Сколько стоит AI-агент: расчёт расходов на модели по шагам

«AI агент цена» — вопрос, на который нет одного ответа, потому что стоимость определяется не самой моделью, а тем, как она используется в цикле. Агент обращается к модели на каждом шаге и каждый раз отправляет накопленный контекст, поэтому счёт растёт быстрее, чем кажется. Ниже формула, из которой можно посчитать расход любого агента, три примера по ценам Zukko на 18 октября 2026 и маленький калькулятор на Python. Актуальный список моделей и цен: GET https://api.zukko.pro/v1/models или страница «Модели» в кабинете.

Из чего складывается стоимость

Для одного запроса к модели:

стоимость = свежий вход × цена входа + чтение кэша × цена чтения + запись кэша × цена записи + выход × цена выхода

Цены указаны за 1M токенов, поэтому токены делятся на 1 000 000. Для агента этот запрос повторяется на каждом шаге, а контекст растёт. Введём обозначения:

• N: число шагов;
• C0: стартовый контекст (системная инструкция, описания инструментов, задача);
• Δ: сколько токенов добавляется к контексту за шаг (результат инструмента плюс ответ модели);
• O: токенов выхода на шаг.

Контекст на шаге k равен C0 + (k − 1) × Δ. Если кэша нет, суммарный вход за всю задачу:

вход = N × C0 + Δ × N × (N − 1) / 2

Второе слагаемое квадратично зависит от числа шагов. Поэтому удвоение шагов увеличивает вход больше чем вдвое.

Допущения для примеров

Для всех примеров ниже: C0 = 8 000 токенов, Δ = 1 500 токенов, O = 500 токенов на шаг, N = 20 шагов (если не сказано иное). Это условные числа для демонстрации: в вашем агенте они будут другими, и замерить их можно по полю usage ответов.

Вход за задачу: 20 × 8 000 + 1 500 × 20 × 19 / 2 = 160 000 + 285 000 = 445 000 токенов. Выход: 20 × 500 = 10 000 токенов.

Пример 1: дешёвая модель без кэша

deepseek-v4.1-flash: вход $0.013, выход $0.038 за 1M токенов (у DeepSeek цена чтения кэша равна цене входа, поэтому кэш ничего не меняет).

• Вход: 445 000 × 0.013 / 1 000 000 = $0.005785.
• Выход: 10 000 × 0.038 / 1 000 000 = $0.00038.
• Итого: $0.006165, около 0.6 цента за задачу.

Для сравнения glm-5.3-flash (0.04 / 0.04, контекст 128K): 445 000 × 0.04 / 1 000 000 + 10 000 × 0.04 / 1 000 000 = 0.0178 + 0.0004 = $0.0182.

Пример 2: Claude Sonnet 5.5 с кэшем и без

claude-sonnet-5-5: вход $0.4, выход $2, чтение кэша $0.05, запись кэша $0.5.

Без кэша (например, Claude вызывается в OpenAI-формате, где весь вход идёт по цене входа):

• Вход: 445 000 × 0.4 / 1 000 000 = $0.178.
• Выход: 10 000 × 2 / 1 000 000 = $0.02.
• Итого: $0.198.

С кэшем (Anthropic-формат, /v1/messages). Модель делает так: на шаге 1 пишется в кэш стартовый контекст C0, на каждом следующем шаге весь предыдущий контекст читается из кэша, а новая часть Δ записывается. Тогда:

• запись: 8 000 + 19 × 1 500 = 36 500 токенов;
• чтение: 19 × 8 000 + 1 500 × (0 + 1 + ... + 18) = 152 000 + 1 500 × 171 = 408 500 токенов;
• проверка: 36 500 + 408 500 = 445 000, то есть весь вход.

Стоимость:

• запись: 36 500 × 0.5 / 1 000 000 = $0.01825;
• чтение: 408 500 × 0.05 / 1 000 000 = $0.020425;
• выход: $0.02;
• итого: $0.058675, около $0.059.

Разница между $0.198 и $0.059 целиком объясняется форматом и кэшем. Это идеальный случай, где кэш попадает на каждом шаге; на практике бывают промахи (смена модели, правка начала промпта, пауза дольше времени жизни кэша), так что реальный результат лежит между этими числами.

Для сравнения GPT. gpt-6.1-sol (вход 0.27, выход 1.32, чтение кэша 0.013): запись в кэш у GPT отдельно не списывается, поэтому новые токены идут по цене входа. Свежий вход: новые части контекста, те же 36 500 токенов, по цене входа: 36 500 × 0.27 / 1 000 000 = 0.009855. Чтение: 408 500 × 0.013 / 1 000 000 = 0.0053105. Выход: 10 000 × 1.32 / 1 000 000 = 0.0132. Итого: 0.009855 + 0.0053105 + 0.0132 = $0.0283655, около $0.028. Предполагаем попадание кэша на всех шагах; для GPT чтение кэша видно в обоих форматах.

Пример 3: длинная сессия на Opus 5.5

Сложная задача: N = 60 шагов, C0 = 15 000, Δ = 2 000, O = 800 токенов на шаг. Модель claude-opus-5-5: вход $0.8, выход $4, чтение кэша $0.08, запись $1.

Суммарный вход: 60 × 15 000 + 2 000 × 60 × 59 / 2 = 900 000 + 3 540 000 = 4 440 000 токенов. Выход: 60 × 800 = 48 000 токенов.

Без кэша:

• вход: 4 440 000 × 0.8 / 1 000 000 = $3.552;
• выход: 48 000 × 4 / 1 000 000 = $0.192;
• итого: $3.744.

С кэшем (Anthropic-формат):

• запись: 15 000 + 59 × 2 000 = 133 000 токенов, 133 000 × 1 / 1 000 000 = $0.133;
• чтение: 4 440 000 − 133 000 = 4 307 000 токенов, 4 307 000 × 0.08 / 1 000 000 = $0.34456;
• выход: $0.192;
• итого: $0.66956, около $0.67.

Что показывают примеры

1. Шаги важнее модели. При тех же C0 и Δ удвоение шагов с 20 до 40 увеличивает вход с 445 000 до 40 × 8 000 + 1 500 × 40 × 39 / 2 = 320 000 + 1 170 000 = 1 490 000 токенов. На claude-sonnet-5-5 без кэша это $0.636 вместо $0.198 (1 490 000 × 0.4 / 1 000 000 + 20 000 × 2 / 1 000 000).
2. Кэш важен для Claude и GPT. Для длинных сессий с повторяющимся префиксом чтение кэша дешевле входа, и формат запроса для Claude влияет на расход сильнее, чем многие настройки. В OpenAI-формате Claude кэша не получает.
3. Дешёвые модели меняют масштаб. Задача в примере 1 стоит доли цента. Но слабая модель может требовать больше шагов или не решать задачу, поэтому считайте стоимость решённой задачи, а не стоимость шага.
4. Рассуждения тоже выход. Если модель тратит токены на рассуждение, они оплачиваются как выход; параметр O нужно увеличить.

Калькулятор

Функция принимает цены из таблицы и считает расход с кэшем и без:

def agent_cost(n, c0, delta, out, p_in, p_out, p_cache_read=None, p_cache_write=None):
    """Цены в $ за 1M токенов. Контекст на шаге k = c0 + (k-1)*delta."""
    total_in = n * c0 + delta * n * (n - 1) // 2
    out_cost = n * out * p_out / 1_000_000
    if p_cache_read is None:                      # без кэша: весь вход по цене входа
        return total_in * p_in / 1_000_000 + out_cost
    written = c0 + (n - 1) * delta                # новые части, пишем в кэш
    read = total_in - written                     # остальное читаем из кэша
    return (read * p_cache_read + written * p_cache_write) / 1_000_000 + out_cost

print(agent_cost(20, 8000, 1500, 500, 0.4, 2))             # без кэша: 0.198
print(agent_cost(20, 8000, 1500, 500, 0.4, 2, 0.05, 0.5))  # с кэшем: ~0.0587

Замените числа на свои. Реальные C0, Δ и O возьмите из usage нескольких настоящих запусков вашего агента, а цены из GET /v1/models. Если хотите оценить размер запроса заранее, пригодится эндпоинт подсчёта токенов POST /v1/messages/count_tokens. Учтите, что эта функция считает идеальный случай с попаданием кэша на каждом шаге, поэтому для оценки сверху используйте вариант «без кэша».

«AI агент бесплатно» и «AI agent free»

Многие запросы про цену на самом деле про бесплатность. Честно: у Zukko бесплатного тарифа нет, оплата идёт за токены с баланса от $1. Бесплатные тарифы сторонних сервисов и агентов существуют, но их условия и лимиты меняются, и мы их не знаем, поэтому смотрите актуальные условия на сайте сервиса. С дешёвыми моделями стоимость небольших задач измеряется долями цента (пример 1), хотя и это не бесплатно. Пополнить баланс можно через СБП (платёжная страница добавляет 8,5% сверху), криптовалютой или картой MasterCard.

Как удержать расход

• Потолок шагов в самом агенте (в примерах выше он равен N).
• Отдельный ключ с дневным лимитом в $ и списком разрешённых моделей: документация по лимитам ключа↗.
• Дешёвая модель для рутины, дорогая для сложных шагов: идея разобрана в статье Каскад моделей LLM↗.
• Сжатие контекста и чистая сессия на каждую задачу.
• Проверка на реальных запусках: смотрите расход в разделе «Использование» кабинета.

Разбор сессии Claude Code с кэшем по шагам — в статье Сколько стоит агент Claude Code↗. Ключ под агента создаётся в кабинете Zukko↗.

Частые вопросы

Сколько стоит один шаг агента?

Зависит от размера контекста на этом шаге. Шаг в начале сессии дешёвый, в конце дорогой: контекст растёт. Поэтому усредняйте по задаче, как в примерах.

Почему расход растёт не линейно?

Потому что на каждом шаге модели отправляется весь накопленный контекст. Суммарный вход содержит слагаемое, пропорциональное квадрату числа шагов.

Как понять, что кэш работает?

Для Claude в Anthropic-формате смотрите поля cache_read_input_tokens и cache_creation_input_tokens в usage. Для GPT — prompt_tokens_details.cached_tokens. Если чтение ноль на длинных сессиях, префикс запросов меняется между шагами.

Какую модель брать для агента?

Сравнивайте по цене, контексту и индексу силы и проверяйте на своих задачах: решённая задача важнее дешёвого шага. Индекс из таблицы: claude-opus-5-5 58, gpt-6.1-sol 52, claude-sonnet-5-5 48, deepseek-v4.1-flash 39.