Самые дорогие модели Anthropic и OpenAI стоят в 100 раз дороже за токен, чем младшие модели в их линейках, но многие пользователи по умолчанию используют флагман для всего.

Стоимость этой привычки уже не гипотетична. Лидерборды по использованию в Meta, Amazon и Uber резко увеличили счета за ИИ, а Uber израсходовал свой бюджет на ИИ-инструменты на 2026 год примерно за четыре месяца. Сотрудники Meta за 30 дней в начале этого года потребили 60 триллионов ИИ-токенов, борясь за места во внутреннем лидерборде с прозвищем «Claudeonomics». Технокомментатор Gergely Orosz оценил счет примерно в 900 миллионов долларов по прайс-листам Anthropic, хотя Meta, вероятно, платит значительно меньше.

Консультант Bain & Company Jue Wang видит более тихую версию тех же трат во многих организациях. «Столько компаний, столько пользователей по умолчанию используют Opus для всего, включая генерацию писем», — рассказала она Associated Press этим летом, имея в виду топовые модели Anthropic. Поступать так — все равно что нанять Альберта Эйнштейна считать сдачу в's.

Каждое слово, введенное в ChatGPT или Claude, и каждое слово модели в ответ учитывается в токенах — фрагментах текста, которые в среднем составляют около трех четвертей слова. На подписке за 20 долларов этот счетчик определяет, как быстро вы достигнете лимита использования. На API — доступе с оплатой за токен, которым разработчики подключают модели к своим приложениям, — он определяет счет.

Актуальный прайс-лист Anthropic устанавливает цены за миллион токенов, причем тариф Haiku применяется только к промптам до 100 000 токенов; более длинные промпты стоят в пять раз дороже. Старшая модель стоит в 100 раз дороже младшей, а линейка OpenAI демонстрирует тот же разброс: от 10 до 0,10 доллара за миллион входных токенов.

Эти цены за токен быстро складываются для лабораторий — и для их клиентов. Годовой темп выручки Anthropic вырос с примерно 9 миллиардов долларов в конце 2025 года до более чем 47 миллиардов к маю, пока OpenAI ведет ценовую войну, чтобы не отставать.

Несколько привычек резко сокращают эти расходы, а первые пять советов ниже вообще не требуют программирования.

Что означает tokenmaxxing (и что он должен означать)

Tokenmaxxing начался как демонстрация в духе Кремниевой долины, подобная Claudeonomics в Meta: Microsoft, Shopify и Amazon ранжировали сотрудников в похожих токен-лидербордах. Гендиректор Nvidia Jensen Huang подлил масла в огонь, сказав в марте в подкасте "All-In", что он был бы "глубоко встревожен", если бы инженер за 500 000 долларов в год не сжигал токенов как минимум на 250 000 долларов.

И они их сжигали — часто на непродуктивной ерунде. В Amazon сотрудники признавались, что накручивали показатели, запуская внутренний ИИ-инструмент на посторонних задачах, пока старший вице-президент не сказал персоналу: «Пожалуйста, не используйте ИИ ради самого использования ИИ».

В этом руководстве используется значение, которое продвигают инженеры сегодня: максимизация ценности каждого токена, а не их количества — практика, которую IBM описывает как tokenmaxxing как метрику продуктивности.

Три концепции объясняют, куда на самом деле уходят токены, начиная с цикла агента.ент — это модель, которая может использовать инструменты: она думает, ищет в сети или запускает код, читает результат и начинает снова, пока не решит, что закончила, — пересылая всю беседу на каждом круге.

Оркестрация умножает эту стоимость. Одна модель выступает менеджером: разбивает запрос на части, передает их моделям-исполнителям, называемым субагентами, и собирает их ответы обратно. Каждый исполнитель работает в собственном цикле со своей памятью, поэтому Anthropic сообщает, что команды агентов в Claude Code могут использовать примерно в семь раз больше токенов, чем стандартная сессия, когда соисполнители работают в режиме плана — настройке, рассмотренной в советах среднего уровня ниже.

Графы — это то, как разработчики не дают этим циклам блуждать. Фреймворки вроде LangGraph позволяют нарисовать рабочий процесс как схему метро, где станции (узлы) выполняют работу, а пути (ребра) решают, куда идти дальше, так что модель следует фиксированному маршруту вместо циклов до исчерпания идей или бюджета.

Циклы автоматизируют задачи и повышают качество, но также сжигают деньги — что делает эффективность критически важной.

Для начинающих: маленькие задачи — маленькие модели

1. Выбирайте модель под задачу. Большинство новичков работают с ИИ через графический интерфейс. Кликните на имя модели в чат-приложении (вверху чата в ChatGPT, рядом с кнопкой отправки в Claude или Hermes) и переключитесь на меньшую, более быструю модель для писем, резюме и переформулировок. Оставьте старшую модель для сложных рассуждений и решений, где незначительная ошибка стоит реальных денег. Прогоните пять задач прошлой недели на обеих моделях параллельно; если маленькая справляется, оставьте ее. На подписке это растягивает лимит использования, а на API сокращает счет до 99%.

2. Пишите один хороший промпт вместо пяти плохих. Три раунда «нет, только итог» или «сделай лучше и точнее» каждый раз пересылают весь чат заново. Один четкий промпт описывает задачу и точную форму ответа. Например, может сработать такое:

Извлеки из текста ниже номер счета, дату, поставщика и итоговую сумму. Сохраняй каждое значение в точности как написано. Возвращай одну строку на каждое поле, а если поля нет — пиши "missing".

Собственное тестирование OpenAI показало, что более лаконичные и четкие промпты дают более высокие оценки при меньшем расходе токенов.

3. Начинайте новый чат при смене темы. Модель перечитывает всю беседу при каждой отправке, поэтому тред из 50 сообщений об отпуске делает вопрос о налогах одновременно дороже и глупее. Anthropic называет это затухание "context rot" («контекстным гниением»). Начинайте новый чат всякий раз, когда меняется предмет разговораn
4. Запрашивайте нужный объем. Выходные токены на топовых моделях Anthropic и OpenAI стоят в пять раз дороже входных. Завершайте промпты инструкциями вроде «три пункта, до 100 слов» или «только измененные строки» — у модели останется меньше пространства для воды. Ограничения длины вывода экономят токены, особенно в творческих задачах вроде текстов или исследований, а не детерминированных вроде программирования или математики.

5. Попробуйте бесплатное, прежде чем платить. OpenRouter — сайт, подключающий сотни ИИ-моделей через один аккаунт, — имеет бесплатный маршрутизатор, отправляющий запросы одной из примерно 20 бесплатных моделей. Модели также можно запускать локально с помощью LM Studio или Ollama на видеокарте с 8 ГБ видеопамяти или на Mac с чипом Apple M-серии. Бесплатные тарифы могут исчезнуть в одночасье, поэтому не стройте на них ничего важного и читайте политику данных перед вставкой чего-либо чувствительного. Тем не менее бесплатные предложения позволяют выжать максимум итераций: у Hermes хороший выбор бесплатных моделей, которые могут справиться с задачей, и у Nvidia тоже. Лучше оттачивать промпт на бесплатной, более глупой модели, чем платить премиальной за то же самое, но быстрее.

Дополнительные советы для начинающих: отключайте расширенное мышление для простых вопросов или снижайте настройку effort на новых моделях Claude, где мышление нельзя выключить — Anthropic тарифицирует весь процесс размышлений как вывод, включая часть, которую пользователи никогда не видят. Подписчики Claude Pro и Max, включившие кредиты использования, могут установить месячный лимит расходов в разделе Settings, затем Usage.

Средний уровень: ваш агент читает слишком много

Примеры отсюда и далее используют Claude Code — агент Anthropic, работающий в терминале и редактирующий файлы; команды вводятся прямо в его чат. Другие оболочки следуют схожей логике, а если вы пользуетесь только чат-приложениями, совет 8 работает в любом чат-окне.

6. Начинайте с дешевого, повышайте при неудаче. Введите /model для смены модели, держите Sonnet по умолчанию и переходите на Opus только когда Sonnet терпит неудачу в чем-то конкретном, например не может исправить баг за две попытки. Для простых задач субаг документация Anthropic советует установить model: haiku в настройках субагента.

7. Очищайте контекст между задачами. Введите /clear при переходе к несвязанной задаче — это ничего не стоит и сбрасывает старую историю. Используйте /compact с указанием, что сохранить, например /compact keep the database decisions, только когда история действительно нужна, поскольку само сжатие — это крупный запрос.

8. Поручайте скучную математику коду. Вставка таблицы на 5 000 строк в чат заставляет модель читать каждую строку, и она все равно может ошибиться в подсчетах: языковая модель — не калькулятор, сколько бы вы ни платили. Попросите формулу или короткий скрипт, запустите его сами и передайте модели только результат.

9. Сокращайте инструменты. MCP-серверы — это плагины, соединяющие модель с приложениями вроде GitHub или Google Drive, и каждый добавляет имена инструментов и инструкции в каждую сессию. Введите /context, чтобы увидеть, что занимает пространство, и /mcp, чтобы отключить неиспользуемые проектом серверы.

Дополнительные советы среднего уровня: введите /usage, чтобы увидеть, куда ушли токены, и держите CLAUDE.md (или Soul.md) — файл инструкций, который агент читает в начале каждой сессии, — до 200 строк. Для более крупных изменений нажмите Shift+Tab, чтобы переключиться в режим плана, где агент предлагает план на утверждение до touching файлов, и нажмите Esc, как только он пойдет не туда. Используйте /effort, чтобы снизить уровень рассуждений для простых задач вроде переименования переменной. Anthropic показала, что потребление токенов агентом упало со 150 000 до 2 000, когда он загружал только нужные определения инструментов — поэтому инструменты командной строки вроде gh от GitHub, которые ничего не стоят до запуска, часто лучше постоянно активного плагина.

Продвинутый уровень: встроить защиту в систему

Возьмем разработчика, которому нужно обработать 1 000 счетов по 2 000 токенов каждый с ответами по 200 токенов: задача стоит около 30 долларов на Fable 5.1 и около 0,30 доллара на Haiku 5.5 — до применения приемов ниже.

10. Кэшируйте то, что не меняется. Поместите стабильные инструкции в начало, а меняющиеся части — в конец, и пометьте стабильный блок для кэширования. В API Anthropic это одно дополнительное поле:

"system": [{
  "type": "text",
  "text": "Your invoice instructions...",
  "cache_control": {"type": "ephemeral"}
}]

Чтение из кэша стоит часть обычной цены входа, а запись в кэш по умолчанию на пять минут — дополнительно. Проверяйте поле cache_read_input_tokens в каждом ответе; если после первого вызова там по-прежнему ноль, кэш не работает.

11. Батчите все, что может подождать. И OpenAI, и Anthropic обрабатывают пакетные задания со скидкой 50%, причем OpenAI обещает результаты в течение 24 часов. Загрузка 1 000 счетов одним батч-файлом вместо 1 000 живых вызовов резко снижает счет.

12. Держите агентов на поводке. Устанавливайте максималь число шагов и денежный лимит для каждого запуска агента и определяйте, что означает «готово», до его старта. Claude Code принимает флаг --max-budget-usd для скриптовых запусков, а Shopify использует автоматические предохранители, способные немедленно отключить доступ разработчика при резком росте расходов за день — для поимки вышедших из-под контроля агентов. Сегодняшняя норма — отпускать агентов в свободный полет и позволять им циклиться, пока результат не будет признан идеальным; если у вас нет на это бюджета, не позволяйте агенту решать, что считать «идеальным».

Дополнительные продвинутые советы: размещайте ключевые факты в начале или конце длинного промпта — исследование под руководством Стэнфорда показало, что модели лучше всего используют информацию в этих позициях и хуже всего, когда она спрятана в середине. Платите второй модели за проверку работы только тогда, когда ошибка дорога — например, в пункте контракта или сумме платежа. В API OpenAI включите жесткий лимит расходов для каждого проекта, поскольку предупреждения о расходах лишь уведомляют, но не останавливают трафик.

Начните с одного теста

Сделайте самую дешевую модель, прошедшую пятизадачный тест из совета 1, моделью по умолчанию на неделю и переключайтесь только при неудаче. Затем сравните страницу использования с предыдущей неделей. На задаче со счетами одна лишь маршрутизация сократила счет с 30 до 3,90 доллара — даже после оплаты Opus 5.5 за переделку 300 неудач.

Однако более дешевые токены сами по себе проблему не решат. Цена одного токена с 2023 года упала более чем на 90% согласно индексу Token Expenditure Index от Silicon Data, но расходы на большие языковые модели с конца 2025 года удвоились. Экономисты называют это парадоксом Джевонса: ресурс становится настолько дешевым, что люди в итоге тратят на него больше в сумме. Обзор Bain & Co. от июня выявил ту же картину: стоимость токенов с декабря 2024 по 2025 год упала вдвое, а объем потребления вырос на 450%.

Плюс в том, что те же падающие цены работают на вас, как только вы перестаете сжигать токены ради забавы: в сочетании с привычками выше ИИ становится одновременно дешевле и лучше.