Перейти к содержимому
Экосистема AI Vibe

Разборы

Три способа просчитаться с биллингом LLM: прайс-лист, замер за ход и баланс провайдера

Редакция 9 ноября 2026 г.

Три способа просчитаться с биллингом LLM: прайс-лист, замер за ход и баланс провайдера

Считать интерактивный продукт на моделях можно по трём линейкам: цены за токен в карточке API, доллары за один «ход» бота на реальной нагрузке и то, что спишется с кошелька провайдера. Для соло-разработчика с чатом, игрой или агентным циклом первая линейка почти всегда врёт. В замере по текстовой игре AI Werewolf Aliaksei Zelianouski (@hiper2d) за 53 дня залогировал порядка 51 000 API-вызовов и сравнил 27 frontier-моделей по фактической стоимости хода в своём рантайме, а не по прайс-листу.

Групповой чат, GM и роутеры вместо одного completion

Текстовая игра у Zelianouski устроена как длинный групповой чат: один человек и от 5 до 15 ботов, ролевая механика, сводки дня (compaction) и побочные задачи вроде портретов, озвучки и классификаторов. Единица нагрузки, bot turn: ответ в чат, голосование, ночное действие; каждый такой ход отдельный запрос к официальному LLM API с растущим контекстом.

Параллельно крутятся Game Master, роутер «кто говорит дальше», резервный роутер, экран модерации ввода и генерация истории новой партии. Для разработчика с vibe-подходом это ближе к мульти-агентной обвязке, чем к одиночному chat completion: много коротких циклов, structured output на голосованиях, периодические тяжёлые сводки.

Если вы прототипируете игру, бота или IDE-агента с несколькими ролями, разовая проверка одной модели в REPL не заменит учёт по типам ходов.

С середины сентября каждый AI-вызов пишется в таблицу статистики (токены in/out, кэш, стоимость, время). За первые 53 дня журнала набралось порядка 51 000 вызовов.

Средние расходы за этот период (USD из статистики игры):

Категория Всего ($) В день ($) Доля
Текст (боты, GM, история) 212.30 4.01 63%
Изображения 94.66 1.79 28%
Аудио 28.29 0.53 8%
Классификаторы 1.96 0.04 0.6%
Итого 337.21 6.36

Типичный день укладывался чуть ниже $6; минимум меньше $0.30, пик около $16. За последние 30 дней среднее подросло до ~$7/день (больше игроков). Полноценная игра на 50+ ходов в среднем обошлась в ~$1.49 при ~165 AI-ходах (из них $1.03 текст, $0.32 картинки, $0.13 голос).

Для бесплатного тарифа игры действует лимит до $5 в сутки с кошелька разработчика на пользователя; на free-слое 651 зарегистрированный игрок при ~6 уникальных в день. Соло-мастеру полезно сверять с этим порядком величины собственные лимиты на песочнице.

Ход, кэш, reasoning и дорогие сводки

Zelianouski разложил bot turn по типам. Большинство ходов, дневное обсуждение (46% вызовов), но end-of-day summary всего 11% ходов и 21% расходов на ботов: крупный input/output и слабый кэш.

Тип хода Доля ходов Средний cost/turn
Day discussion 46% 0.41¢
Vote 19% 0.60¢
Night action 10% 0.65¢
End-of-day summary 11% 1.00¢

Контекст растёт по дням игры: discussion с ~6 600 input tokens на первый день до ~11 400 на пятый; summary с ~12 100 до ~16 800. В output попадают и видимый текст, и reasoning-токены, которые сложно заложить по прайсу «8K in + 300 out».

На текстовых вызовах 73% счёта приходится на input, 27% на output; при этом лишь 29% input-токенов реально пришли с кэша, а не по «бумажным» скидкам 75–98%.

Медианная пауза между вызовами одного бота, 4 минуты; 42% разрывов длиннее 5 минут, 6% дольше получаса. Для coding-агентов с вызовом каждую секунду картина кэша другая: у DeepSeek cache hit остаётся высоким даже после часа простоя, у Gemini после пяти минут кэш «почти выключен».

Таблица «real cost vs expected» (ожидание: 8 000 input + 300 output без кэша по rate card) показывает разброс: Grok 4.7 даёт 2.7×, Mistral Medium 3.5 даёт 2.5×, Gemini 3.8 Flash даёт 1.3×; Qwen 3.8 Max укладывается в 0.6× за счёт сильного кэша (63% input).

У Grok 4.6/4.7 в среднем ~2 200 output tokens на turn, 94% из них reasoning; игрок видит порядка сотни токенов текста. Токенизатор тоже меняет картину: Claude Haiku 5.5 тянет ~13 473 input/turn против ~7 377 у GPT-6 Luna в том же типе игры.

Роутер «кто говорит» и content screen на Jev (typesafe.ai); с 8 октября fallback, GPT-6 Luna через OpenAI Decisions API при сбоях. Классификаторы дали 12 015 вызовов (24% всех) на $1.96 за 53 дня; медиана 0.014¢/call у Jev и 0.038¢/call у Luna backup, дешевле, чем тянуть ту же логику через тяжёлую chat-модель.

Полосы из 27 моделей и обнуление кэша на JSON

В игре одновременно доступны 27 LLM от OpenAI, Anthropic, DeepSeek, Google, Mistral, Qwen, GLM, Kimi, xAI и других лабораторий. Имена в UI игры внутренняя номенклатура разработчика; сравнение идёт по измеренному $/turn, а не по строке input/output в прайсе.

Для free-игры действуют четыре полосы по cost/turn:

Cost/turn Ботов в free-игре Доля ходов Доля spend ботов
до 0.3¢ без лимита 56% 12%
до 1¢ 3 21% 25%
до 2¢ 1 16% 31%
> 2¢ только paid 7% 33%

20 сентября лимиты в free-слое переключили с ориентира на output price карточки на фактический cost/turn; средний turn cost на free за 30 дней после смены упал с 0.91¢ до 0.67¢, за последние 30 дней до 0.50¢ (часть эффекта от подключения дешёвых моделей).

В «unlimited»-полосе при достаточной выборке, например: условная GPT-6 Luna (OpenAI) 0.09¢/turn, DeepSeek V4.1 Flash 0.09¢, Claude Haiku 5.5 0.19¢, Gemini 3.5 Flash Lite 0.21¢. В paid-only Claude Fable 5.1 ~10.6¢/turn (порядка 128× дороже Luna в той же механике), Grok 4.7 4.89¢, Claude Sonnet 5.5 3.13¢ (955 вызовов в выборке замера).

Если вы подключаете агента в продукт, полосы прямая аналогия tier-лимитов по модели: дорогой «характер» можно оставить платным, а пул дешёвых моделей кормит основной трафик.

На vote и night action ответы идут в structured output (JSON). У OpenAI, Google, Mistral и Meta при голосовании в течение пяти минут после обсуждения cache hit на входе 0–3%; у Anthropic 25%; у DeepSeek, GLM, MiniMax, Qwen и Kimi 41–76%. Причина: схема JSON как отдельная настройка, которая у части провайдеров сбрасывает префикс.

Compaction-сводки дополнительно бьют по кэшу из‑за инжекта данных в промпт; в статистике это заметили как архитектурную ошибку учёта, а не как сюрприз от провайдера.

Кейс Anthropic 1-hour cache на Sonnet 5.5: cost/turn 2.94¢ без кэша против 3.13¢ с кэшем, из‑за двойной оплаты записи в кэш и инвалидации на JSON-ходах. Расхождение с балансом поймали, когда деньги на аккаунте уходили в ~1.5× быстрее, чем во внутреннем трекинге (ошибка: cache writes считались по заниженной ставке).

Для разработчика агентов с tool calling и JSON-ответами урок простой: тестируйте кэш на сценарии с паузами и схемой, а не на непрерывном стриме кода.

Пять практических выводов и границы бенчмарка

Zelianouski формулирует пять тезисов для тех, кто собирает LLM-продукт с множеством вызовов на сессию:

  1. Не выбирать модель по цене за токен: гонять реальную нагрузку и делить деньги на число вызовов.
  2. Не считать кэш данным из маркетинга; для игр с паузами и JSON нужна отдельная проверка.
  3. Большинству пользователей всё равно на модель, поэтому случайный выбор из дешёвого пула на старте сильно экономит.
  4. Классификаторы для игровой логики там, где уместно, дают прирост скорости и цены.
  5. Сверять собственный трекинг с балансом провайдера ежемесячно.

На сайте игры есть страница моделей с effective cost per turn по каждой модели; бенчмарк смещён use case AI Werewolf и багами учёта, цифры замера не переносятся на произвольный агентный стек без повторного прогона.

Карточка провайдера обещает прозрачность по input, cached и output. Живой рантайм с ботами, сводками, JSON-голосованиями и reasoning добавляет слой, который видно только после десятков тысяч вызовов. Для русскоязычного соло-разработчика без отдельного финансиста это аргумент начать считать $/turn и долю кэша раньше, чем масштабировать бесплатный tier.

Источники

  • Aliaksei Zelianouski (@hiper2d), «How much does it cost to run a text game with LLMs» — Dev.to (доступ: 2026-11-09)