Стоимость ИИ-агента нельзя определить только по цене токенов. Я разобрал все 35 тестовых диалогов бота за 19 октября. В 30 одинаковых тестах DeepSeek стоил на 8,3% дороже GPT, хотя его официальные тарифы ниже.
Клиент видит только готовый ответ. Но для его подготовки программа-агент может несколько раз запускать ИИ-модель, которая понимает вопрос и пишет текст. Каждый такой запуск оплачивается.
Почему стоимость ИИ-агента нельзя считать по прайсу токенов
Токен — это небольшая часть текста, которую модель читает или пишет. В токены превращаются правила, история разговора и готовый ответ.
На 19 октября 2026 года официальные тарифы были такими:
| Модель | Новый текст | Повторно использованный текст | Ответ модели |
|---|---|---|---|
| GPT-5.4 Mini | $0,75 | $0,075 | $4,50 |
| DeepSeek V4.1 Flash вне пиковых часов | $0,15 | $0,003 | $0,60 |
Цены указаны за миллион токенов. Скидка во втором столбце действует, только когда сервис модели повторно использует уже обработанный текст. В пиковые часы три тарифа DeepSeek становятся вдвое выше.
По этой таблице DeepSeek выглядит намного дешевле. Но цена миллиона токенов похожа на цену литра бензина. Она не показывает стоимость поездки, пока мы не знаем расход топлива и длину пути.
С агентом происходит то же самое. Одна модель может ответить сразу, а другая сначала откроет документ и снова прочитает правила. Более дешёвый токен не поможет, если таких кругов станет больше.
Есть ещё одно различие. Разработчики показывают долларовые цены для тех, кто подключает модель без посредников. Мой агент работал через платформу Suvvy. Она показывает расход в рублях и считает его по своим правилам. Поэтому официальный тариф нельзя напрямую перевести в стоимость диалога внутри Suvvy.
Как я разобрал 35 диалогов без подмены условий
Для теста я взял бота AIRAIX, который работает на платформе Suvvy. Он задаёт вопросы о компании и помогает понять, нужен ли ей ИИ-агент.
GPT и DeepSeek работали в одинаковых условиях. Они получили одну инструкцию и один справочник. Им также были доступны одинаковые действия, например открыть документ или сохранить данные клиента.
Не менялась и настройка объёма внутреннего анализа перед ответом. Поэтому во время теста различалась только модель.
Я проверил три обычные ситуации:
- Клиент запускает проверку одной короткой командой.
- В отдельном тесте клиент спрашивает, что получит в результате.
- В длинном тесте клиент отвечает на пять вопросов о бизнесе.
Каждую ситуацию я повторил пять раз на GPT и пять раз на DeepSeek. Так получилось 30 одинаково устроенных тестов. Каждый тест начинался с пустого чата, без старой переписки.
Почему нельзя смешивать все 35 диалогов
В тот день были ещё пять пробных диалогов, и я тоже включил их в проверку. Но в дополнительных тестах GPT запускали три раза, а DeepSeek два, причём разговоры отличались по длине.
Если смешать все 35 диалогов, сравнение станет нечестным. Поэтому итоговый процент я считаю по 30 одинаковым тестам. Остальные пять использую только как дополнительную проверку.
Все 35 диалогов стоили 544,9 ₽ и содержали 104 сообщения клиента. Из этой суммы 376,1 ₽ пришлось на 30 одинаковых тестов.
Для каждого диалога я записал стоимость, число токенов и действия агента. Потом проверил, не создал ли тестовый бот настоящую заявку или напоминание, но ничего лишнего не нашёл.
Отдельная программа заново сложила токены по каждому разговору. Во всех 35 случаях расчёт совпал с итогом Suvvy.
Дополнительные тесты показали похожую картину. Один и тот же короткий разговор стоил 14,8 ₽ на DeepSeek и 8,5 ₽ на GPT. Но главный вывод всё равно держится на 30 одинаковых тестах.
Этот результат относится к одному боту и одной инструкции, поэтому он не доказывает постоянное преимущество GPT. Ранее я уже разбирал, почему вокруг ИИ мало честных цифр. Здесь тоже показываю результат вместе с границами эксперимента.
Из чего сложилась стоимость ИИ-агента в трёх сценариях
Короткий вопрос и длинный разговор нельзя сваливать в одну среднюю. Поэтому сначала покажу каждую ситуацию отдельно.
| Что делал клиент | GPT, средняя цена | DeepSeek, средняя цена | Что получилось |
|---|---|---|---|
| Запустил проверку | 4,2 ₽ | 4,8 ₽ | DeepSeek дороже на 14,4% |
| Задал один вопрос | 4,3 ₽ | 7,8 ₽ | DeepSeek дороже на 84,2% |
| Ответил на пять вопросов | 27,7 ₽ | 26,5 ₽ | DeepSeek дешевле на 4,3% |
| Итого по 15 диалогам каждой модели | 180,6 ₽ | 195,5 ₽ | DeepSeek дороже на 8,3% |
Цены в таблице округлены. Проценты я сначала посчитал по точным суммам и только потом округлил.
Почему один и тот же текст занимает разное число токенов
В первой ситуации бот только отвечал клиенту, не открывая документы и не сохраняя данные. Поэтому здесь хорошо видна разница между самими моделями.
Перед ответом GPT получил 4,1 тысячи токенов. DeepSeek получил 4,7 тысячи. Это на 15,7% больше, хотя инструкция и сообщение клиента были одинаковыми.
Причина в том, что разные модели делят один текст на токены по-разному. На этом боте DeepSeek пришлось обработать больше частей текста. Поэтому первый ответ оказался дороже на 14,4%.
Этот вывод нельзя переносить на любой русский текст. Он относится к одной инструкции внутри Suvvy.
Как справочник увеличивает стоимость ИИ-агента
Во втором тесте клиент каждый раз задавал один вопрос. GPT во всех пяти попытках ответил сразу, и один диалог стоил от 4,2 до 4,3 ₽.
DeepSeek два раза тоже ответил сразу, и эти диалоги стоили 4,8 и 4,9 ₽. Но в трёх попытках модель сначала открыла справочник, поэтому цена выросла до 9,7-9,9 ₽.
Почему стоимость почти удвоилась? После открытия документа модель снова получила инструкцию и историю разговора. К ним добавился текст справочника. Вместо 4,7 тысячи токенов ей пришлось обработать 9,5-9,7 тысячи.
В среднем один ответ DeepSeek стоил 7,8 ₽. У GPT такой же ответ стоил 4,3 ₽. Разница появилась из-за лишнего обращения к справочнику.
Почему стоимость ИИ-агента нельзя сравнивать без качества
В длинном разговоре DeepSeek выглядел лучше. В среднем один диалог стоил 26,5 ₽ на DeepSeek против 27,7 ₽ на GPT. Разница составила 4,3% в пользу DeepSeek.
Но модели выполнили разную работу. В конце разговора бот должен был сохранить сведения о клиенте в его карточку. DeepSeek не сделал этого ни разу. GPT сохранил данные в трёх тестах из пяти.
Пропущенное действие тоже уменьшает счёт, но такую экономию нельзя считать преимуществом. Клиент получит ответ, а менеджер не увидит нужные данные.
У GPT была обратная ошибка. В одном тесте он сохранил данные дважды, а затем без необходимости открыл справочник. Этот диалог стоил 34,6 ₽ и стал самым дорогим.
Итог 30 одинаковых тестов выглядит так:
- GPT стоил 180,6 ₽;
- DeepSeek стоил 195,5 ₽;
- разница составила 14,9 ₽;
- 14,9 ₽ от расходов GPT — это примерно 8,3%.
Точные суммы сохранены отдельно. В статье я округляю их до десятой доли, чтобы цифры легче читались.
Семь способов снизить стоимость ИИ-агента
Не спешите менять модель. Сначала проверьте, сколько лишней работы делает нынешний агент. Новая модель получит те же правила и справочники, поэтому может повторить те же дорогие шаги.
1. Измерьте весь разговор
Выберите 3-5 частых разговоров с клиентами. Среди них могут быть вопрос о цене, подбор услуги, возражение и передача заявки менеджеру.
Каждый тест начинайте в новом чате. Записывайте стоимость и внутренние действия агента. После изменений отправляйте ему те же сообщения.
Одной попытки мало. В моём тесте DeepSeek три раза открыл справочник, а два раза ответил без него. Только повторы показали эту разницу.
2. Реже запускайте модель
На каждом новом шаге модель снова читает правила и историю. Поэтому один убранный шаг часто экономит больше, чем сокращение нескольких абзацев инструкции.
Для обычного ответа часто достаточно запустить модель один или два раза. Если агент сохраняет одно значение, дважды открывает справочник и лишь затем отвечает, проверьте необходимость каждого действия.
В другом агенте Suvvy модель запускалась пять раз для одного расчёта. Она обработала 29,1 тысячи токенов. После объединения действий осталось три запуска и 11,9 тысячи токенов. Расход снизился на 59,3% на тех же сообщениях клиента.
3. Сохраняйте данные клиента одной командой
Если агент сохраняет имя, телефон, бюджет и срок по отдельности, он четыре раза запускает сохранение. Каждый дополнительный запуск может увеличить расход.
Если процесс позволяет, пусть агент сначала соберёт сведения. Затем он сохранит их в карточку клиента одной командой.
Правило должно быть точным. В моём тесте GPT однажды сохранил данные два раза. Значит, в инструкции нужно ясно указать момент сохранения.
4. Напишите, когда не нужно открывать справочник
Если обязать агента всегда сначала открывать справочник, он будет искать документ даже после приветствия. За этот поиск тоже придётся платить.
В инструкции укажите, что хранится в справочнике и когда его открывать. Также объясните, когда он не нужен и сколько документов можно прочитать перед одним ответом.
Постоянные факты можно оставить в короткой инструкции. Цены, наличие и акции лучше хранить в одном обновляемом месте, потому что они меняются.
5. Показывайте только нужные документы
Для ответа об одной услуге модели не нужны десять документов. Каждый лишний фрагмент увеличивает объём чтения. На следующем шаге модель может прочитать его ещё раз.
На реальных вопросах проверьте, какие документы агент выбирает из справочника. Оставьте полезные документы и сократите число случайно выбранных.
Не уменьшайте число найденных документов без проверки. Иногда в одном из них записано важное правило для агента. Такое правило лучше перенести в основную инструкцию.
6. Уберите повторы из инструкции
Сначала уберите лишние действия, а потом сокращайте текст. Инструкция снова передаётся модели на каждом шаге, поэтому её размер тоже влияет на цену.
Удалите повторы, старые правила и длинные пояснения. В настройках у каждого действия агента может быть своё описание. Не копируйте в него текст основной инструкции.
Не удаляйте запреты и обязательные действия. В одном агенте после сокращения правил модель перестала здороваться в двух тестах из пяти. Самые важные правила лучше поставить ближе к началу.
В 30 сравниваемых диалогах я инструкцию не менял. Иначе было бы непонятно, что повлияло на цену: модель или новый текст правил.
7. Проверьте, что экономия не сломала работу
Проверьте первый ответ и длинный разговор из четырёх или пяти сообщений клиента. К концу беседы агент накопит историю, поэтому каждый следующий шаг может стоить дороже.
После изменений смотрите не только на текст ответа. Убедитесь, что агент прочитал нужный документ, сохранил данные и передал заявку менеджеру.
Такие действия отличают агента от обычного чат-бота. В отдельной статье я показал пять таких различий, которые видны в системе учёта клиентов.
Если обязательное действие исчезло, расходы снизились только на бумаге. Если агент сделал одно действие дважды, это тоже ошибка.
Как проверить стоимость ИИ-агента после изменений
Считайте цену только вместе с результатом. Дешёвый разговор невыгоден, если агент забыл сохранить данные или передать заявку.
Для проверки достаточно простой таблицы из четырёх столбцов:
- Что написал клиент.
- Сколько стоил диалог.
- Какие внутренние действия выполнил агент.
- Выполнил ли он задачу до конца.
Показывайте не только среднюю цену. В тесте DeepSeek средняя цена ответа составила 7,8 ₽. Но за ней скрывались две группы: 4,8-4,9 ₽ без справочника и 9,7-9,9 ₽ со справочником.
За один раз меняйте только один вид настроек. Сначала уберите лишние шаги и повторите тест. Затем настройте справочник и снова повторите. Так вы увидите, какая правка действительно помогла.
Пять повторов помогают найти крупный перерасход. Но один бот не создаёт общий рейтинг моделей. Для другого агента нужно повторить тест на его инструкции и задачах.
Точные данные по всем 35 диалогам я сохранил отдельно. Они нужны только для проверки расчётов, поэтому в статье показываю понятные итоги.
Частые вопросы
От чего зависит стоимость ИИ-агента?
Она зависит от цены модели и объёма текста, который та прочитала. На итог также влияет число внутренних действий до ответа клиенту.
Почему дешёвая модель может тратить больше денег?
Она может обработать больше текста или сделать больше внутренних шагов. На каждом шаге модель снова читает инструкцию и историю разговора.
Сколько тестовых диалогов нужно провести?
Для первой проверки возьмите 3-5 частых разговоров. Повторите каждый несколько раз, потому что агент может вести себя по-разному.
Нужно ли сразу сокращать основную инструкцию агента?
Нет. Сначала найдите лишние обращения к модели и справочнику. Затем уберите повторы из инструкции и проведите те же тесты ещё раз.
Можно ли оценивать экономию только по токенам?
Нет. Рядом с расходами отметьте, выполнил ли агент задачу. Иначе пропущенное действие будет выглядеть как удачная экономия.
Если хотите проверить своего агента, напишите мне в личку слова «Экономия токенов». Я пришлю готовую инструкцию и объясню, как использовать её в ИИ-сервисах Codex или Claude. Если вы ими не пользуетесь, отправлю обычный пошаговый список.