У обычного софта две статьи расходов: разработка и хостинг. Когда продукт готов, лишняя тысяча пользователей почти ничего не стоит.
С ИИ-функциями так не выйдет. Каждое использование стоит денег, и счёт растёт вместе с успехом. Функция, которая нравится людям, — это функция, которая с каждым месяцем обходится всё дороже. Для продуктового решения это странная и непривычная конструкция.
До запуска это почти никто не считает. Демо работает, один вызов модели стоит копейки, цифра выглядит маленькой — и никто не умножает её на то, сколько раз за год функция будет вызвана.
Ниже — реальные цифры из систем, которые мы построили: сколько они стоили и какие четыре вещи на самом деле сдвинули эти цифры.
Сначала узнайте цифру
Первое правило скучное, но решает именно оно: записывайте стоимость каждого вызова, включая неудачные.
В BiliMind, нашем ИИ-генераторе курсов, единый клиент оборачивает каждый вызов модели и на каждый вызов — успешный или нет — пишет строку с реальным числом токенов и стоимостью. Это не бухгалтерская гигиена ради гигиены. Это измерительный прибор, без которого невозможно ни одно из решений ниже: нельзя оптимизировать цифру, которой у вас нет.
Сбои особенно важны. Цикл повторных попыток, который тихо удваивает стоимость каждого успешного результата, никогда не всплывёт в среднем значении, на которое кто-нибудь смотрит.
Реальные цифры
Сгенерированный курс
BiliMind создаёт курсы на 20 языках в 27 форматах уроков. Замеры на этапе разработки:
- План курса на 12–20 узлов строился 3–6 минут и стоил около $0,03.
- Каждый развёрнутый урок обходился примерно в один цент.
Три цента за план — вроде бы ерунда. Но курс из тридцати уроков — это ещё тридцать центов, и интересное решение вытекает из соотношения, а не из абсолютных цифр.
Спланировать курс пользователь может бесплатно. Платит он только за уроки, написанные целиком. Уроки разворачиваются поштучно и только по запросу. Это продуктовое решение прямо следует из замеренной стоимости: дешёвый и ценный шаг отдаётся даром, а к деньгам привязан тот шаг, который растёт линейно вместе с использованием.
В тех же цифрах спрятано и второе решение. Дорогая модель пишет только план — исходя из того, что за структуру платить стоит, — а более дешёвая разворачивает уроки, перегенерирует их и проверяет. Большая часть вызовов идёт через дешёвую модель. Меньшинство, от которого зависит качество, — через дорогую.
Пайплайн исследований и текстов
ИИ-пайплайн контента Finkonkurs по каждой сущности выдаёт энциклопедическую статью на 220–380 слов и FAQ на русском и английском — по итогам трёх параллельных исследовательских проходов с опорой на веб-поиск.
Три замера изменили его экономику:
- Gemini 3 Flash выдал качество на уровне 3.1 Pro примерно за четверть цены — на этой задаче. Не на любой, а именно на этой, и это проверено.
- На веб-поиск приходилось около 80% стоимости каждой генерации. Такой факт перекраивает всю дорожную карту: дорого стоило не написание текста, а поиск информации. Описания бирж и сетей сняли с модели, которая этот поиск выполняла.
- При сборе досье на людей отказ от шага идентификации для уже известного человека сократил долю в $0,16–0,25 из $0,74 за досье примерно до $0,02.
Последний пункт легче всего перенести на другие проекты. Изрядная часть расходов на ИИ уходит на то, чтобы заново выяснять то, что система и так уже знает.
Голосовой разговор
ИИ-администратор Bronjoy принимает запись голосом на узбекском и русском. Полная запись в три реплики обходилась примерно в 120–150 сумов — около одного американского цента на тестовых звонках.
Задержка и стоимость там двигались вместе. Если сначала расшифровывать речь и только потом рассуждать, на телефонном качестве звука это добавляло 1,8–2,7 секунды на каждую реплику, поэтому аудио отправляется прямо в модель. А edge-tts выдавал первый звук за 0,5 секунды против 6,6 секунды у альтернативы — разница в 13 раз ровно в том, что звонящий ощущает на себе.
Четыре рычага
Каждое снижение стоимости, которого мы добились, укладывается в одну из четырёх категорий.
1. Большую часть работы отдайте дешёвой модели
Не одна модель на всё. Подбирайте уровень модели под конкретный шаг.
BiliMind платит за структуру и экономит на развёртывании уроков. Nomadeo делает один вызов «восприятия» на каждое входящее сообщение и в одном структурированном ответе получает язык, намерение, сигналы, сущности, факты-кандидаты и подозрение на промпт-инъекцию, а рассуждения модели по умолчанию выключены — их включают только для возражений, переговоров и закрытия сделки. Дорогой режим существует, но выдаётся по карточкам — ровно в те моменты, которые его оправдывают.
2. Не платите дважды за одно и то же
Самая крупная экономия из доступных — и она архитектурная, а не хитроумная.
И Finkonkurs, и BiliMind жёстко держатся правила «плательщик один»: платные запуски отправляет только среда разработки, а продакшн только преобразует — читает общую базу данных, но никогда не запускает парсинг и не тратит ИИ-кредиты. Один и тот же текст применяется из общего реестра без повторной оплаты.
Для обычного бизнеса аналог этого — кеширование. Если два клиента за неделю задали один и тот же вопрос, платить нужно за один ответ. Если генератор описаний товаров дважды просят описать один и тот же товар, второй раз должен быть бесплатным.
3. Режьте дорогой шаг, а не дешёвый
Находка Finkonkurs — веб-поиск на 80% стоимости — и есть типичная картина. Прежде чем оптимизировать промпты, выясните, какой шаг съедает больше всего. Часто это не тот, на который вы думаете, и часто это что-то рядом с моделью, а не сама модель: поиск, обработка изображений, длинный документ, который заново отправляется на каждой реплике.
4. Падайте рано и громко
Запуск, который прошёл через пять дорогих шагов и выдал что-то непригодное, обошёлся вам во все пять.
В пайплайне Finkonkurs есть защита на этапе исследования: запуск прерывается до синтеза, если хоть один проход упёрся в лимит запросов, в пустой баланс или вернулся пустым. Для валют нужны все три источника, для бирж и сетей — минимум два. А узлы исследования фиксируют HTTP-статус, поэтому 429 или 403 роняют запуск с указанием причины, а не публикуют заглушку поверх существующего описания.
Вторая половина — это одновременно экономия и защита качества. Дорогой сбой — это не потраченный впустую вызов, а плохой результат, который дошёл до продакшна и который теперь нужно найти и откатить.
Лимиты и деградация вместо остановки
Оптимизация снижает среднее. От плохого месяца она не спасает — от всплеска трафика, зацикливания, недобросовестного пользователя, бага, который повторяет запрос до бесконечности.
Для всего, что работает с клиентами, мы бы рекомендовали подход Nomadeo. Расходы ограничены глобально и отдельно для каждого клиента платформы. Упёршись в лимит, агент деградирует ступенями: сначала модель подешевле, потом только кеш, потом человек. Стоимость учитывается в микродолларах, а менеджеры видят не названия моделей, а обезличенные метки — «быстро», «сбалансированно», «глубоко».
Тут стоит перенять две вещи. Деградируйте, а не выключайте: исчезнувшая функция — это авария, а функция, которая стала чуть менее умной, — это неудобство. И скрывайте названия моделей от оператора, чтобы продуктовое решение оставалось за вами, когда провайдер поменяет линейку.
Ставьте и жёсткие лимиты на входе. Демо ИИ-администратора ограничивает сессию 30 репликами или 10 минутами и пускает не больше 20 сессий в час с одного IP — эти лимиты нужны для того, чтобы у худшего сценария был потолок.
Посчитайте, прежде чем строить
Четыре цифры на одной странице — до того, как кто-то напишет хоть строчку кода.
- Стоимость одного использования. Прогоните реальный промпт на реальных данных двадцать раз и возьмите среднее, включая повторные попытки. Не прикидывайте по странице с тарифами.
- Число использований в месяц — при том объёме, который вы ждёте, если функция взлетит, а не при сегодняшнем.
- Расход в месяц = 1 × 2. Потом умножьте на три: первая версия всегда дороже оптимизированной, а внедрение обычно идёт рывками.
- Что функция заменяет или приносит — в тех же единицах.
Если по-честному выходит впритык, делайте версию поуже. Если стоимость одного использования превышает несколько процентов от ценности результата, функцию нужно проектировать иначе — обычно это модель подешевле, кеш или человек, который берёт на себя редкие дорогие случаи.
И ставьте счётчик с первого дня. Функцией, стоимость которой вы не знаете, нельзя управлять, а в тот момент, когда цифра вам понадобится, счёт уже будет лежать на столе.
Наши проекты по внедрению ИИ и автоматизации стоят от $299 и занимают от одной до трёх недель, а экономику каждого использования мы разбираем на аудите процессов, а не обнаруживаем на втором месяце работы.
Расскажите, что вам нужно. В ответ вы получите фиксированную цену и дату сдачи — бесплатно и без обязательств продолжать.
Частые вопросы
Разве эти расходы не падают так быстро, что о них можно не думать?
Цены за токен сильно упали и, скорее всего, продолжат падать. Но две вещи мешают этому решить проблему. Использование растёт, пока не заполнит весь бюджет: дешевле вызовы — значит больше вызовов, длиннее контекст и больше шагов. И ваши расходы — это не только токены: поиск, хранение, повторные попытки и очередь ручной проверки дешевеют совсем не по той же кривой.
Может, развернуть модель у себя, чтобы не платить за каждый вызов?
Так вы превращаете переменные расходы в постоянные, а это выгодно только начиная с определённого объёма — и добавляет эксплуатационную работу, за которую большинству небольших команд лучше не браться. Честная проверка такая: превышают ли ваши ежемесячные расходы на API то, сколько взял бы толковый специалист за обслуживание инфраструктуры. Если нет, облачный вариант в сумме дешевле.
Как не дать пользователям раздуть счёт?
Лимиты запросов на пользователя и на период, потолки расходов с плавной деградацией и привязка дорогого шага к осознанному действию, а не к загрузке страницы. Структура BiliMind — наглядный пример: просматривать и планировать можно бесплатно, а шаг, который стоит денег, пользователь запрашивает явно.
Есть ли смысл оптимизировать, пока нет пользователей?
Измеряйте до того, как появятся пользователи, оптимизируйте — после. Заложите логирование стоимости с самого начала, потому что прикручивать его потом — мучение, а дальше пусть реальное использование покажет, какой шаг главный по расходам. Оптимизируя предполагаемое узкое место, команда Finkonkurs потратила бы неделю на промпты, пока поиск тихо съедал 80% счёта.
Какая ошибка встречается чаще всего?
Отправлять всю историю переписки или весь документ на каждой реплике. В демо из трёх сообщений этого не видно, а в продакшне с тридцатью это главная статья расходов. Прежде чем менять что-то ещё, проверьте, что вы на самом деле отправляете.
