Экономика токенов: во сколько обходится эпоха ИИ-агентов

Когда вы спрашиваете чат-бота о погоде, это один вызов модели и доли цента. Когда ИИ-агент разбирает вашу почту, планирует день и бронирует встречи, он совершает десятки, иногда сотни вызовов подряд — каждый тащит за собой предыдущий контекст. Цена растёт не линейно, а по нарастающей, и именно это делает экономику агентов принципиально другой, чем экономику привычного чата.

Разработчики, которые в 2024–2025 годах перешли от простых чат-интерфейсов к автономным агентам, столкнулись с одним и тем же: месячный счёт от провайдера API вырос в разы при том же числе пользователей. Причина не в подорожании токенов — за последние два года цена за миллион токенов у большинства провайдеров, наоборот, падала. Причина в том, что агент по своей природе прожорлив.

Что такое токен и почему за него платят

Языковые модели не работают со словами напрямую. Текст разбивается на токены¹ — куски примерно по 3–4 символа для английского и заметно короче для русского, где на одно слово нередко приходится несколько токенов. Провайдеры API берут плату отдельно за входные токены (то, что вы отправили модели) и за выходные (то, что она сгенерировала). Выходные обычно в 3–5 раз дороже входных.

В обычном чате баланс простой: короткий вопрос, средний ответ. В агенте всё иначе. Агент на каждом шаге получает на вход системную инструкцию, описание доступных инструментов, историю предыдущих действий и результаты вызовов. Этот контекст тащится от шага к шагу и раздувается.

Главная строка расхода в агенте — не размышления модели, а перечитывание собственной истории на каждом шаге. Вы платите за один и тот же контекст столько раз, сколько итераций делает агент.

Откуда берётся нелинейность

Представьте агента, который решает задачу за 10 шагов. Если на каждом шаге в контекст добавляется результат предыдущего вызова инструмента, то к десятому шагу модель заново читает весь накопленный лог. При наивной реализации суммарный объём входных токенов растёт примерно квадратично относительно числа шагов, а не линейно.

Отсюда практическое правило: удвоение сложности задачи может учетверить счёт. Именно на этом спотыкаются команды, которые оценивали бюджет по опыту чат-бота.

Сколько это в деньгах

Цены за миллион токенов у ведущих провайдеров меняются каждые несколько месяцев, а между моделями разброс огромный — от совсем дешёвых компактных моделей до флагманов, которые дороже в десятки раз. Актуальные цифры всегда сверяйте на страницах тарифов OpenAI, Anthropic и Google — здесь любое конкретное число устареет к моменту, когда вы это читаете.

Важнее понимать структуру. Стоимость одного прогона агента складывается так:

• Входные токены — системный промпт, описания инструментов, накопленный контекст. В долгих агентских сессиях это основная часть счёта.
• Выходные токены — рассуждения модели и её команды инструментам. Дороже за штуку, но их обычно меньше по объёму.
• Кэшированные входные токены — многие провайдеры дают скидку на повторно отправляемый неизменный контекст (prompt caching). Это ключевой рычаг экономии именно для агентов.
• Вызовы reasoning-режимов — модели с расширенным «рассуждением» тратят дополнительные токены на внутренние цепочки мыслей, и вы за них платите, даже не видя их в ответе.

Как считать бюджет до запуска

Оценить расходы можно заранее, не дожидаясь первого шокирующего счёта.

1. Посчитайте средний размер контекста на один шаг агента в токенах — сложите системный промпт, описания инструментов и типичный результат вызова.
2. Оцените среднее число шагов, которое агент делает до завершения задачи. Прогоните 20–30 реальных сценариев и возьмите медиану, а не оптимистичный минимум.
3. Умножьте, помня о накоплении контекста: суммарные входные токены ближе к квадрату числа шагов, чем к их сумме.
4. Возьмите актуальные цены за миллион токенов для вашей модели с официальной страницы тарифов и переведите в деньги.
5. Прибавьте выходные токены и учтите скидку за кэширование, если провайдер её предлагает.

Сравнение подходов к снижению цены

Кому это пригодится и кому нет

Пригодится, если вы строите продукт, где агент работает автономно и подолгу: разбор входящих обращений в поддержке, генерация и правка кода в цикле, исследовательские задачи с обходом множества источников. Здесь разница между наивной и продуманной реализацией — это разница между рентабельным продуктом и убыточным.

Пригодится и тем, кто считает себестоимость на пользователя. Если каждый активный пользователь запускает по 50 агентских сессий в день, ошибка в оценке токенов на порядок ломает всю юнит-экономику.

Не критично, если у вас классический чат-бот с короткими диалогами и без вызова инструментов. Там расходы предсказуемы и растут линейно с числом сообщений — привычная логика работает.

Не критично и для разовых экспериментов и прототипов: на маленьких объёмах разница в центах, и оптимизировать раньше времени — значит усложнять код без причины.

¹ Токен — минимальная единица, на которые модель разбивает текст перед обработкой. Это не всегда слово: длинное или редкое слово может распасться на несколько токенов, а частое короткое — уложиться в один. Для русского текста токенов на то же число символов обычно больше, чем для английского.

² RAG (retrieval-augmented generation) — подход, при котором модель перед ответом подтягивает релевантные фрагменты из внешней базы знаний вместо того, чтобы держать всё в контекстном окне. Позволяет работать с большими объёмами данных, не оплачивая их целиком на каждом шаге.