Как платить за API нейросетей меньше

Сначала посчитайте, за что платите

Цена запроса — это токены входа, умноженные на цену входа, плюс токены ответа, умноженные на цену ответа. Обе цены провайдеры указывают за миллион токенов. Пока вы не знаете, какая часть счёта приходится на вход, а какая на ответ, экономить приходится вслепую.

Пример. Запрос на 2 000 токенов входа и 500 токенов ответа у модели, где ответ впятеро дороже входа: ответ займёт больше половины счёта, хотя он вчетверо короче вопроса. Здесь первым делом стоит сокращать ответ, а не вопрос.

Посчитайте свой типичный запрос на главной. В Расширенном режиме можно задать длину ответа, число запросов в день или в месяц, долю входа из кэша и batch — и сразу увидеть, какой рычаг даёт больше.

Сократите ответ

Ответ почти всегда дороже входа: у GPT в 5–6 раз, у Claude в 5 раз, у Gemini 3.5 Flash-Lite больше чем в 8 раз. Поэтому лишние абзацы в ответе стоят дороже, чем лишние абзацы в вопросе.

Просите короткий формат прямо в инструкции: «ответь одним словом», «верни только JSON», «не больше трёх пунктов». Ставьте лимит на длину ответа в параметрах запроса — тогда модель не напишет больше, чем вы готовы оплатить.

Используйте кэш

Если в каждом запросе повторяется одно и то же начало — длинная инструкция, справочник, документ, история диалога, — провайдер может взять его из кэша. Чтение из кэша стоит намного дешевле обычного входа. На момент проверки цен: у OpenAI в 10–20 раз дешевле, у Claude Opus 5.5 и Sonnet 5.5 в 20 раз, у Fable 5.1 в 40 раз, у DeepSeek в 30–50 раз, у Gemini в 10–20 раз.

Есть и исключения. У Alice AI LLM и YandexGPT чтение из кэша стоит как обычный вход, скидка есть только у Alice AI LLM Flash.

Чтобы кэш срабатывал, ставьте неизменную часть в начало запроса, а меняющуюся — в конец. Порядок важен: если в начале каждый раз что-то новое, совпадения не будет.

Batch и асинхронный режим

Если ответ не нужен сразу, отправляйте запросы пакетом. Провайдер обработает их, когда у него есть свободные мощности, и возьмёт меньше. У OpenAI, Anthropic и Google batch вдвое дешевле. У GigaChat 2 асинхронный режим тоже вдвое дешевле. У YandexGPT — примерно вдвое, у Alice AI LLM вдвое дешевле только вход, а ответ — на 15 %. У xAI скидка 20 %.

У DeepSeek batch нет, зато вне пиковых часов всё стоит вдвое дешевле. Пиковые часы — по будням с 4 до 7 и с 9 до 13 по Москве, кроме праздников в Китае. У Qwen в международном регионе Singapore batch не поддерживается.

Пакетный режим подходит для разметки, перевода, пересказа архива, генерации описаний — всего, где результат нужен к утру, а не через секунду. Для чат-бота он не годится.

Подберите модель под задачу

Внутри одного провайдера цены различаются в десятки и сотни раз. GPT-6 Luna в сто раз дешевле GPT-6 Astra, Claude Haiku 5.5 в двадцать раз дешевле Sonnet 5.5, GigaChat 2 Lite в десять раз дешевле Max.

Классификация, извлечение полей, короткие ответы по шаблону часто получаются у младших моделей не хуже, чем у старших. Начните с дешёвой модели, проверьте качество на своих примерах и переходите на дорогую, только если дешёвая не справляется.

Удобно держать две модели: дешёвую для потока простых запросов и дорогую для сложных случаев. Даже если дорогая модель обрабатывает каждый десятый запрос, счёт выходит заметно ниже, чем если отправлять ей всё.

Учитывайте язык

Для русского текста сравнивайте суммы, а не ставки за миллион токенов. Словари Яндекса и Сбера режут русский текст крупнее, чем словари GPT, DeepSeek или Mistral, и на том же тексте у них выходит меньше токенов. Низкая ставка зарубежной модели частично уходит на лишние токены.

При смене версии модели число токенов тоже может измениться. Claude начиная с Opus 4.7 тратит на тот же текст примерно на 30 % больше токенов, чем прежние модели, — это нужно заложить в бюджет.

Следите за порогами и датами

У некоторых моделей длинный запрос считается по другой цене целиком. У GPT с контекстом около миллиона токенов порог — 272 тысячи токенов входа, у Gemini 3.1 Pro и Grok — 200 тысяч, у Claude Haiku 5.5 — 100 тысяч, и там ставки вырастают в пять раз. Иногда выгоднее разбить документ на части, чем отправить его одним запросом.

Цены и модели меняются. Gemini 4 Argon дорожает вдвое с 1 декабря 2026 года, Gemini 3.8 Flash и 3.6 Flash — с 1 января 2027 года. YandexGPT Lite 5 отключают 15 ноября 2026 года, Mistral Medium 3.5 и Large 3 — 30 апреля 2027 года. Калькулятор учитывает объявленные изменения цен сам, но пересматривать выбор модели стоит раз в несколько месяцев.

Не отправляйте лишнего

В чат-боте вся история диалога уходит во вход при каждом новом сообщении, и с каждым шагом запрос дорожает. Обрезайте старые реплики или заменяйте их коротким пересказом. Убирайте из документов то, что модели не нужно: колонтитулы, повторяющиеся шапки, служебную разметку.