Как рассчитать расходы AI-агента

AI-агент делает не один запрос, а десятки, и на каждом шаге заново отправляет растущий диалог. Поэтому в счёте агента почти всё — входные токены, а привычная по чатам интуиция «цена за ответ» здесь не работает. Разберём, как оценить стоимость до запуска агента и куда на самом деле уходят деньги.

Формула#

Стоимость одного запроса — это входные токены, умноженные на цену входа, плюс выходные токены, умноженные на цену выхода. Цены указываются за миллион токенов:

request_cost = input_tokens / 1,000,000 × input_price
             + output_tokens / 1,000,000 × output_price

Стоимость задачи — сумма по всем запросам, которые агент сделал, пока её решал.

Почему у агентов почти всё — вход#

На каждом шаге агент отправляет модели:

• системный промпт и описания инструментов;
• всю историю на этот момент — прошлые сообщения, предыдущие ответы модели и результаты инструментов (содержимое файлов, вывод команд, результаты поиска);
• новую инструкцию.

Модель обычно отвечает коротким сообщением или вызовом инструмента. Затем результат инструмента добавляется в историю, и следующий шаг снова отправляет всё. Вход каждого шага растёт, а выход остаётся небольшим.

Разберём пример#

Условия (допущения — подставьте цифры своего агента):

• системный промпт и описания инструментов: 6 000 токенов;
• каждый шаг добавляет в историю 1 500 токенов результатов инструментов и 500 токенов ответа модели;
• задача занимает 30 шагов;
• модель: DeepSeek-V4-Flash — $0.0221 за 1M входных токенов и $0.10 за 1M выходных (текущие цены).

Вход шага n — 6 000 + (n − 1) × 2 000 токенов. За 30 шагов:

• весь вход: 30 × 6 000 + 2 000 × (0 + 1 + … + 29) = 180 000 + 870 000 = 1 050 000 токенов;
• весь выход: 30 × 500 = 15 000 токенов;
• стоимость: 1,05 × $0.0221 + 0,015 × $0.10 ≈ $0.0247 за задачу.

На вход приходится 98,6% токенов и почти вся стоимость. Насколько вход преобладает, зависит от сценария: длинные ответы, генерация файлов и рассуждающие модели увеличивают долю выхода, а сокращённая история и короткий вывод инструментов уменьшают долю входа.

Та же задача на всех моделях по текущим ценам и, для сравнения, по справочным ценам OpenRouter:

Расчёт в коде#

Тот же расчёт в виде функции — меняйте допущения и цены:

def estimate(steps, base_tokens, tool_tokens, out_tokens, price_in, price_out):
    """Токены и стоимость одной задачи агента. Цены — $ за 1M токенов."""
    grow = tool_tokens + out_tokens            # сколько каждый шаг добавляет в историю
    total_in = steps * base_tokens + grow * steps * (steps - 1) // 2
    total_out = steps * out_tokens
    cost = (total_in * price_in + total_out * price_out) / 1_000_000
    return total_in, total_out, round(cost, 5)

# примерные цены, $ за 1M токенов — подставьте текущие из таблицы цен ниже
print(estimate(30, 6_000, 1_500, 500, price_in=0.10, price_out=0.40))
# (1050000, 15000, 0.111)

Обратите внимание на квадратичный член: если шагов вдвое больше, вход вырастает примерно вчетверо. Длинные сессии дорожают не из-за отдельного шага, а потому что каждый шаг несёт всю историю.

Измеряйте, а не угадывайте#

В каждом ответе есть usage.prompt_tokens (вход) и usage.completion_tokens (выход). Запишите их для каждого шага реальной задачи, умножьте на текущие тарифы — и получите фактическую стоимость. В личном кабинете использование также видно по моделям и по дням.

Актуальные тарифы — те же данные, что на странице цен:

Семь способов сократить расходы#

1. Начинайте новую задачу для несвязанной работы. Новая сессия не тащит за собой историю предыдущей.
2. Давайте агенту фрагменты, а не файлы целиком. Функцию и места её вызова вместо модуля на 3000 строк.
3. Сокращайте вывод инструментов. Длинные логи и вывод команд остаются в истории до конца сессии — ограничивайте их, например через | tail -n 50.
4. Сжимайте длинные сессии. Многие агенты умеют сокращать историю — пользуйтесь этим до того, как контекст станет длинным.
5. Ограничивайте длину ответа через max_tokens, где длинный ответ не нужен.
6. Подбирайте модель под шаг. Рутинным шагам не нужна рассуждающая модель.
7. Держите предоплаченный бюджет. Баланс предоплаченный: когда он заканчивается, запросы останавливаются с HTTP 402, а не копят неограниченный счёт.

Сравнить, сколько та же нагрузка стоит на разных моделях и на OpenRouter, можно в блоке сравнения расходов на главной странице.