awareness · opinion10 июля 2026 г.11 мин

Цена AI-агентов: почему счёт растёт, когда токены дешевеют

Я писал, что стоимость работы AI падает всегда. Gemini 3.5 Flash подорожал втрое, и тот же бенчмарк стоит в 5,5 раза больше. Разбор ошибки и выводы.

цена AI-агентовстоимость LLMLLM pricing 2026Gemini 3.5 FlashтокеныAI-агенты

Андрей Марьясов, AI-консультант. В феврале 2026 я публично утверждал, что цена за единицу работы AI падает всегда. В мае Google выпустил Gemini 3.5 Flash — и тот же набор тестов, который предшественница проходила в 5,5 раза дешевле, стал стоить $1 552. За токен Gemini 3.5 Flash дешевле Gemini 3.1 Pro. За работу — на 75% дороже. Ошибка была в том, что я считал эти две величины одной.

График: цена за токен падает, а цена за выполненную работу растёт — Gemini 3.5 Flash проходит тот же бенчмарк в 5,5 раза дороже

Это датированный разбор ценовой динамики, а не вечнозелёный текст: все ставки и названия версий приведены по состоянию на май 2026 года. На октябрь 2026 года Google уже перенаправляет запросы к Gemini 3.5 Flash на Gemini 3.6 Flash, а 3.6 и 3.8 Flash стоят $0,75/$3,75 за миллион токенов до конца 2026-го и $1,50/$7,50 с 1 января 2027 года. Механизм, из-за которого счёт растёт на фоне падения цены за токен, от смены моделей не зависит — а конкретные цифры проверяйте по прайсу в день чтения.

TL;DR (за 30 секунд)

Меня поймали ещё в феврале

21 февраля 2026 я опубликовал пост о падении цен на AI. Поводом стал комментарий подписчика: «Андрей, $200 — это цена со скидкой. Скоро эта подписка будет стоить $2000. Что будешь делать тогда?»

Я ответил цифрами. Stanford AI Index: стоимость инференса уровня GPT-3.5 упала более чем в 280 раз примерно за полтора года — с двадцати долларов за миллион токенов в ноябре 2022-го до семи центов в октябре 2024-го. GPT-4 на старте стоил $30/$60, GPT-4o mini через шестнадцать месяцев — $0,15/$0,60. Дальше я достал парадокс Джевонса: когда уголь дешевеет, его покупают не меньше, а больше. И корпоративные расходы на AI росли именно тогда, когда цена за токен обвалилась, — конкретный процент я здесь намеренно не называю: у меня нет под него первичного источника, который я готов показать.

И дописал фразу, за которую теперь расплачиваюсь: цена за единицу работы падает и будет падать — так работает каждая технология в истории.

Я ответил подписчику графиком, а через три месяца тот же график ответил мне.

Что произошло 19 мая

На Google I/O 2026 вышел Gemini 3.5 Flash. Сразу в general availability, без публичного preview. А потом разработчики посмотрели на прайс.

По данным официального прайса Google на конец мая 2026:

Модель Вход ($/1M) Выход ($/1M)
Gemini 3.1 Flash-Lite $0,25 $1,50
Gemini 3 Flash $0,50 $3,00
Gemini 3.5 Flash $1,50 $9,00
Gemini 3.1 Pro $2,00 $12,00

Модель, которую позиционируют как замену Gemini 3 Flash, стоит ровно втрое дороже предшественницы. И сидит всего на четверть ниже Pro-тарифа. Слово «Flash» годами означало «дешёвый, но вменяемый ярус» — теперь оно не означает ничего конкретного (представьте, что бензин АИ-92 на заправке вдруг стоит как АИ-98, а надпись на колонке не изменилась). Официальный прайс подтверждал: $1,50 за миллион входных, $9,00 за миллион выходных с учётом токенов мышления, $0,15 за кэшированный контекст.

The Batch вынес это в заголовок выпуска 355 от 29 мая: Gemini Flash Gets Pricey. Редакция отметила более широкий контекст: Anthropic, OpenAI и Google подняли цену за токен на своих новых моделях. Случай не единичный.

Само по себе подорожание одного релиза меня бы не задело — цены ходят в обе стороны, это нормально.

Где именно я ошибался

Мой тезис был не «токены дешевеют». Мой тезис был «единица работы дешевеет» — и именно на этой формулировке меня и подловили.

Artificial Analysis гоняет все модели через один и тот же набор тестов — Intelligence Index. Это буквально одна и та же работа: те же задачи, тот же объём. Сколько стоит её прогнать:

Gemini 3.5 Flash с включённым мышлением обошёлся в $1 552. Формулировка самой Artificial Analysis: это в 5,5 раза дороже прогона Gemini 3 Flash и на 75% дороже Gemini 3.1 Pro.

Прочитайте это ещё раз. Новый Flash дешевле Pro за токен ($1,50 против $2,00) и одновременно на три четверти дороже Pro за выполненную работу. А по сравнению с моделью, которую он заменил, та же работа подорожала в 5,5 раза. The Batch формулирует это без смягчений: по измерениям Artificial Analysis, Flash обходится дороже, чем Gemini 3.1 Pro.

Оба утверждения истинны одновременно, и именно такой возможности моя февральская модель мира не предусматривала — я тогда был искренне уверен, что это одна и та же кривая, просто в разных единицах.

Агент тратит итерации, а не токены

Механизм прост, когда его увидишь. Токен — это не единица работы. Это единица расчёта. Единица работы — решённая задача. Между ними стоит количество итераций, которые модель тратит, пока не дойдёт до ответа.

Reasoning-модель думает вслух, и каждый токен мышления оплачивается как выходной. Она многословна там, где предшественница отвечала одной строкой. Она переспрашивает саму себя. В сложной цепочке она повторяет шаг, который не сошёлся. Провайдер может снизить цену за токен вдвое — и всё равно выставить больший счёт, если модель стала тратить вчетверо больше токенов на тот же ответ.

Дальше это умножается на архитектуру. Представьте агента из десяти последовательных шагов, каждый с надёжностью 95% — цифра, которой большинство команд было бы довольно. Сквозная надёжность такой цепочки: 0,95¹⁰ ≈ 60%. Четыре прогона из десяти придётся повторить. Мозг при этом говорит: «ну 95% же, почти идеально» — а умножение говорит другое. Счёт за ретраи не появится в прайс-листе ни одного вендора, но придёт вам на карту.

Причём повтор стоит дороже первого прогона: агент заходит на второй круг с раздутым контекстом. А без отдельного шага верификации он даже не знает, что первый результат был ошибочным, — и платит за уверенную чушь по полному тарифу.

Я уже писал, что токены — плохая метрика риска AI-агента, и предлагал измерять blast radius. Оказывается, токены — такая же плохая метрика стоимости. К одному и тому же выводу меня дважды привели разные дороги, и в первый раз я умудрился этого не заметить.

Топология стоит дороже модели

Разница между самой дешёвой и самой дорогой моделью в таблице выше — восьмикратная: от $0,25 за миллион входных токенов у Flash-Lite до $2,00 у 3.1 Pro. Разница между аккуратным последовательным пайплайном и планировщиком с судьёй и консенсусом — порядок величины на той же задаче. Топология двигает стоимость на порядки. Выбор модели двигает её внутри одного порядка.

Из этого следует порядок действий, обратный интуитивному. Сначала аудит структуры: сколько вызовов делает агент, сколько из них действительно нужны, где цепочку можно свернуть в один вызов с более чётким eval. Только потом — торг за модель.

Самая дорогая архитектурная ошибка даже не в топологии, а в алиасах. Если у вас в конфиге прописан gemini-flash без версии, ваш «дешёвый запасной вариант» мог подорожать втрое, пока вы читали этот абзац. Fallback-политика, написанная в начале 2026 года, сегодня ведёт в другую ценовую категорию под тем же названием.

Klarna: счёт приходит не в той валюте

Самый известный пример того, что стоимость измеряют не там, — Klarna.

Их AI-ассистент на моделях OpenAI за первый месяц провёл 2,3 миллиона разговоров с клиентами, что приравнивали к работе 700 агентов поддержки. Время решения сократилось с одиннадцати минут до менее чем двух, а эффект компания оценила примерно в $40 миллионов — все четыре числа из их же пресс-релиза.

А в мае 2025 Себастьян Семятковский, сооснователь и CEO, начал набирать людей обратно. Его формулировка: когда затраты становятся слишком доминирующим критерием оценки, на выходе вы получаете более низкое качество.

Этот кейс массово пересказывают неправильно — и я чуть не пересказал так же. Представитель Klarna позже уточнил, что CEO говорил о качестве работы агентов-людей на аутсорсе, а не об AI. Там же ведущий аналитик Forrester Кристина Макаллистер называет причиной слишком резкое сокращение штата, а не саму автоматизацию. Klarna не «признала провал AI» — она перешла на гибридную модель и оставила клиенту гарантированный путь к человеку.

Но базовая структура ошибки та же, что и у меня с токенами. У Klarna была чистая, измеримая, падающая метрика: стоимость обслуживания транзакции, которая по их собственному отчёту упала на 40% с первого квартала 2023 года. Метрика падала. Счёт выставили в другой валюте: повторные обращения, удовлетворённость, доверие к бренду. У меня была чистая падающая метрика — стоимость токена. Счёт выставили в итерациях.

Дешевеет то, что вы измеряете. Дорожает то, чего вы не измеряете.

Отменяет ли это парадокс Джевонса

Нет. Джевонс жив и здоров: расходы на AI растут именно потому, что единица подешевела, а применений стало больше. Мой февральский пост правильно описывал макрокартину и правильно ответил подписчику — $200 не превратятся в $2000 за ту же работу.

Ошибка была в слове «всегда». Я взял исторический тренд, который держался на удешевлении инференса, и распространил его на единицу, которая определяется не инференсом, а поведением модели и формой вашей системы. Тренд цены за токен держится на железе, квантизации и конкуренции, тогда как цена за работу зависит от того, сколько раз ваш агент подумает, прежде чем ответить. Две разные кривые, и идти в одну сторону они не обязаны.

Что я изменил у себя. Я перестал смотреть на прайс за миллион токенов как на индикатор стоимости. Вместо этого измеряю стоимость одной успешно завершённой задачи — с ретраями, с токенами мышления, со всеми шагами цепочки. Прежде чем оценивать новый инструмент, я теперь добавляю в расчёт стоимость итераций, а не только стоимость встраивания. И фиксирую версии моделей в конфигах явно, потому что алиас — это неограниченный чек на предъявителя.

В следующий раз, когда вендор покажет вам график падения цены за токен, задайте один вопрос: а сколько токенов теперь нужно на тот же ответ?

FAQ

Почему Gemini 3.5 Flash дороже Gemini 3.1 Pro, если за токен он дешевле?

За токен новый Flash действительно дешевле: $1,50 против $2,00 на входе. Но на прогоне Intelligence Index от Artificial Analysis он с включённым мышлением обошёлся в $1 552 — на 75% дороже Pro. Модель тратит на ту же работу значительно больше токенов. По данным Artificial Analysis, выходных токенов у неё почти столько же, сколько у Gemini 3 Flash (73 млн против 72 млн), а входных — значительно больше, потому что в агентных тестах она делает больше ходов. Именно это и съедает экономию на ставке.

Насколько именно подорожал Gemini Flash?

Gemini 3.5 Flash стоит $1,50 за миллион входных и $9,00 за миллион выходных токенов. Модель, которую он заменяет, Gemini 3 Flash, стоила $0,50 и $3,00 соответственно. Это ровно трёхкратный рост под тем же названием «Flash».

Что такое «цена итерации» в противовес цене токена?

Цена токена — сколько провайдер берёт за единицу текста. Цена итерации — сколько токенов ваша система тратит, пока не дойдёт до приемлемого ответа: мышление модели, повторы шагов, ретраи после неудачной валидации, координация между агентами. Счёт формирует вторая величина, а прайс-лист показывает первую.

Как реально снизить стоимость AI-агента?

Сначала аудит топологии: сколько вызовов модели делает агент и сколько из них действительно необходимы. Свернуть лишнюю цепочку в один вызов — экономия на порядок. Выбрать модель подешевле — экономия в пределах одного порядка. Поэтому структуру оптимизируют первой, а модель — второй.

Значит ли это, что AI дорожает в целом?

Нет. Стоимость инференса фиксированного качества исторически падает, и это продолжается. Изменилось то, что новые модели тратят больше токенов на ответ, а агентные архитектуры умножают количество вызовов. Поэтому конкретный счёт конкретной команды может расти на фоне общего удешевления.

Почему опасно писать gemini-flash без версии в конфиге?

Бренд «Flash» больше не гарантирует ценового яруса. Алиас без явной версии может вести на модель, которая стоит втрое дороже той, под которую писалась ваша fallback-политика. Фиксируйте полный идентификатор модели.

Парадокс Джевонса больше не работает?

Работает. Совокупные расходы на AI растут именно потому, что единица подешевела и применений стало больше. Парадокс описывает макроуровень. Ошибка возникает, когда из него выводят, что цена каждой конкретной задачи тоже будет падать, — это не так.

Опубликовал Андрей Марьясов, AI-консультант, основатель Auspex и Grow2.ai; внедрения ведут Auspex (CRM) и Grow2.ai (AI-агенты).

Если у вас уже крутится агент в продакшене — посчитайте стоимость одной успешно завершённой задачи, а не стоимость миллиона токенов. Разница между этими двумя числами и есть ваш реальный счёт. Как я разбираю топологию и стоимость агентных систем — на странице консультаций. А если посчитаете сами, напишите мне, что получилось: цифры меня интересуют больше прогнозов.

Источники:

Andrew Maryasov

Основатель Auspex и Grow2.ai. 28 AI-проектов в 14 отраслях и 7 странах, 8 собственных AI-систем в продакшене.

Рассылка

Письмо об AI — 2–3 письма в месяц

Личные эссе о том, как AI меняет мышление и работу: что я попробовал сам, что сработало, а что нет. В конце — ссылки на лучшее за последнее время.

Без спама. Отписаться можно в один клик.

Бесплатный 30-мин discovery →