Расставляю точки над ИИ
Гайды

Как выбрать модель ИИ под задачу: параметры, скрытые расходы и тест, который можно повторить

За месяц, с 22 сентября, цены на API менялись у всех трёх крупных вендоров. Anthropic снизила цену Opus до $4 / $20 за миллион токенов и выпустила Haiku 5.5 за $0,10 / $0,50. OpenAI запустила GPT-6.1 Terra за $1 / $5. Google поставила на Gemini 4 Argon вводную цену, которая удвоится 1 декабря. Рейтинги «лучшая модель» в таких условиях устаревают за недели и не отвечают на главный вопрос: что выбрать для вашей задачи.

В статье три части: какие параметры сравнивать, где прячутся лишние расходы и как провести тест на своих данных так, чтобы результат можно было повторить. Рейтинга качества здесь не будет: воспроизводимого теста у меня нет, а субъективные впечатления тестом не считаются. Данные на 3 ноября 2026 года.

Что сравнивать

  1. Цена за миллион токенов отдельно для входа и выхода: выход обычно в 4–5 раз дороже.
  2. Кэш. Повторное чтение уже обработанной части запроса стоит в разы дешевле.
  3. Порог длинного запроса. У некоторых моделей после определённого размера запроса цена растёт.
  4. Токенизатор. Один и тот же текст у разных моделей превращается в разное число токенов.
  5. Режим обработки. Пакетный (Batch) и Flex стоят вдвое дешевле стандарта, быстрый режим дороже.
  6. Доступ. Модель может быть доступна в API, в подписке или в обоих местах.

Сравнение по параметрам

Цена за 1 млн токенов, API, USD. Данные Anthropic я проверил по официальной странице цен 3 ноября. Цены OpenAI и Google взяты из независимых сводок, которые ссылаются на официальные страницы и не противоречат друг другу, поэтому перед использованием их стоит сверить напрямую.

Сравнение моделей ИИ
Сравнение моделей ИИ

Шпаргалку в удобном для телефона виде я публикую в Telegram-канале «Расставим точки над ИИ»: https://t.me/dotsover_ai

Что считать по-настоящему

Токены рассуждений. Модели, которые «думают» перед ответом, тратят на это токены, и они оплачиваются как выходные. У Google это прямо указано в цене выхода. Поэтому счёт часто выше расчёта «по длине ответа».

Токенизатор. По данным Anthropic, модели Claude 4.7 и новее производят примерно на 30% больше токенов на тот же текст, чем более ранние. Из этого следует, что цену за токен между сервисами напрямую сравнивать нельзя: корректно сравнивать стоимость одной и той же задачи по счётчику токенов каждого сервиса.

Кэш у Claude. Запись в кэш на 5 минут стоит в 1,25 раза дороже обычного входа, на час в 2 раза. Чтение стоит 0,05 от цены входа у Sonnet 5.5 и Opus 5.5. Окупается после первого же повторного чтения внутри пяти минут.

Длинный запрос. У Haiku 5.5 цена после 100 тыс. токенов в запросе вырастает в 5 раз ($0,50 / $2,50). У Sonnet 5.5 и Opus 5.5 надбавки нет до 1 млн токенов.

Прочее. Пакетная обработка у Anthropic даёт скидку 50% на вход и выход. Быстрый режим Opus 5.5 стоит $8 / $40. Привязка обработки к США даёт множитель 1,1. Поиск в интернете через API Anthropic стоит $10 за 1000 запросов.

Пример расчёта

Формула: стоимость = (входные токены × цена входа + выходные токены × цена выхода) / 1 000 000.

Задача: 20 000 токенов на входе (примерно длинный документ) и 2 000 на выходе. Условно, для каждого сервиса число токенов надо измерить его собственным счётчиком.

  • Haiku 5.5, GPT-6 Luna - $0,003
  • GPT-6.1 Terra - $0,03
  • Sonnet 5.5, GPT-6.1 Sol, Argon (до 30.11) - $0,06
  • Opus 5.5, Argon (с 1.12) - $0,12

(Все цены указаны по параметру Модель - Стоимость задачи)

С кэшем. Допустим, 18 000 токенов запроса повторяются, а 2 000 меняются, и десять запросов идут подряд в пределах пяти минут на Sonnet 5.5. Первый запрос включает запись в кэш: 18 000 × $2,50 / 1 000 000 = $0,045, плюс $0,004 за новые 2 000 токенов, плюс $0,02 за выход, итого $0,069. Каждый следующий: чтение $0,0018 + новый вход $0,004 + выход $0,02 = $0,0258. Всего $0,30 против $0,60 без кэша.

Как провести тест, который можно повторить

Тест каждой из моделей
Тест каждой из моделей

Условия. Одинаковый промт для всех моделей, пустой контекст (новый чат), одинаковые настройки рассуждения, фиксируйте ID модели и дату. Три запуска на каждую задачу.

Пять задач:

  1. Краткое изложение документа на 3–5 страниц. Заранее выпишите 10 фактов и считайте, сколько передано верно, искажено или выдумано.
  2. Извлечение данных из текста в таблицу (имена, суммы, даты). Сверяйте с эталоном по полям.
  3. Ответ по инструкции с 8 жёсткими требованиями (формат, длина, запретные слова). Чек-лист да / нет.
  4. Расчёт с известным ответом. Верен ли результат и верны ли шаги.
  5. Правка текста по списку замечаний. Считайте лишние изменения, которых не просили.

Критерии: точность по эталону, полнота по чек-листу, стабильность между тремя запусками, стоимость задачи, время ответа.

Лист записи: строка на каждую пару «задача × модель», столбцы: ID и дата, баллы по запускам 1–3, токены входа и выхода, стоимость, время.

Как читать итог. Считайте «цену верного ответа»: стоимость всех запусков делить на число верных результатов. Дешёвая модель с долей верных 60% может проиграть дорогой, а может нет. Вывод зависит от ваших данных.

Шаблон листа записи я выложу в Telegram-канале: https://t.me/dotsover_ai

Подписка или API

Подписка даёт фиксированную цену и лимиты, API оплату за использование. Чтобы сравнить, посчитайте стоимость вашего месяца по формуле выше и сопоставьте с ценой тарифа на странице сервиса. Цены подписок меняются и в эту статью не входят.

Ограничения и ошибки

  • Пять задач это небольшая выборка. Результат относится к вашим данным и не переносится на другие.
  • Бенчмарки, которые публикуют вендоры, самоотчёты: они показывают направление, но не заменяют ваш тест.
  • Модели обновляются: повторяйте тест при смене версии.
  • Цены меняются. Вводные тарифы (как у Argon) заканчиваются в заданную дату.
  • Распространённая ошибка: сравнивать цену за токен без учёта токенизатора и токенов рассуждений.

Практические выводы

  • Массовые простые задачи (классификация, извлечение данных): начните с самых дешёвых моделей и проверьте точность по протоколу. У Haiku 5.5 учитывайте порог 100 тыс. токенов.
  • Редкие сложные задачи: стоимость одной задачи мала, поэтому важнее точность. Сравнивайте верхние модели.
  • Повторяющийся большой контекст: используйте кэш.
  • Argon: вводная цена до 30 ноября. Не закладывайте её в бюджет после 1 декабря.

Заключение

Лучшей модели «вообще» нет: есть та, которая на ваших задачах даёт нужную точность за приемлемую цену. Цена задачи считается формулой, точность проверяется тестом из пяти задач. Я публикую такие проверки и шпаргалки в Telegram: https://t.me/dotsover_ai

Источники