Какой ИИ-агент дешевле: цена одной решённой задачи в 2026

Если коротко: сравнивать ИИ-агентов по цене подписки или по ценнику за токен бесполезно. За те же деньги один агент может довести до конца пять задач, а может одну - зависит от того, что внутри. Честная мера тут одна - сколько стоит одна задача, которую агент реально довёл до рабочего состояния.

Дальше я показываю формулу этой цены, считаю её на тарифах поставщиков по состоянию на начало сентября 2026 и перевожу в рубли по курсу ЦБ. Цифры объёма я беру для примера и честно это помечаю: твои числа будут свои. Всё, что ниже, можно пересчитать самому, никаких обещаний экономии и волшебных связок.

В Telegram-канале - что нового в вайб-кодинге: инструменты, находки, ошибки. Подпишись.

Почему месячный тариф не говорит, какой агент дешевле?

Чаще всего при выборе смотрят на ценник подписки. Один агент стоит 20 долларов в месяц, другой 200, и кажется, что первый в десять раз выгоднее. На деле это сравнение ни о чём: подписка измеряет доступ, а сделанную работу она не считает.

Представь два такси с фиксированной платой за месяц. Одно довозит тебя куда нужно с первого раза, а второе половину поездок сворачивает не туда, и ты вызываешь его снова. Абонемент у них может быть одинаковый, а до цели ты с первым доберёшься вдвое дешевле по факту. С агентами так же: за абонемент платишь одинаково, а сколько задач доведёшь до конца - зависит от того, что внутри.

Подписку вообще стоит держать отдельно от разговора о цене задачи. Она удобна тем, что сумма предсказуема, и про сам выбор тарифа - подписка, оплата по расходу или разработка под ключ - у меня есть отдельный разбор, из чего складывается цена ИИ-агента. Здесь вопрос другой: при любой форме оплаты - какой агент приносит результат дешевле.

Почему цена за токен тоже обманывает?

Второй по популярности способ сравнить - посмотреть на цену за токен. Токен - это кусочек текста, примерно часть слова; им меряют и то, что ты отправил модели, и то, что она написала в ответ. Поставщики публикуют цену за миллион токенов, и разброс между моделями большой. Кажется логичным: беру модель с ценником поменьше, плачу меньше.

Ловушка в том, что ценник за токен - это цена сырья, как цена бензина за литр. А тебя интересует стоимость всей поездки, литр сам по себе ни о чём не говорит. Агент решает задачу многими шагами: ходит по файлам, запускает команды, читает ошибки, переписывает код и на каждом шаге отправляет модели контекст заново. Один разговор с агентом легко превращается в десятки обращений, и каждое тратит токены.

Отсюда два эффекта, которые ломают прямое сравнение ценников. Дешёвая модель нередко менее сообразительна, поэтому делает больше лишних шагов и заходит на задачу по нескольку раз, перебирая подходы, - и тратит больше токенов. А ещё она чаще вовсе не доводит задачу до рабочего состояния, и тогда потраченные токены сгорают впустую. Про сам эффект растущего счёта у меня есть подробный разбор, как посчитать расход токенов на API, и отдельно - почему вайб-кодинг обходится дороже, чем кажется.

Что такое цена одной решённой задачи?

Теперь собственно метрика, ради которой всё затевалось. Считать надо стоимость одного доведённого до конца результата, а тариф и токен для этого не годятся. Формула простая:

1. Возьми цену одного прогона агента над задачей - сколько стоят все токены, которые он потратит на один заход.
2. Прикинь долю задач, которые агент реально доводит до рабочего состояния.
3. Раздели первое на второе - получишь цену одной решённой задачи.

Логика деления вот в чём. Если агент доводит до конца семь задач из десяти, то три прогона из десяти потрачены впустую, но заплатил ты за все десять. Значит, стоимость этих десяти прогонов размазывается на семь рабочих результатов, и каждый выходит дороже одного прогона. Чем ниже доля успеха, тем сильнее растёт цена за рабочую задачу.

«Доля доведённых задач» - это измеримая величина. Её меряют бенчмарками вроде SWE-bench: агенту дают настоящие поломки из реальных проектов, он присылает правки, а система проверяет их автотестами. Процент в таблице и есть доля решённых задач. Лабораторный процент при этом не равен твоему: на своём проекте доля будет другой, и относиться к бенчмарку стоит как к ориентиру, без веры в обещание. Как читать такие таблицы, я разобрал отдельно в материале про рейтинг ИИ-агентов для программирования.

Из каких трёх множителей собирается цена задачи?

Разложу цену на составляющие - так видно, где прячется перерасход.

Первое - цена за токен. Базовый ценник модели: сколько стоит миллион входных и миллион выходных токенов. Тут разброс в десятки раз между тяжёлой моделью и лёгкой.

Второе - объём токенов на задачу. Сколько текста агент прогонит через модель за один заход. Зависит от того, насколько задача большая, сколько файлов агент перечитывает и сколько шагов делает. Умная модель нередко укладывается в меньший объём, потому что идёт к решению короче, и это сразу видно по счёту.

Третье - доля доведённых задач. Какой процент заходов заканчивается рабочим результатом. Это множитель, который делит всю сумму, и он решает больше всего: при доле 40 процентов ты платишь за каждую рабочую задачу вдвое больше, чем при 80.

Вся путаница сравнений оттого, что люди смотрят только на первое число - ценник за токен. А итоговую цену определяют все три сразу. Дешёвый ценник при большом объёме и низкой доле успеха спокойно выходит дороже дорогого ценника при малом объёме и высокой доле.

Собрать эти три числа в рабочую связку - отдельная задача, и ценник модели тут решает куда меньше, чем метод. На практикуме за три вечера я показываю всю схему: ИИ-клон, Второй мозг и контекст-инжиниринг. Чистый контекст срезает объём токенов и поднимает долю успеха - те самые второе и третье число в формуле.

Практикум по вайб-кодингу

+Твой второй мозг

3 вечера - инструменты, метод, первый проект

Старт 22–24 сентября  ·  2 000 ₽

Записаться →

Сколько стоит прогон у разных моделей?

Чтобы формула стала наглядной, посчитаю прогон на реальных ценниках. Беру пример нетривиальной задачи, на которую агент за заход тратит около 300 тысяч входных токенов (перечитывает проект и ошибки на многих шагах) и около 40 тысяч выходных. Повторю: это пример для расчёта, замером его считать нельзя - у тебя объём будет свой.

Вот цены за миллион токенов по официальным тарифам поставщиков на начало сентября 2026:

Проверить формулу можно на живом примере из документации Anthropic. Для запроса к Opus 5 на 50 тысяч входных и 15 тысяч выходных токенов они приводят расчёт:

То есть вход и выход складываются по своим ценникам - ровно то, что в формуле. Дальше остаётся поделить прогон на долю доведённых задач, и вот тут дешёвый ценник начинает вести себя неожиданно.

Почему дешёвая модель решает задачу дороже сильной?

Вот момент, ради которого стоило считать по-честному. Сравню две модели по цене результата, прогон тут уже не главное.

Sonnet 5: прогон стоит около доллара, и пусть на нашем примере задачи она доводит до конца 70 процентов заходов. Цена одной рабочей задачи - доллар поделить на 0,7, это около 1,4 доллара. По курсу ЦБ на 9 сентября 2026 (86,47 рубля за доллар) выходит примерно 124 рубля.

Haiku 4.5: прогон дешевле, около полдоллара, ценник за токен вдвое ниже. Но модель проще, поэтому чаще заходит на задачу по нескольку раз и тратит примерно в 1,6 раза больше токенов, а доводит до конца, скажем, 40 процентов. Объём растёт, доля падает - и рабочая задача выходит около 2 долларов, примерно 173 рубля.

Итог парадоксальный только на первый взгляд. Модель с вдвое меньшим ценником за токен принесла задачу дороже: 173 рубля против 124. Дешёвое сырьё не помогло, потому что его ушло больше, а рабочих результатов из него вышло меньше. Так же дешёвый мастер, переделывающий работу трижды, обходится дороже дорогого, который делает сразу.

Оговорюсь: доли 70 и 40 процентов и объёмы токенов я взял для примера, чтобы показать механику. На твоих задачах числа будут другие, и вполне может выйти, что лёгкая модель справляется с твоим потоком отлично и остаётся самой дешёвой. Дорогая модель не обязательно выгоднее; сравнивать надо по цене за результат, подставив свои три числа.

Как посчитать свою цену за задачу: три профиля?

Чтобы перенести это на себя, прикинь, к какому профилю ближе твоя работа. Формула одна и та же, меняются только три числа.

Профиль первый - простые однотипные задачи. Переписать текст, разложить данные, поправить мелочь в коде. Объём на задачу небольшой, и даже лёгкая модель доводит их до конца часто. Здесь дешёвый ценник работает как надо: лёгкая модель вроде Haiku или DeepSeek V4-Flash обычно даёт самую низкую цену за задачу, а гнать сюда дорогую Opus - переплата.

Профиль второй - сложная работа с незнакомым кодом. Разобраться в чужом проекте, починить неочевидную поломку, собрать новую функцию. Объём большой, и слабая модель тут проваливает задачу за задачей. Доля успеха становится главным числом: сильная модель с высокой долей обычно обгоняет дешёвую с низкой, даже когда её токен заметно дороже, и по цене за результат выходит выгоднее.

Профиль третий - смешанный поток. В реальности у большинства именно так: часть задач простая, часть тяжёлая. Самое дешёвое по цене за задачу решение - развести поток: рутину отдать лёгкой модели, сложное сильной, а одну модель на всё не искать. Многие агенты позволяют переключать модель прямо в работе.

Посчитай по одной формуле каждый профиль отдельно, и станет видно, где тебе дешевле. Вот ориентиры по цене за задачу на примере Sonnet и Haiku, в рублях по курсу ЦБ:

Какую ошибку чаще всего делают при выборе?

Ошибку я вижу постоянно: человек находит модель с самым низким ценником за токен и радостно гоняет ею всё - от переписывания текста до сборки сложной функции. На рутине он действительно экономит. А на тяжёлых задачах та же модель буксует: заваливает долю успеха, перебирает подходы, раздувает объём - и по цене за результат проигрывает модели, которая «дороже» по ценнику.

Зеркальная ошибка тоже встречается: взять самую мощную модель и платить ей за задачи, с которыми справилась бы лёгкая втрое дешевле. Переплата ровно та же, только с другой стороны.

Скажу про себя. Я работаю в связке Claude Code и подписки, голый API для ежедневной работы не беру: предсказуемая сумма мне удобнее счётчика. Но за полтора года ежедневной работы с ИИ вывод один: цена за решённую задачу почти не зависит от ценника модели и почти целиком зависит от того, как выстроена работа. Чистый контекст и понятная задача поднимают долю успеха и срезают объём, то есть двигают те самые множители, которые и решают цену. На мусорном контексте деньги горят даже у дорогой модели, а на аккуратном с задачей справляется и дешёвая.

Так какой агент дешевле?

Одного «самого дешёвого» агента нет, и теперь понятно почему: дешевизна живёт в цене за результат, и у каждого профиля она своя. Тариф и ценник за токен тут вводят в заблуждение. Посчитай стоимость прогона, подставь свою долю доведённых задач, раздели - и сравнивай уже эти числа, а витрину тарифов закрой.

И последнее. Цена за задачу держится на двух множителях, которыми управляешь ты сам, - на объёме токенов и доле успеха. Двигает их то, что ты кладёшь модели в контекст, а выбор самой модели тут мало что меняет. Поэтому вопрос «какой агент дешевле» на практике превращается в вопрос «как я с ним работаю». Модель подорожает или подешевеет, а метод останется прежним.

Полная схема вайб-кодинга держится на методе, а конкретный агент и его ценник вторичны: ИИ-клон плюс Второй мозг плюс контекст-инжиниринг. Чистый контекст и выстроенная работа двигают объём токенов и долю успеха, из которых и собирается цена задачи. Разбираю все три за три вечера на практикуме.

Практикум по вайб-кодингу

+Твой второй мозг

3 вечера - инструменты, метод, первый проект

Старт 22–24 сентября  ·  2 000 ₽

Записаться →

Новые материалы - дайджестом, без спама

Гайды выходят регулярно. Подпишись, чтобы не пропускать: пришлю подборку в Telegram или на email. Раз в неделю или каждый день - выбираешь сам.

Подписаться в Telegramили на email