Сколько стоит LLM для бизнеса: считаем токены на реальных сценариях

Вопрос «сколько стоит нейросеть для бизнеса» обычно встречают ответом вида «$0.15 за миллион токенов». Число честное, но бесполезное: без сценария оно ничего не говорит о вашем бюджете. Миллион токенов — это примерно 750 000 слов, то есть десяток книг; ваш чат-бот может «съесть» его за день или за год — зависит не от модели, а от продукта. В этой статье мы делаем обратное движение: берём три типичных бизнес-сценария, считаем объём токенов по ним и переводим результат в BYN за месяц. В конце — таблица-сводка и пять проверенных способов резать расход без потери качества.

Азбука токенов: что именно вы покупаете

Токен — единица, в которой модель читает и пишет текст. Для английского 1 токен ≈ 0.75 слова (4 символа); для кириллицы из-за кодировки получается плотнее — примерно 2–3 символа на токен, то есть русский текст «токенизируется» дороже, чем кажется на глаз. Страница А4 сплошного русского текста — это примерно 1 500–2 000 токенов.

Важнее другое: цена всегда двойная. Input-токены (ваш запрос, system-промпт, история диалога, документ на обработку) стоят дешево. Output-токены (генерируемый ответ) — в 3–5 раз дороже, потому что генерация дороже чтения. Поэтому один и тот же объём «до» и «после» модели стоит по-разному, и в расчётах их нужно считать отдельно.

В AIIN цены моделей публикуются в каталоге /models/ — в BYN за 1M токенов, отдельно вход и выход. Все примеры ниже считаем на openai/gpt-4o-mini как на типичной «рабочей лошадке» для продуктовых задач; актуальные цифры всегда проверяйте в каталоге — цены обновляются.

Сценарий 1: чат-бот поддержки

Допустим, ваш бот закрывает 300 диалогов в день. В среднем диалог — 6 реплик, и вместе с system-промптом, историей переписки и подмешанной базой знаний каждый запрос несёт ~1 100 input-токенов; ответ бота — ~400 output-токенов. Итого ~1 500 токенов на диалог.

• В день: 300 × 1 100 = 330K input и 300 × 400 = 120K output.
• В месяц: ~9.9M input и ~3.6M output токенов.

На ценах порядка 0.5 BYN/1M входа и 2 BYN/1M выхода (ориентир по каталогу — /models/) это даёт около 12 BYN в месяц. Для первой линии поддержки, которая закрывает часть тикетов без оператора, — сумма на уровне пары обедов. Ключевой вывод: в этом сценарии расход двигают не ответы, а «жирные» system-промпты и длинная история, которую вы тащите в каждый запрос.

Сценарий 2: суммаризация документов

Второй частый кейс — сжатие входящих документов: договоры, отчёты, почтовые треды. Пусть поток — 100 документов в день по 10 000 токенов каждый (20–30 страниц), на выходе вы хотите выжимку в ~1 000 токенов.

• В день: 1M input + 100K output.
• В месяц: ~30M input и ~3M output.

На тех же ценах — примерно 20–25 BYN в месяц. Заметьте асимметрию: здесь доминирует вход, поэтому апгрейд на более дорогую модель (с качественным пониманием юридических формулировок) бьёт по бюджету сильнее, чем в чат-боте. Середина золотая — каскад: дешёвая модель делает черновик выжимки, дорогая — финальную проверку только спорных фрагментов.

Сценарий 3: AI-ассистент в коде для команды из 5 разработчиков

Кодовые ассистенты (автодополнение, чат по репозиторию, ревью) генерируют самый «жирный» трафик: контекст — это целые файлы и diff'ы. Типичная оценка: ~100K input и ~10K output токенов на разработчика в день.

• Команда из 5: 500K input + 50K output в день.
• 22 рабочих дня: ~11M input и ~1.1M output в месяц.

На экономичной модели это 8–10 BYN в месяц на команду; на топовой reasoning-модели расход вырастает в 5–10 раз, но часто это всё равно остаётся дешевле одного рабочего часа инженера, который модель экономит ежедневно. Здесь имеет смысл разделять задачи: автодополнение — дешёвой быстрой моделью, сложные ревью — дорогой.

Сводка: три сценария в одной таблице

Цифры — ориентир, а не тариф: подставьте свои объёмы и текущие цены из каталога моделей. Формула простая: (input/1M × цена_входа) + (output/1M × цена_выхода).

Пять способов снизить расход

1. Короткие system-промпты. Инструкция на 800 токенов умножается на каждый запрос. Сжимайте её, выносите редко меняющиеся правила в базу знаний, подмешиваемую по необходимости.
2. Каскад моделей. Дешёвая модель первым проходом классифицирует запрос; сложные 10–20% эскалируются на дорогую. Средняя стоимость запроса падает в разы.
3. Лимиты max_tokens. Без потолка модель любит «договаривать». Ставьте явный лимит ответа под задачу — 300 токенов для поддержки, 1 000 для выжимки.
4. Кеширование контекста. Повторяющиеся префиксы (длинный документ, база знаний) не стоит гонять заново — храните результаты промежуточных вызовов и переиспользуйте summary.
5. Мониторинг usage. Раз в неделю смотрите расход по ключам в кабинете: аномальный рост по одному сценарию — почти всегда раздутый промпт или зацикленный ретрай.

Частые вопросы