Сколько стоят токены: как считать расходы на API OpenAI, Claude и Gemini

Счёт за API часто удивляет сильнее тарифа на экране: модель берёт деньги за каждый токен входного и выходного текста, а не за «один запрос». Ниже - как устроен биллинг OpenAI, Claude и Gemini, как посчитать месячный бюджет и где бизнес обычно переплачивает.

• Токен - единица тарификации: примерно 3-4 символа или часть слова
• Входные токены дороже по объёму, выходные дороже за 1M - длинный контекст бьёт по счёту сильнее «короткого умного ответа»
• Формула - (input_tokens / 1M) × input_price + (output_tokens / 1M) × output_price
• Ориентиры июля 2026 - GPT-5.6 Luna/Terra/Sol, Claude Sonnet 5 / Opus 4.8 / Fable 5, Gemini 3.5 Flash / 3.1 Pro
• Скрытые расходы - системный промпт, история чата, RAG-чанки, повторные попытки, вызовы инструментов
• Экономия - младшая модель на рутину, кэширование/пакетная обработка, обрезка контекста, эскалация на флагман только по сложным кейсам

Что такое токен и почему это не «слово»

Токен - фрагмент текста после токенизации модели. Это не обязательно целое слово: «программирование» может стать 2-3 токенами, а пробелы и пунктуация тоже считаются. Для оценки объёма удобно помнить:

Точная нарезка зависит от токенизатора провайдера - поэтому для биллинга смотрите usage в ответе API, а не «прикидку на глаз». Подробнее про лимит одного запроса - в материале про контекстное окно.

Как считается цена API

У всех трёх вендоров схема одна:

1. Считаются входные токены (system + user + история + вложения/чанки).
2. Считаются выходные токены (ответ модели; иногда отдельно - токены рассуждений).
3. Ставка берётся за 1 миллион токенов (1M), отдельно для input и output.
4. Итог за вызов:

cost = (input_tokens / 1_000_000) × price_input
     + (output_tokens / 1_000_000) × price_output

Важные нюансы:

• Выходные токены почти всегда дороже входных в 4-6 раз - длинные ответы и «рассуждения» быстро раздувают счёт.
• Длинный контекст у части моделей дороже выше порога (у OpenAI GPT-5.6 - выше 272K; у Gemini 3.1 Pro - выше 200K).
• Batch API и кэширование промпта снижают цену на повторяющемся system/RAG-контексте - но только если архитектура это позволяет.
• Подписки на пользователей в ChatGPT / Claude / Gemini Workspace - другая статья расходов, не путайте с оплатой за токены в API. Сравнение платформ для людей - в ChatGPT против Claude и Gemini.

Тарифы июля 2026: ориентиры для расчёта

Цены меняются - перед продакшеном сверяйте официальный прайс. Ниже - рабочие ориентиры из обзора моделей июля 2026 (USD за 1M токенов, standard).

OpenAI (GPT-5.6)

При input свыше 272K у GPT-5.6 действует тариф за длинный контекст (ориентир: input ×2, output ×1.5).

Anthropic (Claude)

С 1 сентября 2026 у Claude Sonnet 5 ориентир: $3.00 / $15.00 за 1M.

Google (Gemini)

У Gemini 3.1 Pro выше 200K токенов - повышенный тариф (ориентир: $4.00 / $18.00 за 1M).

Примеры расчёта

Пример 1. Ответ поддержки: короткий диалог

Исходные данные на один тикет:

• input: 1 200 токенов (инструкция + вопрос + 2 реплики истории);
• output: 400 токенов;
• объём: 50 000 тикетов / месяц.

Для L1-поддержки флагман почти никогда не окупается: важнее качество извлечения и право сказать «не знаю», чем максимальный бенчмарк.

Пример 2. Суммаризация договора с большим контекстом

Исходные данные на один документ:

• input: 80 000 токенов;
• output: 2 000 токенов;
• объём: 2 000 документов / месяц.

Здесь главная статья - input. Дешевле не «короче отвечать», а не тащить весь PDF, если достаточно релевантных кусков через RAG.

Пример 3. Агент с инструментами: скрытый множитель

Один «запрос пользователя» у агента часто = 5-20 вызовов модели (план → tool → наблюдение → снова план). Если каждый шаг тащит полный system + историю:

стоимость_агента ≈ стоимость_одного_вызова × число_шагов

10 шагов по 8K input / 500 output на Terra - это уже не «один чат за цент», а ощутимые доллары на сложный кейс. Закладывайте в бюджет не UI-сообщения, а трейсы агента (полную цепочку шагов и вызовов инструментов).

Где бизнес переплачивает

1. Один флагман на всё. Sol / Fable 5 на классификацию писем и FAQ - классическая утечка бюджета.
2. Жирный системный промпт + полная история в каждом вызове. Повторяющийся контекст без кэширования умножает объём входных токенов.
3. RAG без лимита чанков. Десять кусков «на всякий случай» дороже двух релевантных - и хуже по качеству.
4. Повторные попытки и запасной вариант без учёта. Таймаут → повтор → вторая модель = двойной счёт за один пользовательский клик.
5. Длинный output «на всякий случай». Высокий max_tokens + размытый промпт = модель пишет простыню.
6. Путаница seat vs API. Подписка Team не отменяет счёт за токены продукта, бота и автоматизаций.
7. Игнор тарифов за длинный контекст. Перевалили порог 200K/272K - ставка прыгает, а дашборд ещё показывает «среднюю» цену.

Как считать бюджет на месяц

Практичный шаблон для финансов и CTO:

1. Разбейте трафик на сценарии (чат поддержки, суммаризация, агент, эмбеддинги отдельно).
2. Для каждого сценария возьмите медиану input/output из логов (не «идеальный демо-запрос»).
3. Умножьте на месячный объём запросов / шагов агента.
4. Добавьте запас 20-40% на повторные попытки, пики и эксперименты.
5. Отдельно заложите смену модели: пилот на младшей + эскалация на старшую по правилам.

Мини-таблица планирования:

Без такой таблицы выбор «самой умной модели» - лотерея, а не финансы.

Как снизить расходы без потери качества

• Маршрутизация моделей. Классификация и черновики - Luna / Flash / Sonnet; сложный код и длинные агентные цепочки - Sol / Fable 5.
• Инженерия контекста. Режьте историю, держите короткий system, не дублируйте одни и те же инструкции. См. инженерию контекста.
• RAG вместо «всё в промпт». Меньше input - ниже счёт и меньше риск галлюцинаций от шума.
• Кэширование промпта и batch. Повторяющиеся инструкции и ночная пакетная обработка часто дешевле realtime.
• Жёсткий лимит output. Structured output (JSON) вместо эссе; явный потолок длины.
• Эскалация, а не дефолт. Сначала дешёвая модель; при низкой уверенности или сложном типе задачи - дорогая.
• Наблюдаемость. Логируйте usage по feature/tenant: иначе оптимизировать нечего.

Когда не стоит углубляться в оптимизацию токенов

• Маленький объём запросов. Если счёт за API - сотни рублей в месяц, а не заметная статья расходов, время команды на маршрутизацию моделей и кэширование обойдётся дороже самой экономии.
• Пилот или MVP. Пока продукт не подтвердил спрос, важнее скорость итераций, чем точная цена за токен - оптимизацию стоит подключать после стабильного трафика.
• Нет ресурса поддерживать схему. Маршрутизация моделей, RAG и лимиты чанков требуют, чтобы кто-то следил за логами usage и правилами эскалации - без этого сложная схема быстро превращается в «дороже и хуже», чем один флагман.
• Цена ошибки выше цены токена. Для юридических, медицинских и финансовых ответов не стоит переключаться на дешёвую модель ради процента экономии - здесь важнее качество и предсказуемость.

Итог

Стоимость токенов - это не «цена модели из прайса», а объём input × ставка + объём output × ставка × число вызовов. В 2026 году разумный стек для бизнеса обычно такой: дешёвая быстрая модель на поток, mid-tier на рабочие документы, флагман - точечно. Считайте по сценариям из реальных логов, закладывайте агентные цепочки и ретраи - тогда API перестанет быть сюрпризом в конце месяца.

Если нужна помощь с разработкой, внедрением ИИ или сопровождением сайта под вашу задачу - напишите мне.

Часто задаваемые вопросы

Чем входные токены отличаются от выходных по цене?

Выходные токены почти всегда дороже за 1M, иногда в 4-6 раз. Но итоговый счёт часто раздувает именно input: длинные документы, история чата и RAG-чанки. Смотрите обе части usage, а не только «сколько модель написала».

Сколько токенов в среднем в одном сообщении пользователя?

Короткий вопрос на русском - часто 30-120 токенов. С системным промптом, политиками и 10 репликами истории один «чат» легко превращается в 1 000-5 000+ input ещё до ответа. Для бюджета мерите полный запрос, а не одну фразу клиента.

Что выгоднее для высокого трафика: Gemini Flash, GPT Luna или Claude Sonnet?

Для массовой классификации, FAQ и коротких ответов чаще выигрывают Gemini 3.5 Flash и GPT-5.6 Luna. Claude Sonnet 5 берут, когда важнее стиль, инструкции и аккуратность текста при всё ещё умеренной цене. Решение подтверждайте A/B на своём датасете, а не только таблицей прайса.

Нужно ли всегда брать самую дорогую модель «на всякий случай»?

Нет. Дорогая модель окупается на сложных задачах: длинный код, агентные цепочки, жёсткие требования к рассуждению. На потоке однотипных запросов переплата идёт впустую - лучше маршрутизация и эскалация по правилам.

Как быстро оценить месячный счёт, если логов ещё нет?

Возьмите 20-50 реальных промптов, прогоните через API, снимите usage, усредните input/output, умножьте на прогноз запросов и добавьте 30% на повторные попытки и рост. Через 1-2 недели замените оценку фактическими медианами из продакшена - ошибка обычно падает в разы.

Термины в статье

системный промпт — system prompt — скрытые инструкции, которые задают поведение модели

RAG — Retrieval-Augmented Generation — генерация с дополненным поиском

контекстное окно — context window — сколько текста модель может держать в одном запросе

таймаут — timeout — предельное время ожидания (timeout)

промпт — prompt — текст-инструкция или запрос к модели

дашборд — dashboard — панель метрик (dashboard)

structured output — model response forced into a fixed schema (JSON etc.) — ответ модели в жёсткой схеме (JSON и т.п.)

наблюдаемость — observability — логи, метрики и трассировки для понимания работы системы

tenant — isolated customer account in a shared platform — изолированный клиент на общей платформе

MVP — Minimum Viable Product — минимально жизнеспособный продукт