Цены на LLM API в 2026: полная таблица стоимости токенов

КАК ВООБЩЕ СЧИТАЮТ ЦЕНУ LLM API

Все крупные провайдеры считают в токенах, а не символах или словах. Токен — кусок текста примерно в 3-4 символа для английского и заметно короче для русского и кода. Практический ориентир: русский текст токенизируется хуже английского, часто в 1.5-2 раза больше токенов на тот же смысл. Это первый источник недооценки бюджета у русскоязычных команд.

Тариф всегда состоит из двух ставок за миллион токенов (за 1M):

• Input — всё, что ты отправил: системный промпт, история диалога, RAG-контекст, определения инструментов.
• Output — то, что сгенерировала модель. Сюда же считаются токены «размышления» (reasoning/thinking), даже если ты их не видишь.

Ключевое правило, которое ломает интуицию новичков: output дороже input в 4-5 раз. Поэтому длинный промпт с коротким ответом дешёвле, чем короткий промпт с простынёй на выходе. Считать надо оба конца, а не только «размер запроса».

ПОЛНАЯ ТАБЛИЦА СТОИМОСТИ ТОКЕНОВ 2026

Ниже — ориентировочные ставки за 1M токенов по флагманским и рабочим моделям на середину 2026 года. Цифры по семейству Claude точны (взяты из актуального прайса Anthropic); по остальным провайдерам — порядок величины по замерам сообщества, конкретный тариф всегда проверяй на странице pricing провайдера, они двигаются часто. Свежие релизы моделей и инструментов отслеживаются в каталоге REDDYX.

Что видно из таблицы сразу:

1. Разница между дешёвым и топовым тиром — около 50-100x. Выбор модели решает больше, чем любая микрооптимизация промпта.
2. Внутри одного провайдера младшая модель обычно в 3-5 раз дешевле старшей на том же типе задач.
3. Гигантский контекст (1M токенов) звучит красиво, но забить его целиком — это разово многие доллары только на input.

ПОЧЕМУ OUTPUT ДОРОЖЕ И ГДЕ ПРЯЧУТСЯ REASONING-ТОКЕНЫ

Генерация каждого токена ответа — отдельный прогон модели, поэтому output дороже: провайдер платит за вычисления построчно. Input же обрабатывается одним параллельным проходом (prefill) и стоит дешевле.

В 2026 отдельная ловушка — reasoning-токены. Модели с расширенным мышлением (adaptive thinking у Claude, o-серия у GPT, thinking-режимы у Gemini) генерируют невидимую цепочку рассуждений до финального ответа. Ты её часто не видишь в UI, но платишь за неё по ставке output. На сложной задаче «мышление» может съесть больше токенов, чем сам ответ. Если бюджет улетает в трубу — первым делом посмотри, не включён ли высокий effort/reasoning там, где хватило бы прямого ответа.

Как быстро оценить стоимость запроса

Не гадай по символам — считай токены через API токен-каунтера провайдера. Пример на Python для Claude (у OpenAI и Google свои аналоги):

from anthropic import Anthropic

client = Anthropic()

resp = client.messages.count_tokens(
    model="claude-opus-4-8",
    messages=[{"role": "user", "content": open("prompt.txt").read()}],
)

input_tokens = resp.input_tokens
price_in = 5.00   # $/1M input, Opus 4.8
price_out = 25.00 # $/1M output
expected_output = 800  # прикинь ожидаемую длину ответа

cost = (input_tokens / 1_000_000) * price_in \
     + (expected_output / 1_000_000) * price_out

print(f"input: {input_tokens} tok")
print(f"оценка стоимости запроса: ${cost:.5f}")

Важно: не используй tiktoken для не-OpenAI моделей — он занижает счёт на 15-20% на обычном тексте и сильнее на коде и русском. У каждого провайдера свой токенизатор.

ТРИ РЫЧАГА, КОТОРЫЕ РЕАЛЬНО РЕЖУТ СЧЁТ

1. Кэширование промпта — до -90% на input

Если у тебя большой стабильный префикс (системный промпт, документация, few-shot примеры), который повторяется от запроса к запросу, включай prompt caching. Первый запрос пишет кэш (наценка ~1.25x на записанную часть), последующие читают его по ставке ~0.1x от базового input. Экономия на повторяющемся контексте — до 90%.

Главное правило кэша: это префиксное совпадение. Любое изменение байта в начале промпта (дата, UUID, несортированный JSON) обнуляет кэш дальше по тексту. Держи волатильные данные в конце запроса, а не в системном промпте.

2. Батч-режим — -50% на всё

Если задача не требует ответа в реальном времени (разметка датасета, массовая суммаризация, оффлайн-обработка) — гони через Batch API. Скидка 50% на все токены. Большинство батчей завершается в пределах часа, потолок обычно 24 часа. Для фоновой обработки это самый дешёвый способ жить.

3. Правильный выбор модели под задачу

Классификация, извлечение полей, короткие ответы «да/нет» — это работа для дешёвого тира (Haiku, Flash, mini). Гонять флагман на «определи тональность отзыва» — сжигать деньги в 10-50 раз быстрее, чем нужно. Флагман бери туда, где корректность важнее цены: сложный код, длинные агентные цепочки, анализ.

• Дешёвая модель + хороший промпт часто бьёт дорогую модель на простой задаче.
• Кэш + батч на дешёвой модели — комбинированная экономия легко уходит за -80% против наивного использования флагмана.

SELF-HOST VS API: КОГДА СВОЯ ИНФРА ДЕШЕВЛЕ

Open-weight модели (Llama, Qwen, Mistral, DeepSeek и их производные) можно крутить у себя. Тогда «цена токена» превращается в цену GPU-часа. Грубый порог по замерам сообщества: пока объём меньше нескольких десятков миллионов токенов в сутки и нагрузка неравномерная — API почти всегда дешевле и проще (не платишь за простой GPU). Своя инфра начинает выигрывать на большом стабильном объёме, требованиях к приватности данных или когда нужен фиксированный latency без чужих рейт-лимитов.

Не забывай скрытую стоимость self-host: DevOps, обновления, мониторинг, простой железа. Sticker-цена «$0 за токен» обманчива.

ЧЕК-ЛИСТ РАСЧЁТА БЮДЖЕТА ПЕРЕД ЗАПУСКОМ

1. Прогони реальные промпты через токен-каунтер — не угадывай по символам.
2. Оцени среднюю длину ответа и умножь на output-ставку. Это обычно главная статья расхода.
3. Проверь, включён ли reasoning/thinking — и нужен ли он на этой задаче.
4. Вынеси стабильный контекст в кэшируемый префикс.
5. Всё, что можно, переведи на дешёвый тир и/или батч.
6. Посчитай стоимость на 1000 запросов, а не на один — так видно реальный масштаб.

Новые дешёвые модели и open-weight релизы появляются каждую неделю — удобно ловить их в каталоге REDDYX, где собраны свежие инструменты для AI/ML.

Прайсы двигаются, дешёвые модели выходят чаще, чем успеваешь их тестировать. Если не хочешь пропустить момент, когда очередной релиз обрушит твой счёт вдвое — залетай в Telegram-канал REDDYX AI — новые репозитории каждые 30-60 минут.