BroadRouter

Стоимость LLM на пользователя: юнит-экономика ИИ-функции в SaaS

Команда BroadNet Inference · 6 мин чтения · Опубликовано

Стоимость LLM на пользователя = запросы на активного пользователя в месяц × токены на запрос × цены за 1 млн токенов. Измеряйте её по каждой функции из поля usage, стройте тарифы по 90-му перцентилю пользователей, а не по среднему, и добавьте лимиты добросовестного использования для «хвоста». Более дешёвые модели, кэширование и низкий уровень рассуждений напрямую снижают эту цифру.

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:

  1. Определите целевую валовую маржу для тарифа.
  2. Рассчитайте в обратную сторону максимальную стоимость ИИ на пользователя, которую допускает эта маржа.
  3. 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.
  4. 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.
  5. 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_effort со значением low для 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_tokens для 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.

Вопросы и ответы

Стоит ли брать с пользователей плату за токены?

С конечных пользователей — редко; большинство предпочитает фиксированный тариф с понятным лимитом. Считайте токены внутри, а цену назначайте в запросах, документах или местах (seats) и оставьте лимит добросовестного использования для самых тяжёлых пользователей.

Можно ли обслуживать пользователей SaaS через тариф BroadNet с фиксированной ценой?

BroadNet разрешает встраивать тариф в собственное приложение или сервис под вашим ключом. Каждая сессия выполняет один запрос за раз, поэтому тариф подходит для бэкенд-агентов или функций с низкой параллельностью; пользовательскому трафику с множеством одновременных запросов обычно нужны ключи с оплатой по факту или несколько сессий.

Какую долю цены подписки должны составлять затраты на ИИ?

Универсального числа нет. Определите, какая валовая маржа нужна вашему бизнесу, затем рассчитайте в обратную сторону, сколько максимум может стоить тяжёлый, но обычный пользователь, и выставьте лимиты под это.

Как часто пересчитывать стоимость на пользователя?

При каждом изменении промпта, модели или функции и не реже раза в месяц. Число токенов дрейфует по мере изменения промптов и поведения пользователей.

Открыть в MarkdownСпросить ChatGPTСпросить ClaudeСпросить Perplexity