Токены и цена: сколько стоит час работы ИИ-агента

Нейросети считают не слова и не запросы, а токены. От них зависит цена каждого ответа и каждого хода агента. Разберём, что такое токен, почему ответ модели дороже вопроса, как кэш снижает цену в десятки раз и сколько в рублях выходит час работы агента на разных моделях.

Что такое токен

Токен это кусок текста, с которым работает модель: частое слово целиком, часть длинного слова, знак препинания или отступ в коде. В английском тексте токен в среднем около 3-4 символов. Русский текст обычно занимает больше токенов на слово, потому что словарь моделей собран в основном на английском. Код тоже дробится: имена переменных, скобки, пробелы в начале строк.

Модель видит и считает всё: ваш вопрос, историю диалога, системные инструкции, содержимое прочитанных файлов, вывод команд и свой собственный ответ. Всё это и есть токены, за которые идёт оплата.

Вход, выход и кэш

Цену за токены разработчики моделей указывают за миллион (1M) и делят на три части:

• Вход: всё, что модель читает. Самая большая часть объёма.
• Выход: то, что модель пишет. Обычно в 4-5 раз дороже входа, потому что каждый токен ответа генерируется по одному.
• Чтение из кэша: повторный вход, который модель уже видела недавно (начало диалога, файлы проекта). Стоит в 10-20 раз дешевле обычного входа.

У Anthropic чтение из кэша по умолчанию стоит 10% цены входа, а у Opus 5.5 и Sonnet 5.5 всего 5%. Запись в кэш, наоборот, немного дороже обычного входа: 1,25 цены при хранении 5 минут. Кэш окупается со второго обращения, а в работе агента обращений десятки.

Почему агент тратит больше чата

В чате вы задаёте вопрос, модель отвечает, и всё. Агент делает десятки шагов: ищет, читает файл, правит, запускает тест, читает вывод. На каждом шаге модель заново получает весь диалог с прочитанными файлами, потому что у неё нет памяти между запросами. Поэтому на вход уходят сотни тысяч токенов, а на выход всего несколько тысяч.

Здесь и спасает кэш: повторяющееся начало диалога читается по цене кэша. В документации Claude Code в примере сессии 91% входных токенов прочитаны из кэша, а средний расход в компаниях около $13 на разработчика в рабочий день, у 90% пользователей меньше $30.

входа из кэша в примере сессии агента из документации Claude Code

91%

дешевле обычного входа чтение из кэша у Claude Opus 5.5 и Sonnet 5.5

в 20 раз

дороже входа стоит выход у большинства моделей

в 4-5 раз

Цена падает, но не везде одинаково

Цена за один и тот же уровень способностей падает очень быстро. По оценке a16z, модель уровня GPT-3 в 2021 году стоила $60 за миллион токенов, а в 2024 году такой уровень давала Llama 3.2 3B за $0,06: в тысячу раз дешевле за три года. Epoch AI насчитала похожее для уровня GPT-4: $37,5 в марте 2023 года и $0,18 у Gemini 2.0 Flash в феврале 2025 года.

Но это цена старого уровня. Флагманы каждого года стоят примерно одинаково, а рассуждающие модели тратят больше токенов на задачу. Поэтому сильная модель в 2026 году не в сто раз дешевле сильной модели 2023 года, зато её ход решает задачи, которые тогда не решались вовсе.

Сколько стоит час агента в рублях

В «Шмеле» оплата идёт с баланса в рублях: каждый запрос списывает ровно столько, сколько стоили его токены, по цене на момент запроса. Чтобы не пересчитывать доллары и токены, рядом с моделью показана оценка часа работы агента. Калькулятор берёт эти оценки из текущего каталога:

Как тратить меньше

• Режим «Авто»: средняя модель для обычных ходов, сильная только для плана, самая дешёвая для служебных запросов. Баланс расходуется медленнее, чем на одной сильной модели.
• Новая задача, новый чат. Длинный диалог с десятком старых файлов дорожает с каждым шагом. Если тема сменилась, начните заново.
• Конкретная постановка. «Почему падает тест в auth/refresh.ts» обойдётся дешевле, чем «посмотри, что не так в проекте»: агенту не придётся читать лишнее.
• Потолок трат в день. Сумма, больше которой агент за сутки не потратит. Полезно, когда агент работает без вас.