Добавление ИИ-функции в SaaS-продукт меняет структуру его затрат. Хостинг и хранение стоят примерно одинаково для каждого пользователя; вызовы LLM стоят тем больше, чем активнее ими пользуются. Если назначить цену на функцию, не зная, во что вам обходится активный пользователь, несколько увлечённых клиентов могут превратить прибыльный тариф в убыточный. В этой статье показано, как рассчитать стоимость LLM на пользователя, почему среднее — неверная цифра и как использовать результат для построения тарифов.
Как рассчитать стоимость LLM на пользователя?
Для одной функции и одной модели:
cost per user per month =
requests per active user per month
× [ new input tokens × input price
+ cached tokens × cached price
+ output tokens × output price ] / 1,000,000
То есть: запросы на активного пользователя в месяц × (новые входные токены × цена входа + кэшированные токены × цена кэша + выходные токены × цена выхода) / 1 000 000. У моделей с рассуждениями выход включает токены рассуждений, а изображения на ключе с оплатой по факту считаются входными токенами. Если нужно освежить в памяти эти три цены, прочитайте статью как устроены цены LLM API.
Сложите функции, которыми пользуется пользователь, и получите общую стоимость ИИ на пользователя.
Шаг 1. Кто считается активным пользователем и какова единица?
Возьмите определение, по которому вы уже отчитываетесь, например пользователь, хотя бы раз за месяц воспользовавшийся ИИ-функцией. Затем выберите единицу, которую естественно производит функция: одна реплика в чате, один сгенерированный документ, один проанализированный файл, одно саммари звонка. Стоимость единицы стабильнее стоимости на пользователя, и о ней проще рассуждать.
Шаг 2. Как измерить число токенов на единицу?
Не оценивайте это по числу слов. Логируйте блок usage каждого ответа с тегом функции и хешированным ID пользователя или аккаунта: токены промпта, кэшированные токены и токены ответа, по строке на каждую попытку. В статье о логировании usage есть готовая обёртка и SQL для группировки стоимости по пользователям и функциям. Пока трафика нет, первую оценку по примерам промптов даст счётчик токенов.
Для стриминговых ответов запрашивайте usage в последнем чанке через stream_options={"include_usage": True}; см. руководство по стримингу. Учитывайте каждую попытку, включая повторы, потому что оплачивается каждая попытка, дошедшая до модели.
Шаг 3. Во что обходится типичный пользователь? Пример расчёта
Допустим, в вашем продукте есть встроенный ассистент. Для типичного активного пользователя за месяц вы намерили:
| Показатель | Значение |
|---|---|
| Активных дней | 20 |
| Запросов к ассистенту в активный день | 15 |
| Входных токенов на запрос | 3 000 (половина из кэша) |
| Токенов видимого ответа на запрос | 400 |
| Токенов рассуждений на запрос (модели с рассуждениями) | около 600 |
Это 300 запросов в месяц: около 900 000 входных токенов, из них 450 000 из кэша, и 120 000 токенов видимого выхода, плюс около 180 000 токенов рассуждений на модели с рассуждениями.
Применим цены BroadNet за 1 млн. Число токенов указано в миллионах, поэтому каждое слагаемое — это миллионы токенов × цена за 1 млн:
| Модель | Вход / кэш / выход за 1 млн | Месяц этого пользователя |
|---|---|---|
| Gemma 4 VL 26B | $0.10 / ставки для кэша нет / $0.22 | 0,9 × $0.10 (весь вход по полной цене) + 0,12 × $0.22 (без токенов рассуждений) = $0.12 |
| DeepSeek V4.1 Flash | $0.175 / $0.0055 / $0.52 | 0,45 × $0.175 + 0,45 × $0.0055 + 0,3 × $0.52 = $0.24 |
| Qwen3.8 27B | $0.175 / $0.0435 / $2.17 | 0,45 × $0.175 + 0,45 × $0.0435 + 0,3 × $2.17 = $0.75 |
| GLM 5.3 | $0.78 / $0.173 / $3.46 | 0,45 × $0.78 + 0,45 × $0.173 + 0,3 × $3.46 = $1.47 |
0,3 млн выходных токенов у моделей с рассуждениями — это 0,12 млн видимого ответа плюс 0,18 млн рассуждений. Если досчитать, строка GLM 5.3 выходит более чем в десять раз дороже строки Gemma 4 VL 26B для того же пользователя (обе модели рядом — в сравнении Gemma 4 VL 26B и GLM 5.3). На каждой модели с рассуждениями выход — самое большое слагаемое, и токены рассуждений составляют больше половины этого выхода. Подставьте свои измерения в калькулятор стоимости LLM API, чтобы получить свою цифру.
Шаг 4. Почему средний пользователь вводит в заблуждение?
Использование ИИ-функций распределено неравномерно. Большинство пользователей пробуют функцию несколько раз; небольшая группа пользуется ею весь день. Среднее скрывает эту группу, а именно она формирует счёт.
По логу usage посчитайте на пользователя в месяц:
- Медианную стоимость. Во что обходится обычный пользователь.
- 90-й перцентиль. Во что обходится тяжёлый, но обычный пользователь. Стройте тариф так, чтобы и этот пользователь оставался прибыльным.
- 99-й перцентиль и максимум. Это «хвост». Таким пользователям нужен лимит добросовестного использования, более высокий тариф или проверка на автоматизацию и злоупотребления.
Если пользователь 99-го перцентиля стоит во много раз больше медианного, это само по себе не проблема; это входные данные для ценообразования.
Шаг 5. Как выстроить тарифы и лимиты?
Когда стоимость на пользователя известна, ценообразование становится решением о марже:
- Определите целевую валовую маржу для тарифа.
- Рассчитайте в обратную сторону максимальную стоимость ИИ на пользователя, которую допускает эта маржа.
- Сравните её с 90-м перцентилем. Если 90-й перцентиль укладывается, тариф работает. Если нет, снизьте стоимость (шаг 6), поднимите цену или перенесите интенсивное использование в более высокий тариф.
- Переведите токены в понятную пользователям единицу. Пользователи не мыслят токенами. Ограничивайте запросы в день, документы в месяц или минуты аудио, подобрав лимиты так, чтобы максимальное допустимое использование оставалось в пределах вашего потолка затрат.
- Перепроверяйте ежемесячно. Изменения промптов, новые функции и смена модели — всё это сдвигает стоимость на пользователя.
Шаг 6. Как снизить стоимость на пользователя, не меняя продукт?
- Кэшируйте. Ставьте неизменный системный промпт и список инструментов в начало. На DeepSeek V4.1 Flash вход из кэша стоит $0.0055 за 1 млн вместо $0.175. Как повысить долю попаданий в кэш.
- Снизьте уровень рассуждений.
reasoning_effortсо значениемlowдля рутинных запросов сокращает самые дорогие токены. Сколько стоят рассуждения. - Маршрутизируйте по сложности. Простые запросы отправляйте в Gemma 4 VL 26B, а модели с рассуждениями оставьте для сложных.
- Сокращайте историю. Длинные диалоги на каждой реплике отправляют всё заново; суммаризируйте или обрезайте старые реплики там, где это позволяет качество.
- Ограничивайте выход. Задайте
max_tokensдля каждой функции, оставив запас на рассуждения у моделей с рассуждениями.
Другие способы контроля — в статье контроль расходов на LLM API.
Может ли тариф с фиксированной ценой обслуживать пользователей SaaS?
Безлимитные тарифы BroadNet на DeepSeek V4.1 Flash ($60 в месяц за сессию) можно встраивать в собственное приложение или сервис под вашим ключом, но каждая сессия выполняет один запрос за раз, а ключ нельзя передавать другим или перепродавать. Поэтому тариф хорошо подходит для бэкенд-задач с низкой параллельностью: ночной генератор отчётов, суммаризатор на очереди, внутренний агент. Для интерактивного пользовательского трафика с множеством одновременных запросов обычное решение — ключи с оплатой по факту (4 одновременных запросов на ключ, 30 в минуту) или несколько сессий. Актуальные условия — на странице тарифов.
Какие затраты окружают модель?
Стоимость токенов на пользователя — лишь часть статьи расходов на ИИ. Добавьте поиск и векторное хранилище, транскрибацию (оплачивается за минуту аудио, например $0.0042 за минуту для арабского в BroadNet), повторы и прогоны оценки. Если ваши пользователи пишут на арабском или других неанглийских языках, рассчитывайте на большее число токенов на сообщение, чем в английском; измерьте число токенов на слово на своём контенте.
Как быть с бесплатными тарифами и пробными периодами?
Бесплатный тариф умножает стоимость на пользователя на число пользователей, которые ничего не платят. Относитесь к нему как к маркетинговым расходам: давайте бесплатным пользователям самую дешёвую модель, которая всё ещё хорошо показывает функцию, ставьте более жёсткие дневные лимиты, чем на платных тарифах, и учитывайте затраты на ИИ для бесплатных пользователей отдельной строкой. Если бесплатные пользователи конвертируются, эта строка — стоимость привлечения; если нет, лимиты удерживают её небольшой.
Итоги
Измерьте число токенов на единицу из поля usage, умножьте на опубликованные цены, смотрите на 90-й перцентиль, а не на среднее, и по нему назначайте цены и лимиты тарифов. Затем удешевляйте каждую единицу кэшированием, маршрутизацией и снижением уровня рассуждений. Если вы ещё ничего не измеряли, начните с метода расчёта месячной стоимости.
