Цена за 1M токенов или цена задачи: как сравнивать модели ИИ

Сравнивайте модели по цене готовой задачи, а не по цене за 1M токенов. Задача стоит: токены на входе × цена входа + токены на выходе × цена выхода, умноженное на число попыток. Поэтому модель с вдвое меньшей ценой за токен вполне может принести больший счёт.

Типичная неожиданность: агент справился, прайс выглядел дёшево, а в счёте цифра больше, чем стоила сама задача. Давайте найдём, где прячется разница.

Цена за токен — это цена за килограмм#

Цена килограмма муки ничего не говорит о стоимости ужина. Нужно знать, сколько килограммов уйдёт по рецепту и не придётся ли выбросить первую партию и начать заново.

С моделями так же. Цена за 1M токенов — это цена за килограмм, задача — это ужин. Каждый запрос оплачивается по двум сторонам: токены, которые вы отправили (вход), и токены, которые модель написала в ответ (выход). Оба числа приходят в поле usage каждого ответа OpenAI-совместимого API, в том числе API CheapTokens по адресу https://api.cheaptokens.dev/v1 (проверено 29 октября 2026), так что угадывать их не нужно.

Вся формула целиком:

цена задачи = попытки × (токены на входе × цена входа + токены на выходе × цена выхода)

Допустим, задача отправляет 3 000 токенов и получает 1 000 обратно. Модель A стоит $1 за 1M токенов на входе и $5 на выходе. Модель B вдвое дешевле: $0,50 и $2,50. (Это круглые цены для примера, не чей-то прайс.)

Модель A, одна попытка:

• 3 000 × $1 ÷ 1 000 000 = $0,003 за вход
• 1 000 × $5 ÷ 1 000 000 = $0,005 за выход
• $0,003 + $0,005 = $0,008 за задачу

Модель B выглядит выгодной. Но допустим, ей нужно три попытки, чтобы получить годный результат, и каждая стоит одинаково:

• 3 000 × $0,50 ÷ 1 000 000 = $0,0015 за вход
• 1 000 × $2,50 ÷ 1 000 000 = $0,0025 за выход
• $0,0015 + $0,0025 = $0,004 за попытку
• 3 × $0,004 = $0,012 за задачу

Цена за токен вдвое ниже, цена задачи в полтора раза выше. То же самое бывает и без повторов, если B просто пишет длиннее: при 3 000 токенов на выходе за одну попытку 3 000 × $2,50 ÷ 1 000 000 = $0,0075, а $0,0015 + $0,0075 = $0,009. Всё равно дороже, чем $0,008 у A.

Верно и обратное. Если B справляется с первого раза, задача обходится в $0,004 — вдвое меньше, чем у A. Цена за токен решает дело, только когда токенов и попыток примерно поровну. Это как раз то, что стоит проверить.

Куда на самом деле уходят токены задачи#

Число токенов двигают три вещи, и в прайсе их не видно.

1. Длина ответа. Модель, которая объясняет всё подробно, пишет больше выходных токенов, чем та, что отвечает одной строкой.
2. Повторы. Неудачный или негодный ответ тоже стоил токенов, а следующая попытка платит снова.
3. Повторно отправляемый контекст. API ничего не помнит: на каждом шаге агент снова отправляет инструкции, файлы и историю. Если это для вас новость, механизм разобран в статье почему длинный чат стоит дороже.

Третье — самое тяжёлое для агентов. Возьмём кодового агента, который работает в 20 шагов. Возьмём тяжёлый шаг агента: 20 000 токенов на входе и 1 000 на выходе. Более лёгкий прогон с настоящими цифрами по шагам — в статье почему ИИ-агенты тратят так много токенов. Ответы короткие. Вход — нет.

В этой работе счёт определяет сторона входа, а выход почти не влияет. Модель с дешёвым входом может выиграть, даже если её цена выхода выглядит обычной. Прайс показывает это, только если читать его с вашей задачей в голове.

Вот именно эта работа — 20 шагов по 20 000 на входе и 1 000 на выходе — на моделях, доступных в CheapTokens. Таблица живая: числа следуют за текущими ценами, колонка OpenRouter нужна для сравнения. Если считать вход и выход вместе, все три модели в сумме дешевле OpenRouter.

Для таких агентных циклов DeepSeek-V4-Flash подходит естественно: контекст 380K, до 32 768 токенов в одном ответе и одна цена в любое время суток, так что ночной прогон стоит как дневной. Вся работа за все 20 шагов на ней выходит в $0.008. Подробности — на странице модели, цены всех моделей — в таблице цен.

Чат-бот — обратная история#

Теперь возьмём бота поддержки. Допустим, ему приходит 1 000 запросов в день, каждый — вопрос на 2 000 токенов вместе с контекстом и ответ на 500 токенов. Ни цикла, ни растущей истории, одна попытка.

Здесь цена за токен почти равна цене задачи, потому что ничто её не умножает. На GLM-5.3-Flash (контекст 390K, до 8 192 токенов в ответе) один запрос стоит $0.00006, а целый день из 1 000 запросов — $0.06.

Правило простое. Короткая разовая задача: цена за токен — честный ориентир. Цикл, работа с повторами или длинными ответами: сначала посчитайте целую задачу, потом выбирайте.

Измерьте свою задачу за десять минут#

Ваши собственные числа лучше любого примера. Скрипт ниже отправляет один запрос и печатает, сколько токенов ушло на самом деле и сколько это стоит. Цены в нём условные: подставьте текущие из таблицы цен.

from openai import OpenAI

client = OpenAI(base_url="https://api.cheaptokens.dev/v1", api_key="YOUR_KEY")

# example prices per 1M tokens, substitute current ones
PRICE_IN, PRICE_OUT = 1.00, 5.00

resp = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4-Flash-0731",
    messages=[{"role": "user", "content": "Summarize this ticket in one sentence: <your text>"}],
    max_tokens=300,
)
u = resp.usage
cost = (u.prompt_tokens * PRICE_IN + u.completion_tokens * PRICE_OUT) / 1_000_000
print(u.prompt_tokens, u.completion_tokens, round(cost, 6))

Когда всё работает, в одной строке появятся три числа: токены на входе, токены на выходе и цена этой попытки. Дальше:

1. Прогоните 20 своих настоящих задач, а не игрушечных.
2. Сложите цену каждой попытки, в том числе выброшенных.
3. Разделите на 20 — это ваша цена задачи.
4. Повторите с другой моделью и сравните два результата.

Для долгих прогонов в статье как следить за расходом токенов агента в Python к той же идее добавлены бюджет и остановка, а в сколько токенов уходит на запрос есть типичные размеры, от которых можно оттолкнуться.

Проверьте себя#

Дальше — входные и выходные токены: почему две стороны стоят по-разному. А документация проведёт от ключа до первого запроса.