Сколько токенов съедает agentic coding на реальном проекте

Один рефакторинг модуля в agentic-режиме легко превращается в 2–5 миллионов входных токенов. Не потому, что модель много пишет, а потому что она много читает: агент по кругу открывает файлы, гоняет тесты, вставляет в контекст логи и снова перечитывает те же исходники после каждого изменения. Пользователь видит «одну задачу», биллинг видит десятки итераций. Ниже — откуда берётся счёт, чем инструменты отличаются по прожорливости и как не получить неприятный сюрприз в конце месяца.

Почему agentic coding дороже обычного чата

В классическом чате вы платите примерно за то, что видите: ваш вопрос плюс ответ модели. В agentic-режиме модель работает как агент* — сама решает, какие файлы прочитать, какие команды запустить, и делает это в цикле, пока не сочтёт задачу выполненной. Каждая итерация цикла — это отдельный запрос к модели, и в него заново уходит весь накопленный контекст.

Отсюда главная особенность биллинга: львиную долю токенов составляют входные, а не выходные. Агент прочитал файл на 800 строк, внёс правку на 5 строк, запустил тесты, получил трейс на 200 строк — и на следующем шаге всё это снова уезжает в модель как входной контекст. За десять шагов один и тот же файл может уехать в контекст десять раз.

Вы платите не за то, что агент написал. Вы платите за то, что он перечитал, — и перечитывает он охотно.

Из чего складывается расход на одной задаче

• Стартовый контекст — системный промпт инструмента, описание доступных инструментов, часто содержимое ключевых файлов проекта. Уходит в каждый запрос.
• Чтение кодовой базы — grep, открытие файлов, обход директорий. На большом монорепозитории агент может прочитать десятки файлов, прежде чем начнёт что-то менять.
• Обратная связь окружения — вывод тестов, ошибки компиляции, логи. Многословные стектрейсы на Java или TypeScript раздувают контекст быстрее всего.
• Повторы и тупики — если агент пошёл не туда, он делает лишние итерации, и каждая оплачивается.
• Собственно генерация — код и объяснения. По деньгам это часто меньшая часть, хотя выходные токены обычно тарифицируются дороже входных.

Что помогает считать: кэш и оценка порядков

Ключевой рычаг экономии — кэширование промпта**. Если стартовый контекст и уже прочитанные файлы не меняются между запросами, провайдер может тарифицировать их по сильно сниженной ставке за чтение из кэша вместо полной входной цены. У Anthropic и OpenAI такой механизм есть, и на длинных agentic-сессиях он меняет итоговый счёт в разы. Но кэш живёт недолго и «протухает» — если вы отвлеклись на полчаса, следующий запрос снова оплатит полный контекст.

Конкретные цены за миллион токенов меняются, и привязывать к ним расчёт на год вперёд бессмысленно — сверяйтесь с прайс-листами провайдеров. Но порядок величин полезно держать в голове: одна нетривиальная задача в agentic-режиме — это единицы миллионов входных токенов, а активный рабочий день разработчика с агентом — десятки миллионов. При премиум-моделях уровня флагманов это ощутимые деньги в день на человека.

Чем отличаются инструменты по расходу

Инструменты реализуют agentic-цикл по-разному, и это напрямую влияет на счёт. Сравнение ниже — по архитектуре и модели оплаты, а не по абсолютным ценам: их смотрите на официальных страницах, потому что тарифы пересматриваются часто.

Разница в модели оплаты важнее, чем кажется. Подписочные инструменты (Cursor, Copilot) прячут токены за «запросами» и лимитами — проще прогнозировать бюджет, но труднее понять, за что именно вы платите. Инструменты на своих ключах (Aider, Claude Code через API) показывают сырую цену каждого шага — больнее видеть, зато понятно, где течёт.

Как снизить расход, не ломая работу агента

1. Держите контекст узким. Указывайте агенту конкретные файлы вместо «разберись в проекте». Чем меньше он читает вслепую, тем дешевле итерация.
2. Не давайте гонять всю тестовую сюиту на каждый чих. Пусть запускает точечные тесты по задаче — длинные логи прогонов это один из главных источников входных токенов.
3. Используйте кэш осознанно. Не бросайте сессию на паузу надолго: остывший кэш = переоплата контекста заново.
4. Разбивайте крупные задачи. Одна большая задача копит контекст и тупики; три маленьких с чистого листа часто дешевле суммарно.
5. Модель под задачу. Флагман нужен для сложной архитектуры; для рутинных правок и по формату хватает модели уровнем ниже — по цене за токен разница кратная.

Кому это пригодится, а кому нет

Пригодится:

• Командам, где агент делает объёмную рутину — миграции, покрытие тестами, однотипные правки по многим файлам. Здесь экономия человеко-часов перевешивает счёт за токены.
• Тем, кто работает по своим API-ключам и хочет видеть реальную себестоимость каждой задачи, чтобы решать, что автоматизировать.
• Проектам с чистой структурой и внятными тестами: агенту дешевле ориентироваться, итераций меньше.

Скорее не пригодится:

• Для мелких точечных правок, которые быстрее сделать руками, чем объяснять агенту и оплачивать его чтение репозитория.
• На огромных легаси-монорепозиториях без тестов: агент будет много читать, часто ошибаться и накручивать итерации, а счёт полетит вверх непредсказуемо.
• Тем, кому нужен жёсткий фиксированный бюджет без сюрпризов: agentic-расход по своим ключам плохо прогнозируется заранее, здесь честнее подписочные лимиты.

* Агент — модель, которая не просто отвечает текстом, а в цикле сама вызывает инструменты (чтение файлов, запуск команд) и решает следующий шаг по их результату.

** Кэширование промпта — механизм, при котором провайдер запоминает неизменную часть контекста между запросами и берёт за её повторное чтение сниженную ставку.