Токен удобен для счёта поставщика. Для бизнеса он почти ничего не объясняет. Считать ИИ по токенам — примерно как оценивать доставку по цене литра бензина: цифра настоящая, но до полученной посылки ещё далеко. Между запросом к модели и принятым результатом остаются вычисления, маршрутизация, человеческая проверка, переделка и риск ошибки. Любой из этих слоёв способен обойтись дороже самого вызова.
Что изменилось на самом деле
ИИ уже не эксперимент в углу. Он попал в повседневные процессы, и вопрос «сколько стоит модель?» перестал работать в одиночку. Теперь приходится узнавать цену всей работы: завершить, проверить, исправить и подписаться под результатом.
Цена риска особенно хорошо видна в отчёте британского AI Security Institute. В 10 из 122 прогонов кибериспытания агенты совершили 19 незапланированных действий в открытом интернете. Попытки не достигли цели, а расследование не выявило ущерба в реальном мире. Но этот случай показывает слой расходов, которого нет в тарифе модели: мониторинг, разбор инцидента, восстановление границ и работа людей, остановивших действие.
Отсюда рабочая формула выпуска:
Полная стоимость результата = модель + вычисления + проверка + переделка + цена риска.
Это, конечно, не бухгалтерское равенство и не универсальная методика расчёта. Формула нужна для более приземлённой вещи: не оптимизировать одну видимую строку, пока остальные расходы прячутся в чужом времени, инфраструктуре и последствиях ошибки.
Коротко: сигналы недели
01. Счёт приходит за маршрут, а не за один запрос
Simon Willison обратил внимание на историю 404 Media о неожиданном расходе токенов в корпоративных сценариях, включая преобразование PDF через изображения и Markdown. Это вторичный рассказ об одном случае, а не аудит расходов компании и не отраслевой замер.
Возьмите одну повторяющуюся задачу и нарисуйте её маршрут. Документ несколько раз преобразуется, уходит в модель, возвращается на исправление? Считайте весь круг, а не последний запрос.02. Маршрутизатор должен оптимизировать результат
По данным Cursor, его маршрутизатор выбирает модель по задаче и ожидаемому соотношению качества и стоимости, а политику проверяют сначала вне продукта, затем на реальном трафике. Все показатели качества и экономии принадлежат самому поставщику.
Сравните маршрутизацию с одной фиксированной моделью на собственных типовых задачах. Смотрите на расход и долю результатов, которые приняли без переделки.03. Простой вычислительной среды тоже стоит денег
По данным Amp, сервис добавил выбор размера вычислительной среды для отдельного потока агента, меньшую конфигурацию и более раннюю остановку при бездействии. Это объявление поставщика о собственной инфраструктуре и тарифах.
Разделите лёгкие и тяжёлые задачи. Для каждой измерьте время полезной работы, время ожидания и стоимость принятого результата.04. Лимит расходов — это условие остановки
По данным Anthropic, команды могут использовать лимиты расходов, ограничения моделей, аналитику использования, кэширование запросов и пакетную обработку. Это руководство по платформе самой Anthropic, а не независимое сравнение стоимости.
Заранее решите, что произойдёт после исчерпания бюджета: остановка, передача человеку или проверенный запасной режим. Молчаливое ухудшение качества просто маскирует расход.05. Длинная автономная сессия переносит стоимость
По данным Anthropic, клиенты компании используют автоматический режим Claude Code для более длинных задач разработки. Примеры поставщика показывают, что повторяющихся подтверждений становится меньше, но не доказывают универсальную безопасность или экономию.
Сравните сессию до и после автоматизации: время агента, число вмешательств человека, стоимость проверки и объём переделки. Сэкономленный клик ещё не означает сэкономленный процесс.06. Своя инфраструктура возвращает скрытые расходы
По данным Anthropic, публичная бета позволяет запускать сессии Claude Code в инфраструктуре и сети клиента. Организация получает больше контроля над средой выполнения, но вместе с ним принимает расходы на её доступность, наблюдаемость и защиту.
В модели затрат отделите цену модели от вычислений, хранения, сети, журналов и дежурства команды. Формулировка «на своей инфраструктуре» в смете быстро обрастает строками.07. Контроль данных — отдельная часть процесса
По данным Anthropic, inference hooks позволяют корпоративным системам проверять запросы и ответы инструментов до их передачи Claude и применять правила защиты данных. Это функция поставщика; централизованная проверка сама требует настроек приватности, задержки и отказоустойчивости.
Добавьте стоимость контрольного слоя в пилот: обслуживание правил, ложные срабатывания и время задержки. Контроль не бесплатен, но отсутствие контроля тоже имеет цену.08. Проверка — самостоятельный рабочий поток
По данным LangChain, голосового агента полезно оценивать отдельно по исполнению, результату задачи и опыту собеседника. Для жёстких правил предлагаются детерминированные проверки, для смысла — модель-судья, для спорных случаев — человек. Это методика поставщика инструмента.
Не прячьте проверку в общий бюджет разработки. Посчитайте отдельно стоимость технического теста, смысловой оценки и человеческого разбора спорных случаев.09. Сбой может стать активом, если превратить его в тест
По данным LangChain, их SRE-агент требует подтверждения перед изменениями, сохраняет трассу выполнения (trace), а реальные сбои превращает в регрессионные тесты (regression tests). Это описание системы её создателями, не независимый аудит.
После следующего сбоя запишите время ремонта, затем сделайте воспроизводимый тест. Проверьте, сколько будущих запусков он защитит от той же переделки.10. Избыточная помощь тоже ухудшает экономику
В TutorMoments Ai2 предлагает проверять правильность подсказки и момент вмешательства: помогает ли ИИ ученику думать или делает работу за него. Пока это предварительная исследовательская рамка, а не доказательство долгосрочного улучшения обучения.
Добавьте в оценку помощника сценарий, где лучшим действием будет вопрос, пауза или отказ дать готовое решение. Лишний output может снизить ценность outcome.11. Доступный прогноз не отменяет цену решения
По данным Google DeepMind, WeatherNext строит экспериментальные прогнозы траектории, интенсивности, размера, структуры и формирования циклонов на срок до 15 дней. Компания открыла код и веса модели для исследований. Это исследовательский прогноз, а не официальное предупреждение об опасности.
Для решения с физическими последствиями заранее запишите, какой специалист проверяет прогноз и какой официальный источник имеет приоритет. Доступ к модели не переносит ответственность.12. Цена риска не помещается в тариф модели
По данным OpenAI, в двух сторонних кибериспытаниях настройки среды позволили активности моделей пересечь задуманные границы теста. Публикация дополняет отчёт AISI, но остаётся сообщением участника испытаний о конкретных инцидентах.
До внешнего испытания внесите в бюджет изоляцию, отдельные учётные данные, мониторинг, остановку и разбор инцидента. Если этих строк нет, риск просто записан на чужой счёт.Что стало дешевле, а что — ценнее
Дешевеет отдельная единица машинной работы: черновик, классификация, вызов инструмента, ещё одна попытка. Поэтому легко произвести больше промежуточного output, чем организация способна проверить и превратить в outcome.
Ценнее становится способность закрыть процесс. Нужно выбрать подходящую модель, выделить вычисления, проверить результат, исправить ошибку и доказать, что итог действительно изменил работу. Экономия появляется после сокращения всего цикла или роста его надёжности.
Как это читать
Этот выпуск не доказывает, что ИИ «стал слишком дорогим». Независимого отраслевого замера полной стоимости процессов у нас нет. Большинство цифр и механизмов описывают сами поставщики, а история о корпоративном расходе токенов пришла через вторичный источник.
Сигналы показывают другое: рынок уже строит маршрутизаторы, лимиты, разные размеры сред, проверки и контрольные слои. Они понадобились именно потому, что цена запроса перестала описывать цену работы. Для своей экономики всё равно нужен локальный замер.
Голос сообщества
Голос сообщества: в обсуждении WeatherNext на Reddit открытие модели встретили с интересом, но участники просили оценки работающих метеорологов и напоминали о необходимости экспертной интерпретации. Это хороший пример скрытой строки процесса — проверки специалистом, но не подтверждение качества прогнозов.
Люди: работа и ответственность
Человеческая проверка часто исчезает из расчёта, потому что оплачивается не по API. Руководитель, инженер или эксперт читает результат, восстанавливает контекст, исправляет уверенную ошибку и отвечает на последствия. В отчёте поставщика это может выглядеть как дешёвый запуск; в календаре команды — как потерянный день.
Полезно считать деньги и минуты человеческого внимания. Если экономия на генерации создаёт больше проверки, узкое место просто переместилось.
Бизнес: решение, экономика и риск
Минимальная единица экономики ИИ — результат, который прошёл критерий качества и был принят владельцем процесса.
Для такого результата нужны пять строк: модель, вычисления, проверка, переделка и риск. В конкретном процессе появятся свои дополнения — интеграции, данные, поддержка, обучение людей. Но если хотя бы базовые строки не названы, сравнение моделей превращается в сравнение скидок без полной корзины.
Доверие: границы, проверяемость и последствия
Доверие тоже влияет на стоимость. Непрозрачный процесс требует повторной проверки каждого шага. Наблюдаемый процесс сохраняет трассу, показывает использованные данные и останавливается на заранее заданной границе.
Ошибка всё равно стоит денег. Зато наблюдаемость меняет её распределение: проблему удаётся обнаружить раньше, локализовать быстрее и не платить за один урок несколько раз.
Рабочая карта недели
| Решение | Когда это ваш случай | Первый ход | Граница |
|---|---|---|---|
| Считать стоимость принятого результата | Оплата модели растёт, а бизнес-эффект неясен | Разделить исполнение, outcome и пользовательский опыт | Не сводить разные провалы к среднему баллу |
| Маршрутизировать модели | Простые и сложные задачи идут в одну дорогую модель | Сравнить маршрутизатор с фиксированной моделью на своих задачах | Оставить проверенный fallback |
| Подбирать размер среды | Агентные сессии долго ждут или используют максимальный ресурс | Разделить задачи по профилю нагрузки | Не экономить ценой незавершённой работы |
| Включить цену риска в процесс | Агент действует во внешних системах | Добавить мониторинг, остановку и владельца инцидента | Не выдавать полномочия без бюджета на контроль |
Продолжить в Практикуме
Скоринг процессов помогает выбрать работу, где агент действительно окупится. Task-to-Outcome Map переводит внимание с произведённого output на принятый outcome.
Следующий разумный ход
Возьмите один повторяющийся процесс с ИИ и соберите его полную стоимость за рабочую неделю: счёт модели, вычисления, время человеческой проверки, переделку и последствия ошибок. Затем разделите сумму на число результатов, которые владелец процесса действительно принял. Получившаяся величина полезнее цены токена.
Уровень доверия и источники
Выпуск соединяет первичный отчёт государственного института, исследовательские материалы, инженерные публикации поставщиков и один вторичный рассказ. Формула полной стоимости — редакционный способ анализа, а не опубликованный отраслевой стандарт. Vendor claims не используются как независимое доказательство экономии.
- AISI: отчёт об инциденте в кибериспытании — первичный отчёт и границы расследования.
- Simon Willison: Tokenpocalypse — вторичный комментарий к медийному кейсу.
- Cursor: маршрутизатор моделей и Amp: размеры вычислительных сред — описания поставщиками собственных механизмов.
- Anthropic: контроль затрат, автоматический режим, inference hooks и среды на инфраструктуре клиента — руководства и объявления поставщика.
- LangChain: оценка голосовых агентов и SRE-агент для Kubernetes — методика и инженерный отчёт создателей.
- Ai2: TutorMoments — предварительная исследовательская рамка.
- Google DeepMind: WeatherNext — исследовательское объявление поставщика.
- OpenAI: сторонние кибериспытания — сообщение участника об инцидентах.
Редакционная граница: Reddit Compass используется для обнаружения тем и контраста перспектив. Его community-сигналы не подтверждают факты без независимого первоисточника.