Вы переплачиваете за ИИ почти в 10 раз. Как это исправить

Когда основатель жалуется мне, что ИИ съедает маржу, я прошу показать одну вещь: какая модель отвечает на простой вопрос вроде где мой заказ. Почти всегда ответ один и тот же. Самая дорогая. Та же, что пишет сложную аналитику.

Это как возить пиццу на бронированном лимузине. Доедет, но экономика не сойдётся. Хорошая новость: большая часть переплаты убирается четырьмя настройками, и ни одна из них не требует переписывать продукт.

Все цифры ниже взяты из официального прайса Anthropic на сентябрь 2026 года. У других провайдеров логика та же, отличаются только ставки.

Сначала посмотрите на прайс#

• Claude Opus 5: $5 за миллион входных токенов и $25 за миллион выходных.
• Claude Sonnet 5: $2 и $10. Кстати, Anthropic отказалась от запланированного на 1 сентября повышения до $3 и $15, так что вводная цена стала постоянной.
• Claude Haiku 4.5: $1 и $5.

В глаза бросаются две вещи. Разница между верхней и нижней моделью пятикратная. А выходные токены у всех в пять раз дороже входных. Отсюда и растут все способы экономии.

Считаем на живом примере#

Возьмём бота поддержки на 100 тысяч обращений в месяц. В каждом запросе 8000 токенов неизменной части (инструкции, база знаний, описание инструментов), 500 токенов вопроса клиента и 400 токенов ответа.

Вариант по умолчанию: всё идёт в Opus 5. Вход 850 млн токенов на $4250, выход 40 млн токенов на $1000. Итого $5250 в месяц.

Теперь применяем настройки по очереди.

Настройка 1. Простое отдайте дешёвой модели#

В поддержке обычно четыре вопроса из пяти типовые: статус заказа, возврат, смена адреса. С ними спокойно справляется Haiku. Сложные случаи, жалобы и всё, в чём модель не уверена, уходят в Opus. Решение принимает сама дешёвая модель или простой набор правил, а при сомнении запрос поднимается на уровень выше.

Считаем: 80% трафика на Haiku стоят $840, оставшиеся 20% на Opus стоят $1050. Итого $1890. Уже почти втрое дешевле, и качество на сложных вопросах не пострадало, потому что ими по-прежнему занимается сильная модель.

Тот же принцип работает между провайдерами: рутину можно отправлять в самую дешёвую подходящую модель на рынке, а сложное в лучшую. Главное, чтобы маршрутизатор был вашим собственным, а не сторонним сервисом. Через такие посредники, как показал свежий отчёт Anthropic, утекают переписки и ключи.

Настройка 2. Не платите дважды за одно и то же#

Те самые 8000 токенов инструкций и базы знаний одинаковы в каждом запросе, и без кэша вы оплачиваете их 100 тысяч раз. С кэшем модель читает их из памяти по цене 10% от обычного входа. Запись в кэш стоит в 1,25 раза дороже обычного входа, если хранить 5 минут, и в 2 раза дороже, если хранить час. Поэтому пятиминутный кэш окупается уже на втором запросе.

В разработке это почти бесплатно: в API Anthropic достаточно добавить одно поле cache_control на верхнем уровне запроса, дальше система сама расставит точки кэширования. Правило одно: всё неизменное ставьте в начало запроса, всё переменное в конец.

Считаем: Haiku теперь стоит $264, Opus $330. Итого около $600 плюс небольшие расходы на запись в кэш. Против исходных $5250 это почти в 9 раз меньше.

Настройка 3. Всё, что не горит, отправляйте пакетами#

Ночная разметка обращений, сводки, перевод каталога, классификация документов. Если результат нужен не прямо сейчас, отправляйте такие задачи через Batch API. Там скидка 50% и на вход, и на выход, и она складывается с кэшем. На задачах, где ответ может подождать, это ещё одно деление счёта пополам.

Настройка 4. Короткие ответы#

Раз выход в пять раз дороже входа, самый дорогой токен это лишнее слово в ответе. Просите структурированный формат вместо эссе, ставьте разумный лимит на длину и убирайте вежливые вступления, которые никто не читает. Если сократить ответ с 400 до 250 токенов, выходная часть счёта станет меньше почти на 40%.

Три ловушки, на которых теряют деньги#

Новый токенизатор. Модели Claude начиная с версии 4.7 используют токенизатор, который, по данным Anthropic, даёт примерно на 30% больше токенов на тот же текст. Переезжая на новую модель, пересчитайте бюджет, а не только цену за миллион.

Бездонный контекст. Контекст в 1 млн токенов у современных моделей тарифицируется по обычной цене, и это соблазн складывать в запрос всю документацию разом. Не надо. Подгружайте только нужные фрагменты, остальное это деньги на ветер.

Инструменты агента. Веб-поиск через API стоит $10 за тысячу поисков сверх токенов. Загрузка страниц отдельно не тарифицируется, но всё загруженное превращается во входные токены. Агент, который на каждый вопрос делает десять поисков, быстро становится самой дорогой строкой в счёте.

С чего начать завтра#

• Включите учёт токенов по каждой функции продукта. В ответе API уже есть поля с количеством входных, выходных и кэшированных токенов.
• Найдите три самые дорогие функции и посмотрите, какая модель их обрабатывает.
• Включите кэш для всех запросов с длинными инструкциями.
• Уведите типовые запросы на дешёвую модель и сравните качество на сотне реальных примеров.
• Всё, что может подождать, переведите в пакетную обработку.

Сама Anthropic в документации советует ровно это: простые задачи на Haiku, основную нагрузку на Sonnet, самые сложные рассуждения на Opus, плюс кэш и пакеты. Разница лишь в том, что большинство команд эти советы пролистывает.

ИИ не дорогой. Дорого отправлять каждый вопрос самому умному сотруднику компании.