенов: около 9 $ в месяц из 21 рабочего дня, то есть почти ничего на фоне экономии от роутинга. 2 оговорки. Классификатор видит только текст задачи, а реальная сложность часто проявляется после первого шага агента, поэтому проверку стоит повторять после первого ответа. И как любой роутер, Jev нужно проверять на вашем наборе эталонных задач: сравнивайте, что ушло «вниз», с тем, что там решилось правильно.
Пример с цифрами
Та же команда из 10 инженеров на лёгком примере из таблицы выше, 420 сессий в месяц, но сессии разные. 60% – короткие однофайловые правки: 5 шагов, около 150 000 входных и 7 500 выходных токенов, на Sonnet 5.5 – 0,15 × 2 $ + 0,0075 × 10 $ = 0,38 $ за сессию. 40% – сложные сессии из расчёта выше, по 1,67 $. Всё на Sonnet 5.5: 252 × 0,38 + 168 × 1,67 = 94 + 281 = 374 $ в месяц. Если простые отправить на Haiku 5.5 (0,02 $ за такую сессию): 5 + 281 = 286 $, экономия 24%. На Haiku 4.5 (0,19 $ за сессию) – 328 $, экономия 12%. При 80% простых задач экономия на Haiku 5.5 – около 45%. При 20% – около 5%, и проще не делать. Почти весь счёт дают длинные сессии, поэтому роутинг работает вместе с кэшированием, а не вместо него.
Circuit breaker – автоматический стоп, который прерывает работу при превышении лимита. По-русски – предохранитель.
Зачем нужен: агент зацикливается ночью без присмотра и к утру сжигает дневной бюджет всей команды на бесполезных повторах. Такое случается регулярно, а квадратичный рост делает сбой дорогим: каждый следующий шаг стоит больше предыдущего.
Предохранитель ставят на нескольких уровнях: лимит на сессию, на инженера в день, на команду в месяц. При достижении – работа останавливается, приходит уведомление. Задача – защита от катастрофического счёта, экономия процентов к ней не относится. Внедрять с самого начала, ещё на пилоте.
Практический пример
Команда из 10 инженеров, бюджет на токены 2 000 $ в месяц (200 $ на инженера). Лимиты выше ожидаемого расхода: на сессию и на инженера в день – в 3–7 раз, на команду в месяц – в 1,5 раза. Так они не мешают обычной работе и срабатывают только на аномалиях.
| Уровень | Ожидаемый расход | Лимит | При срабатывании |
|---|---|---|---|
| Одна сессия | 2–5 $ | 15 $ | Агент останавливается, инженер решает, продолжать ли |
| Инженер в день | 10–13 $ | 50 $ | Инструмент блокируется до утра, уведомление инженеру и лиду |
| Команда в месяц | 2 000 $ | 3 000 $ | Доступ останавливается, уведомление техдиру, разблокировка руками |
Где настраивается: у поставщиков – на уровне организации и ключа API. Лимиты на сессию и на инженера – в шлюзе (LiteLLM, Portkey). В Claude Code – настройкой максимального числа шагов и бюджета. Если доступ идёт через российский прокси, у него обычно есть свои лимиты: дневной и месячный на сотрудника, на команду и на модель. Лимит на 1 сессию проверьте отдельно. Если у прокси-сервиса его нет, его ставят в шлюзе или в самом инструменте.
Что произошло у одной из команд Марии без предохранителя: инженер запустил агента на рефакторинг вечером пятницы и ушёл. Агент упёрся в тест, который не мог починить, и пробовал варианты всю ночь. К утру субботы – 40 миллионов входных токенов, примерно 80 $ на Sonnet, почти дневной бюджет всей команды. Лимит сессии в 15 $ остановил бы его примерно через 2 часа.
Настройка занимает час. Если предохранителей нет – первый такой случай обязательно произойдёт и станет аргументом финдира против всего внедрения.
Этот рычаг сам расходы не уменьшает, зато делает их видимыми. У Amazon для этого есть метрика CTS-SW (Cost to Serve Software): сколько долларов уходит на одну единицу софта, доведённую до клиентов. Единицей они берут деплой: он подходит их архитектуре из множества сервисов. Я в курсе тоже беру деплой, по своей причине: он считается автоматически, а фичу разные команды определяют по-разному. Считайте стоимость на объективную единицу поставки.
Окупаемость в простом виде: сэкономленное время инженеров минус расходы на ИИ. Расходы – токены плюс подписки плюс, если считаете, стоимость своего железа. Экономию – из метрик блока 11. Важно сравнивать деньги с деньгами: перевести сэкономленные часы в рубли/доллары по стоимости часа инженера.
Есть и второй финансовый показатель, который в курсе не рассматривается, но помнить о нём нужно: окупаемость самой фичи. Сколько денег принесёт или сэкономит компании то, что вы поставили, и за какой период. ИИ меняет стоимость и срок поставки, то есть знаменатель этой дроби, но не числитель: ненужная фича, сделанная в 2 раза дешевле, остаётся убытком. Здесь мы считаем только стоимость разработки; ценность фичи для бизнеса считает продукт, и именно с ней финансовый директор будет сравнивать вашу стоимость единицы поставки.
Что говорить финдиру
3 тезиса:
- Расходы предсказуемы и ограничены сверху – у нас стоят предохранители.
- Мы считаем стоимость на единицу поставки и сравниваем с baseline, на ощущения не опираемся.
- Первые достоверные цифры – через квартал, до этого любой названный эффект остаётся оценкой.
Такая прямота работает лучше завышенных обещаний: финдир верит тому, кто называет срок и признаёт неопределённость.
Пример расчёта окупаемости за квартал
Та же команда из 10 инженеров, пилот – квартал. Числа условные, но порядок величин реальный. Итоги в рублях – по курсу ЦБ на 9 октября 2026 (85,42 ₽ за 1 $).
Расходы за квартал.
| Статья | Расчёт | Сумма |
|---|---|---|
| Подписки на инструменты | 10 × 40 $ × 3 мес | 1 200 $ |
| Токены по API | 10 × 200 $ × 3 мес, из расчёта выше | 6 000 $ |
| Обучение | 10 чел × 8 часов × 30 $ | 2 400 $ |
| Платформенная работа | 1 чел × 25% × 3 мес × 5 000 $ | 3 750 $ |
| Итого расходы | 13 350 $ (около 1,14 млн ₽) |
Эффект за квартал. Baseline: 50 деплоев в квартал при расходах на команду 150 000 $, стоимость единицы поставки 3 000 $. После: 60 деплоев при 163 350 $ (150 000 $ + расходы на ИИ), стоимость единицы 2 722,5 $.
| Показатель | До | После | Изменение |
|---|---|---|---|
| Деплоев в квартал | 50 | 60 | +20% |
| Расходы на команду в квартал | 150 000 $ | 163 350 $ | +8,9% |
| Стоимость единицы поставки | 3 000 $ | 2 722,5 $ | −9,25% |
| Дефектов на проде в квартал | 8 | 9 | +1 |
Итог. Расходы на ИИ уже вошли в стоимость единицы «после», поэтому второй раз их не вычитают. Чистый эффект: (3 000 − 2 722,5) × 60 = 16 650 $ (около 1,42 млн ₽). Проверка другим способом: 60 деплоев по старой цене стоили бы 180 000 $, то есть валовая выгода – 30 000 $ против 13 350 $ расходов, в 2,2 раза больше; 30 000 − 13 350 = 16 650 $. Но дефектов стало на 1 больше. Если средняя стоимость дефекта 3 000 $, эффект уменьшается до 13 650 $ (около 1,17 млн ₽) – всё ещё окупаемость. Если бы дефектов стало на 6 больше, пилот ушёл бы в минус. Поэтому стоимость поставки и дефекты всегда считаются парой.
3 оговорки для финдира. Первая: 20% роста поставки – результат одной команды за один квартал, не обещание для всех. Вторая: в расходах нет своего железа; если ИБ требует модель в контуре, добавится амортизация. Третья: если одновременно с ИИ команда автоматизировала регресс или получила нового сеньора, часть эффекта не от ИИ (блок 11).
Защиты от большого счёта. Лимит на сессию – есть. Лимит на инженера в день – есть. Лимит на команду в месяц – есть. Кэширование промптов – есть. Роутинг простых задач на дешёвую модель – нет.
Текст для финансового директора. «За квартал пилота стоимость деплоя снизилась с 3 000 $ до 2 722,5 $. Эффект с учётом лишнего дефекта – 13 650 $ (около 1,17 млн ₽). Это результат 1 команды за 1 квартал: повторится ли он на других командах, покажет вторая волна через квартал.»
4 обещания, которые в таком виде не сбываются.
«ИИ окупится за счёт сокращения штата»: данные этого не показывают. По данным DX за 3 месяца до 1 февраля 2026 года, рост продуктивности упёрся в потолок около 10% и дальше не растёт без перестройки процессов. Сокращение даёт те же задачи меньшим числом людей и больше багов.
«Чем мощнее модель, тем выгоднее»: наоборот. Гонять всё на самой дорогой модели – переплачивать. Выгоду даёт роутинг.
«Подписки и есть бюджет»: подписки – нижняя граница. Реальные деньги уходят на потребление токенов, которое растёт квадратично на длинных сессиях. Бюджет без учёта потребления занижен в разы.
«Больше кода, больше пользы»: по данным Faros AI, с ИИ мержат на 98% больше пул-реквестов, но время ревью растёт на 91%, а багов на разработчика – на 9% больше. Объём кода не равен ценности, лишний код – будущие расходы на сопровождение.
Сколько стоят токены для разработки?
Токен – минимальная единица текста, за которую платят поставщику модели. Цену указывают за 1 млн токенов отдельно для входа и выхода: например, вход у Claude Sonnet 5.5 стоит 2 $ за 1 млн токенов. Для инженера, который работает с агентами, закладывают около 200 $ в месяц.
Как оценить окупаемость ИИ в разработке?
Окупаемость считают через стоимость единицы поставки: все расходы команды, включая ИИ, делённые на число деплоев за квартал. Если после внедрения деплой стоит дешевле, чем до, ИИ окупается. Сравнивают с baseline за 3 месяца до пилота.
Что говорят коллеги
В банке вилку в бюджете не примут: финдир хочет одну цифру, а защищать её весь год буду я. Поэтому я считал бы так же, но вилку закрыл бы предохранителями: верхняя граница задана лимитом, который стоит в системе. Это финдир понимает. Отдельный вопрос – своё железо: у нас его, скорее всего, потребует регулятор, тогда к токенам добавятся крупные вложения вперёд.
Правильно, а лимитов с первого дня у нас как раз не было. О зацикленном агенте узнали из счёта, уведомления не было. Добавлю из второго года: роутинг окупается не сразу. Полгода учились понимать, что считать простым, а сначала отправляли на дешёвую модель задачи, которые она проваливала. Начните с грубого правила, а кроме счёта смотрите на долю переделок.
Обсуждение:
Модель окупаемости на своих числах
Расчёт на квартал: расходы, стоимость единицы поставки до и после и что уже защищает от неожиданно большого счёта. Для отчёта по итогам пилота берите фактические числа. Для плана до пилота подойдут ориентиры, но помечайте их как оценку. Если пилота ещё не было, промпт поможет составить план расходов и снять baseline, а колонка «после» останется пустой. Пример заполненного расчёта – выше, в разделе «Пример расчёта окупаемости за квартал». Скопируйте промпт в модель, которую разрешила ваша служба ИБ (ChatGPT, Claude, GigaChat, YandexGPT или другую). Модель задаст вопросы по одному и по ответам соберёт документ. Не вставляйте в ответы секреты, персональные данные и код из закрытых систем.
Сколько стоят токены
В полях стоит образец из разбора: команда из десяти инженеров. Подставьте свои числа из телеметрии инструмента, результат пересчитается сразу.
| Входные токены за сессиюшаги × стартовый контекст + добавка × сумма накопленных шагов | 720 000 |
| Выходные токены за сессиюшаги × ответ на шаг | 22 500 |
| Стоимость одной сессиивходные и выходные токены по ценам за миллион | 1,67 $ |
| Сессий на инженера в месяцсессий в день × рабочих дней | 42 |
| На инженера в месяцсессий в месяц × стоимость сессии | 70 $ |
| На команду в месяцинженеров × на инженера | 700 $ |
| На команду в квартал3 × на команду в месяц | 2 100 $ |
Расходы на ИИ и стоимость единицы поставки за квартал
Образец из разбора: те же 10 инженеров, квартал пилота. Токены взяты по ориентиру из разбора: 200 $ на инженера в месяц. Замените их фактом из данных инструмента.
| Подпискиинженеры × цена × 3 месяца | 1 200 $ |
| Платформенная работадоля ставки × 3 месяца × ставка | 3 750 $ |
| Обучениеинженеры × часы × стоимость часа | 2 400 $ |
| Итого расходы на ИИподписки + токены + железо + платформа + обучение | 13 350 $ |
| ИИ на одно изменение(токены + подписки) / единиц поставки | 120 $ |
| Стоимость единицы поставки дорасходы на команду / единиц до | 3 000 $ |
| Стоимость единицы поставки после(расходы на команду + расходы на ИИ) / единиц после | 2 722,5 $ |
| Изменение стоимости единицы(после − до) / до | −9,25% |
| Экономия на поставке(до − после) × единиц после | 16 650 $ |
Промпт для документа
скопируйте в свою модельТы – технический директор с опытом финансового планирования. Помоги мне собрать документ «Модель окупаемости ИИ в разработке на квартал» для финансового директора. Что нужно выяснить: - Был ли уже пилот, если это не ясно из ответа о текущем использовании ИИ. Если пилота не было, считаем план расходов и baseline, колонку «после» оставляем пустой и вопросы о «после» не задаём. - Расходы на ИИ за квартал – одним вопросом: лицензии и подписки; токены по API; своё железо (с учётом амортизации); платформенная команда и обучение. Если токенов ещё нет, предложи ориентир 150–250 $ на инженера с агентом в месяц и пометь его как оценку. - Число деплоев на прод за квартал до внедрения и после. Единица поставки – деплой: его считает система деплоя, а не человек. Пул-реквест и коммит не берём: с ИИ их становится больше сами по себе. - Расходы на команду за квартал до внедрения и после (зарплаты, инфраструктура, расходы на ИИ). - Дефекты на проде за квартал до и после. - Средняя стоимость 1 дефекта. - Что уже защищает от большого счёта – задай одним списком «да / нет»: лимит на сессию; лимит на инженера в день; лимит на команду в месяц; кэширование промптов; роутинг простых задач на дешёвую модель. Как считать: - Для плана до пилота бери ориентиры и помечай их как оценку. Для отчёта по итогам пилота бери только фактические числа. - Итог дай в долларах и в рублях по курсу ЦБ на дату расчёта. Если ты не знаешь курс на эту дату, спроси его последним вопросом. Если я назову другой курс, считай по нему. - Стоимость единицы = все расходы на команду за квартал, включая расходы на ИИ, делённые на число деплоев. - Эффект = (стоимость единицы до − стоимость единицы после) × число деплоев после − стоимость дополнительных дефектов. - Расходы на ИИ уже входят в стоимость единицы «после». Второй раз их не вычитай. - Покажи формулу и промежуточные числа. Если стоимость единицы не снизилась, не подгоняй цифры, а помоги объяснить, почему и что меняем. - Текст для финансового директора напиши сам: 2–3 фразы с цифрами, сроком первых достоверных данных и тем, что пока неизвестно. - Всего задай не больше 14 вопросов, включая вопросы о компании и уточнения. Правила работы: - Задавай по 1 вопросу за раз и жди моего ответа. - Начни с 4 вопросов о компании, по одному: сколько в ней инженеров; чем она занимается; есть ли жёсткие требования ИБ или регулятора; используете ли вы ИИ в разработке уже сейчас и как. Учитывай ответы дальше. - Если ответ размытый, попроси цифру или конкретный пример. - Если я не знаю ответа, предложи 2–3 варианта и коротко объясни разницу. Не придумывай данные за меня. - Если ответа нет и после вариантов, оставь поле пустым и иди дальше. На слово «собирай» собери документ из того, что есть. - Если новый ответ противоречит прежнему, скажи об этом и спроси, какой ответ верный. Если я не могу выбрать, запиши оба значения в список того, что осталось пустым или слабым. - Когда все вопросы закрыты, собери документ в формате ниже. После документа отдельным списком перечисли, что осталось пустым или слабым и как это закрыть. Формат документа: заголовок с датой «[дата]»; таблица расходов за квартал с итогом; таблица «Показатель | До | После | Изменение» со строками: деплоев в квартал, расходы на команду, стоимость единицы, дефекты; расчёт эффекта по формуле; список защит от большого счёта (есть / нет); текст для финансового директора.
Вы выбрали считать по потреблению – это правильный ответ, хотя Даниил прав, что в банке вилку придётся закрывать лимитами. Главное из блока: реальные деньги живут в потреблении токенов, а финдир верит тому, кто называет срок и признаёт неопределённость. Соберите документ по промпту и переходите дальше.
Дальше блок 05 «Безопасность и комплаенс»: В корпорации внедрение чаще всего останавливается на службе информационной безопасности, а технология и деньги мешают ему реже.
Источники блока
- Anthropic, документация по кэшированию промптов (цены)
- Разбор экономики кэширования, пример снижения счёта
- Квадратичный рост стоимости агентной сессии, разбор с расчётами
- Amazon Science, метрика CTS-SW
- DX, потолок продуктивности около 10%, февраль 2026
- Faros AI, AI Productivity Paradox, июль 2025
- Claude Code, документация о расходах на разработчика
- Прайс Anthropic, прайс OpenAI, прайс DeepSeek – цены на 9 октября 2026
- Vals AI, SWE-bench Verified и сводка SWE-bench Pro – сравнение моделей, сентябрь 2026
- Jev 1.13 на OpenRouter и InfoWorld о TypeSafe, 17.09.2026 – цена, задержка и назначение модели-классификатора; DataNorth, обзор Jev, 25.09.2026 – контекст и форматы вопросов