Чтобы рассчитать стоимость LLM API до запуска, оценивайте одно действие пользователя, а не один вызов API. Посчитайте вызовы за этим действием, измерьте новый вход, вход из кэша и выход на 20–50 реальных примерах, умножьте на число действий в месяц, затем добавьте рассуждения и повторы. Наш пример с черновиками ответов поддержки на DeepSeek V4.1 Flash даёт $42.67 в месяц.
Это прогноз до запуска для одной функции; когда появятся платящие пользователи, маржу и ценовые уровни разбирает статья стоимость LLM на пользователя в SaaS.
Какая формула у стоимости LLM API?
monthly cost = actions per month × calls per action
× ( new input tokens × input price
+ cached input tokens × cached price
+ output tokens × output price ) / 1,000,000
То есть: месячная стоимость = действия в месяц × вызовы на действие × (новые входные токены × цена входа + входные токены из кэша × цена кэша + выходные токены × цена выхода) / 1 000 000.
Выходные токены включают рассуждения. Кэшированные токены — это вход, который провайдер использует повторно по более низкой цене. Всё остальное — измерения. Бесплатный калькулятор стоимости LLM API применяет эту формулу к прайсовой цене любой модели.
Как пошагово построить модель затрат?
- Назовите единицу работы. «Подготовить черновик ответа в поддержку», «кратко пересказать звонок», «починить падающий тест». Оценивайте её, а не «запрос».
- Посчитайте вызовы на действие. Ответ с поиском может быть одним вызовом. Агент, который планирует, редактирует и проверяет, — десятью. Добавьте долю повторов: тайм-аут, который вы повторяете, оплачивается снова.
- Измерьте токены на вызов на реальных примерах. Возьмите 20–50 реалистичных входных данных, а не вылизанные демо. Для первой грубой оценки, ещё до вызова API, вставьте их в счётчик токенов. Читайте
usage.prompt_tokens,usage.prompt_tokens_details.cached_tokensиusage.completion_tokensиз каждого ответа. При стриминге задайтеstream_options: {"include_usage": true}; руководство по стримингу показывает, где эти данные появляются. - Разделите новый вход и вход из кэша. Системный промпт, список инструментов и общие документы можно кэшировать, если они идут первыми и не меняются. Текст пользователя — нельзя.
- Включите рассуждения в выход. DeepSeek V4.1 Flash, GLM 5.3 и Qwen3.8 27B думают перед ответом. Эти токены рассуждений оплачиваются как выход, и их часто больше, чем видимого ответа. Почему рассуждения стоят больше, чем видно.
- Оцените объём. Активные пользователи × действия на пользователя в день × 30.
- Перемножьте и сложите. Переведите итоги по токенам в миллионы и примените цену за 1 млн.
- Оцените три сценария. Низкий, ожидаемый и высокий. Трафик на запуске непредсказуем, а промпты со временем растут.
- Проверяйте не только деньги, но и лимиты. Пиковое число запросов в минуту и одновременных запросов должно укладываться в лимиты запросов вашего ключа.
- Выберите модель оплаты. Оплата за токены — для скачкообразного трафика, который создают пользователи; тариф с фиксированной ценой — для агентов, работающих без перерыва.
Как выглядит пример расчёта? Генератор черновиков ответов поддержки
В приложение для службы поддержки добавляют кнопку «Черновик ответа». Цифры ниже — допущения для иллюстрации. Замените каждую своими измерениями.
| Параметр | Значение | Откуда берётся |
|---|---|---|
| Сотрудники поддержки (штат), которые пользуются функцией | 500 | Продуктовый план |
| Черновиков на оператора в день | 4 | Использование в пилоте |
| Дней в месяце | 30 | |
| Действий в месяц | 60 000 | 500 × 4 × 30 |
| Вызовов на действие | 1 | Один вызов с найденными статьями |
| Входных токенов на вызов | 5 000 | Системный промпт, переписка по тикету, три статьи справки |
| Доля входа из кэша | 50% | Стабильный системный промпт и префикс со статьями |
| Выходных токенов на вызов | 500 | Около 200 видимых, 300 на рассуждения |
| Модель | DeepSeek V4.1 Flash | $0.175 / $0.0055 / $0.52 за 1 млн |
Теперь итоги:
| Строка | Токенов в месяц | Цена за 1 млн |
|---|---|---|
| Новый вход | 150 млн | $0.175 |
| Вход из кэша | 150 млн | $0.0055 |
| Выход, включая рассуждения | 30 млн | $0.52 |
| Ожидаемая стоимость в месяц | $42.67 |
Это 300 млн входных и 30 млн выходных токенов: 60 000 × 5 000 и 60 000 × 500.
Насколько широкими делать низкий и высокий сценарии?
| Сценарий | Действий в месяц | Входные / выходные токены | Стоимость в месяц |
|---|---|---|---|
| Низкий: медленное внедрение | 20 000 | 100 млн / 10 млн | $14.23 |
| Ожидаемый | 60 000 | 300 млн / 30 млн | $42.67 |
| Высокий: внедрение в 3 раза больше | 180 000 | 900 млн / 90 млн | 3 × $42.67 |
Во всех трёх сценариях доля кэша одинаковая — 50%. Если она упадёт, счёт вырастет: новый вход на этой модели стоит $0.175 за 1 млн против $0.0055 из кэша. Как держать долю кэша высокой.
Что сильнее всего меняет оценку?
- Длина контекста. Поиск, который подтягивает десять статей вместо трёх, может удвоить вход. Измеряйте токены после каждого изменения промпта.
- Рассуждения.
reasoning_effortсо значениемlowна простых черновиках сокращает скрытый выход. Рассуждения и max_tokens. - Повторы и циклы. 5% повторов добавляют 5% к каждой строке. У цикла агента без ограничения шагов потолка нет вовсе. Контроль расходов на LLM API.
- Выбор модели. Gemma 4 VL 26B стоит $0.10 за вход и $0.22 за выход за 1 млн, но её контекст — 32 768 токенов, и BroadNet не указывает для неё рассуждения. Проверьте качество, прежде чем переходить на неё ради экономии.
- Язык. Одному и тому же тексту на арабском или хинди может понадобиться гораздо больше токенов, чем на английском, и разрыв зависит от токенизатора. Наш датасет реальная стоимость по языкам показывает цену за 1 млн символов для каждого языка на каждой модели и у каждого провайдера.
- Рост промптов. После запуска промпты обычно растут по мере обработки пограничных случаев. Повторяйте измерение в каждом релизе.
- Изменения цен. Прейскурантные цены меняются редко, но могут расти. В архивных страницах цен 11 провайдеров мы зафиксировали 52 повышения прейскурантной цены с 2024 по ноябрь 2026 года, каждое — сравнение цены модели с её же прежней ценой (против 100 снижений); медианное повышение составило 40% по смешанной цене. См. статью как закладывать в бюджет рост цен на LLM API.
Если оценка получилась слишком высокой, прежде чем менять функцию, пройдите чек-лист из 10 шагов по снижению расходов на LLM API.
Укладывается ли объём в лимиты запросов?
60 000 действий в месяц — это около 2 000 в день. Если десятая часть дневных черновиков приходится на самый загруженный час, это 200 в час, или около 3 в минуту. Ключ BroadNet с оплатой по факту допускает 30 запросов в минуту и 4 одновременно, так что одного ключа хватит. Проверьте и высокий сценарий или прогоните свой пик через калькулятор лимитов запросов. О соотношении частоты запросов и числа одновременных запросов см. параллельность. Если получаете 429, повторяйте с задержкой.
Стоит ли запускать эту функцию на тарифе с фиксированной ценой?
Скорее нет. Сессия Full Moon стоит $60 в месяц, но выполняет один запрос за раз, а когда много пользователей одновременно нажимают «Черновик», нужны параллельные запросы. Тарифы с фиксированной ценой подходят агентам, которые работают непрерывно, например агенту для программирования. Расчёт окупаемости показывает, что агент для программирования на полный день стоит $65.40 в месяц при оплате за токены — больше цены тарифа.
Как превратить оценку в бюджет?
- Внесите ожидаемую цифру в план, а высокую — в порог оповещения.
- Логируйте токены на действие в продакшене и каждую неделю сравнивайте с моделью затрат.
- Задайте жёсткие ограничения в коде:
max_tokens, лимиты шагов и лимиты повторов. - Пересчитывайте оценку каждый раз, когда меняете модель, промпт или настройки поиска.
Пересчитать стоимость при оплате за токены на своих цифрах можно в калькуляторе стоимости LLM API, а сравнить тариф с оплатой за токены — на странице цен.
Какое место здесь занимает BroadNet Inference
BroadNet Inference публикует цены за токены для всех моделей чата и распознавания речи, которые она обслуживает, в одном файле цен, поэтому оценку выше можно держать в коде. Новые аккаунты получают стартовый кредит $5, который действует для Gemma 4 VL 26B и обеих моделей транскрипции, так что вы можете измерить свои примеры на Gemma; для DeepSeek, GLM и Qwen нужно пополнение. Если вашей функции нужна закрытая передовая модель, для этой части BroadNet — неподходящий провайдер.
