Сколько стоит месяц с агентом: API, подписки и кэш

В августе я показывал на митапе таблицу с месячной стоимостью работы через разные модели. Через месяц открыл её снова — половина цифр уже устарела. DeepSeek ввёл пиковые тарифы, Z.ai перевёл GLM Coding Plan на кредиты, появились новые модели. Пришлось пересчитать всё заново по ценам на 16 сентября и заодно разобраться, что выгоднее: платить за API или покупать подписки.

Что я считал

За основу я взял месяц обычной работы с агентом: 492 миллиона новых входных токенов, 2,3 миллиарда токенов, прочитанных из кэша, 10 миллионов выходных и примерно 25 тысяч запросов. Понятно, что у всех своя модель потребления, это средний по больнице. Но на нём хорошо видна одна вещь, которую легко пропустить: 82% всего объёма — это кэш. В среднем запрос весит около 112 тысяч токенов, и почти весь он уже был отправлен раньше.

Считал я просто: объём каждого типа токенов умножал на цену за миллион. Запись в кэш, которую Anthropic и OpenAI тарифицируют отдельно, в расчёт не входит, поэтому для Claude и GPT реальная сумма будет выше. Для Opus 5 при стандартном пятиминутном TTL наценка в четверть цены входа добавила бы примерно $615. При часовом TTL запись стоит вдвое дороже обычного входа и добавила бы уже $2 460¹.

Как кэш меняет стоимость

Раньше экономия токенов выглядела так: сократить промпт, выкинуть лишнее, кто-то даже вырезал из промпта пробелы. Сейчас одного этого недостаточно. Модель ничего не помнит между вызовами, и харнес — Claude Code, OpenCode, Cursor — на каждом ходу снова отправляет ей системный промпт, описания инструментов и историю. Зато провайдеры дают большую скидку на повторное чтение того же начала промпта. У большинства моделей Anthropic чтение кэша стоит 0,1 от цены входа, а у Fable 5.1 — 0,025¹; у OpenAI скидка достигает 90%². Большой, но стабильный промпт может оказаться дешевле маленького, который постоянно меняется.

Сколько харнес отправляет без нашего участия, я проверил на Claude Code. Только что запущенная сессия уже занимала около 45 тысяч токенов: системный промпт, инструменты, файлы памяти. На одно слово «привет» ушло ещё 18 тысяч. Стоимость определяет не то, что я напечатал, а то, что агент фактически передал. Сама модель диалог не хранит: состояние живёт в харнесе, а на следующем ходу он снова отправляет текущий контекст — исходную историю или её сжатую версию. Если харнес что-то не отправил, модель этого не знает. Подробнее о том, почему большое окно не решает задачу памяти, я писал отдельно³.

Отсюда правила, которые реально экономят деньги. Кэш работает по совпадающему началу: изменили что-то в начале — всё, что дальше, снова стоит полную цену. Поэтому посреди сессии не стоит переподключать MCP-серверы или менять правила, которые входят в начало промпта: у Anthropic изменение описаний инструментов инвалидирует кэш целиком¹. Лишние MCP-серверы и скиллы лучше подключать на уровне проекта, а не глобально, потому что их описания уезжают в каждый вызов. У Anthropic API стандартный TTL — пять минут, расширенный — час. Но в Claude Code на подписке Pro или Max в пределах включённого лимита собственные ходы пользователя и часть служебных запросов получают часовой TTL автоматически. При переходе на usage credits эти запросы возвращаются к пяти минутам, если явно не выставить promptCacheTtl: 1h¹. У GPT-5.6 и более новых моделей OpenAI минимальный TTL — 30 минут². Кэш всё равно не постоянная память: после долгого перерыва начало промпта снова придётся записать. А вот резать стабильную часть промпта вслепую не надо: агенту не хватит контекста, он начнёт читать файлы и вызывать инструменты, и итоговый счёт за сессию вырастет.

На своей статистике Claude Code я вижу другой, ещё более кэшированный профиль: 98% всех токенов — чтение из кэша. Именно поэтому цифры дальше так сильно расходятся.

Стоимость через API

Вот сколько стоит тот же месяц, если платить за API по прайсу. Цены взяты с официальных страниц провайдеров на 16 сентября⁴. Я использовал обычный тариф: средний запрос в этом примере — 112 тысяч токенов. Если отдельные запросы переходят long-context порог провайдера, соответствующая строка будет дороже, поэтому таблица даёт нижнюю оценку. Без распределения запросов по длине честно посчитать эту надбавку нельзя⁴.

Модель	Вход / кэш / выход, $ за 1M	$ в месяц
GPT-6 Astra	10 / 1 / 50	7 720
Claude Fable 5.1	10 / 0,25 / 50	5 995
Claude Opus 5	5 / 0,50 / 25	3 860
GPT-5.6 Sol	4 / 0,40 / 20	3 088
Qwen 3.7 Max	2,50 / 0,50 / 7,50	2 455
Kimi K3	3 / 0,30 / 15	2 316
Grok 4.5	2 / 0,30 / 6	1 734
Qwen 3.8 Max	2 / 0,25 / 6	1 619
GPT-5.6 Terra	2 / 0,20 / 12	1 564
GLM-5.3 и GLM-5.2	1,40 / 0,26 / 4,40	1 331
MiniMax M3	0,30 / 0,06 / 1,20	298
DeepSeek V4.1 Flash, пик / вне пика	0,30 / 0,006 / 1,20 и вдвое дешевле	173 / 87
GPT-5.6 Luna	0,20 / 0,02 / 1,20	156

Anthropic выпустила Fable 5.1 с кэшем в четыре раза дешевле, чем у Fable 5, а цены Opus 5 не менялись⁴. OpenAI снизила цену GPT-5.6 Sol до $4 за вход и $20 за выход — это промо, как минимум до 21 ноября — и выпустила GPT-6 Astra⁵. В линейке 5.6 Sol самая большая модель, Terra средняя, Luna самая маленькая.

С китайскими моделями история обратная. DeepSeek в августе ввёл пиковые тарифы⁶: по будням с 04:00 до 07:00 и с 09:00 до 13:00 по Москве всё стоит вдвое дороже⁷. То есть в первой половине нашего рабочего дня. 10 сентября вышел DeepSeek V4.1 Flash, и он дешевле прежнего V4 Flash⁸. Kimi K3 по API обходится почти как Sol⁹. GLM-5.3 по API стоит столько же, сколько GLM-5.2¹⁰.

Между Astra и DeepSeek V4.1 Flash вне пика разница почти в девяносто раз: $7 720 против $87. А если бы кэша не было и весь вход стоил полную цену, тот же месяц на Opus 5 обошёлся бы не в $3 860, а примерно в $14 000.

Подписки на открытые модели

В таблице, которую я показывал в августе, подписки считались по запросам. Например, у OpenCode Go для DeepSeek V4 Flash написано, сколько запросов в месяц даёт одна подписка, делим на наши 25 тысяч и получаем число подписок. Выглядело очень выгодно. Но у Go лимиты заданы в долларах¹¹, а число запросов — только оценка на запросах определённого размера. Наши запросы в несколько раз тяжелее: каждый тащит за собой сотню тысяч токенов кэша. Если пересчитать через доллары, картина другая.

Модель в OpenCode Go	Лимит в месяц	Запросов по оценке Go	Наш месяц по API	Нужно подписок, примерно
DeepSeek V4.1 Flash	$60 до 20 сентября, затем $15	130 000 / 32 500	$87–173	2–3 / 6–12
Qwen 3.7 Plus	$60	21 600	$305	6
GLM-5.2	$60	4 300	$1 331	23
GPT-5.6 Luna	$15	10 250	$156	11
Kimi K3	$15	490	$2 316	155

OpenCode Go стоит $10 в месяц, скидки на первый месяц больше нет. Получается, что Go даёт в полтора–шесть раз больше, чем стоит, и это хорошая сделка. Четырёхкратный лимит для V4.1 Flash — временная акция до 20 сентября; без неё одной подписки на наш месяц хватает только на небольшую часть объёма. Купить несколько подписок в одном workspace не получится: Go разрешает подписаться только одному его участнику¹².

С GLM Coding Plan от Z.ai можно посчитать точнее, потому что формула кредитов опубликована¹³. Наш месяц на GLM-5.3 — это примерно 174 тысячи кредитов в неделю в пиковые часы. Вне пика кредиты списываются вдвое медленнее, а пик у Z.ai совпадает с утренним окном DeepSeek: 09:00–13:00 по Москве в будни. План Max за $168 даёт 140 тысяч кредитов в неделю¹⁴: если работать вне пика, одного хватит, если только в пик — нужно два, то есть $336. Против $1 331 по API это в четыре–восемь раз дешевле. Запросы к GLM-5.2 в подписке теперь автоматически уходят на GLM-5.3¹³.

Ollama Cloud в августе я не считал, потому что цифр у них не было. С 31 августа они перешли на кредиты в долларах: Pro за $20 даёт $60 использования в месяц, Max за $100 — $300¹⁵. То есть подписка даёт в три раза больше, чем стоит.

Claude Code и Codex

Самые щедрые лимиты сейчас у Claude Code. Anthropic их в токенах не публикует, поэтому могу опираться только на встроенную статистику. У меня подписка Max 20x за $200; показанный Claude Code эквивалент по API-прайсу за последние два месяца был более чем в сто раз выше цены подписки. Это личный профиль потребления, а не обещание тарифа. До 13 сентября действовала акция: недельный лимит в Claude Code был на 50% выше. С 14 сентября он остаётся на 25% выше, чем был до акции¹⁶.

О своём переходе с Claude Code на Hermes Agent я писал отдельно¹⁷.

Следующий по щедрости — Codex. OpenAI публикует лимиты в сообщениях за пять часов, про токены там ничего нет, и сама пишет, что это оценки, а не фиксированные лимиты¹⁸. Поэтому точно посчитать нельзя, только прикинуть. По моей оценке, на GPT-5.6 Sol нашему месяцу нужно четыре подписки Pro 5x за $100 или одна Pro 20x за $200. Но новые подписки и апгрейды на Pro 20x OpenAI с 10 сентября временно приостановила¹⁹. Для Luna хватает Plus за $20.

С Cursor ситуация другая. Сторонние модели там списываются по цене API²⁰, а сколько использования включено в тариф, на официальных страницах больше не пишут. Для наших объёмов Cursor стоит примерно как API, и на Teams-тарифах сверху добавляется $0,25 за каждый миллион токенов²⁰.

Почему это не навсегда, понятно из тех же цифр. Спонсировать каждому пользователю тысячи долларов в месяц компании бесконечно не смогут. Прайсы, акции и лимиты уже несколько раз менялись, подписки пока держатся. На митапе я говорил, что постепенно лимиты будут снижаться, а цены — расти.

Бенчмарки и цена

Я попытался привести цену к качеству: взял LiveBench, SWE-Bench Pro и Terminal-Bench 2.1, сравнил каждую модель с GPT-5.6 Sol и пересчитал стоимость через получившийся коэффициент. Честного коэффициента из этих строк не получилось²¹.

Среднее геометрическое не делает исходные данные сопоставимыми. В одном Terminal-Bench модели запускались разными харнесами, для части моделей нет результата по одному из тестов, а названия в таблицах относятся к разным версиям и режимам усилия. Одно число после запятой создаёт точность, которой в источниках нет.

Поэтому я не стал публиковать «цену с поправкой на качество». Бенчмарки помогают понять класс модели и выбрать кандидатов для своей проверки, но не переводят качество в доллары. Для бюджета надёжнее разделить задачи: дешёвой модели отдать рутину, дорогой — то, где ошибка или ещё один круг работы стоят больше разницы в токенах.

Как я теперь выбираю модель

Для повседневной работы — писать код по готовой спецификации, чинить баги, отлаживать — не нужна самая умная модель. С этим отлично справляются GPT-5.6 Luna и DeepSeek Flash, а стоят они в десятки раз дешевле флагманов. Документацию, архитектуру и сложную аналитику лучше отдать Opus или Sol. У меня работает и связка: сначала дешёвая модель пишет документ, потом Opus его исправляет. В таких задачах дорогая модель получает уже собранный контекст вместо того, чтобы начинать с нуля.

Если платить из своего кармана, то сейчас выгоднее всего подписки Claude и Codex под сложные задачи и дешёвые модели по API или через OpenCode Go под рутину. GLM Coding Plan и Ollama Cloud тоже хороши, особенно если основная работа приходится не на утро. Кому это не подойдёт: тем, кому нужна предсказуемость. Лимиты подписок не опубликованы и меняются, у китайских провайдеров цена зависит от часа, а промо-цены вроде Sol закончатся в ноябре.

Цифры в этой статье актуальны на 16 сентября. Судя по тому, как быстро устарела моя августовская таблица, через месяц их снова придётся пересчитывать.

Выводы

Типичный месяц работы с агентом — это миллиарды токенов, и большая часть из них — повторно отправленный контекст. Поэтому сравнивать провайдеров по одной цене входа бессмысленно.
Следить нужно не за числом токенов, а за долей попаданий в кэш. Всё, что меняет начало промпта посреди сессии, стоит полную цену за весь накопленный контекст.
Sol подешевел, DeepSeek ввёл пиковые тарифы, но разрыв между самыми дорогими и самыми дешёвыми моделями всё равно в десятки раз.
Лимиты подписок в запросах обманчивы: они посчитаны на лёгких запросах. Переводите свой расход в доллары по API и делите на долларовый лимит.
Подписки Anthropic и OpenAI сейчас дают в десятки раз больше, чем стоят, но их лимиты не опубликованы и могут поменяться в любой момент.
Не превращайте разрозненные бенчмарки в один «коэффициент качества»: точность такого числа будет мнимой.
Модель выбирается под задачу: дешёвая на рутину, дорогая на то, где действительно нужен ум.

Источники

Anthropic: Prompt caching: «5-minute cache write tokens are 1.25 times the base input tokens price»; «1-hour cache write tokens are 2 times the base input tokens price»; «Cache read tokens are 0.1 times the base input tokens price». Для Fable 5.1 и Mythos 5.1 там же указано исключение 0,025 от базовой цены. В API по умолчанию «automatic caching uses a 5-minute TTL», часовой TTL задаётся явно. Для Claude Code на подписке действует отдельное правило из официальной документации по расходам: «On a Claude subscription within your plan’s included usage, you get the 1-hour TTL on your own turns, and on some of the helper requests Claude Code makes beside them»; при использовании usage credits Claude Code «drops those turns to the 5-minute TTL». Изменения кэша идут по иерархии «tools → system → messages» и инвалидируют изменённый уровень и все последующие. ↩ ↩² ↩³ ↩⁴
OpenAI: Prompt caching: «subsequent reads cost only 0.1x that rate»; для GPT-5.6 и новее «The only supported value, 30m, is also the default». ↩ ↩²
Память AI-агентов: что помнить, где хранить и как забывать ↩
Официальные прайсы на 16 сентября: Anthropic — «Fable 5.1 … Input $10 / MTok … Read $0.25 / MTok … Output $50 / MTok» и «Opus 5 … Input $5 / MTok … Read $0.50 / MTok … Output $25 / MTok»; OpenAI — строки gpt-6-astra $10.00 $1.00 $12.50 $50.00, gpt-5.6-sol $4.00 $0.40 $5.00 $20.00, gpt-5.6-terra $2.00 $0.20 $2.50 $12.00, gpt-5.6-luna $0.20 $0.02 $0.25 $1.20; Alibaba Cloud — qwen3.7-max … $0.5 … $2.5 … $7.5, а для Qwen3.8-Max — «Input | 2», «Output | 6», «Input(Implicit Cache) | 0.25»; Kimi K3 — $0.30 / $3.00 / $15.00 для cache hit, cache miss и output; xAI — grok-4.5 … $2.00 $0.30 $6.00; Z.ai — GLM-5.3 | $1.4 | $0.26 | … | $4.4 и та же строка для GLM-5.2; DeepSeek — для V4.1 Flash вне пика $0.003 / $0.15 / $0.6, в пик $0.006 / $0.3 / $1.2; MiniMax — MiniMax-M3 <= 512k input tokens … $0.30 … $1.20 … $0.06. В тех же таблицах OpenAI, Anthropic и xAI есть отдельные long-context ставки, поэтому основной расчёт — нижняя оценка. ↩ ↩² ↩³
OpenAI API Pricing, GPT-5.6 changelog: «GPT-5.6 Sol now costs $4 per million input tokens and $20 per million output tokens»; «promotional pricing is available at least through November 21, 2026». ↩
DeepSeek V4 Pro GA Release: «we will adopt peak/off-peak pricing, with off-peak prices set at half of the peak-hour prices». ↩
DeepSeek: Models & Pricing: «Peak hours are 01:00 - 04:00 and 06:00 - 10:00 UTC, Monday through Friday (all other hours are off-peak)»; «Off-peak rates are half of the peak rates». ↩
DeepSeek V4.1 Flash: «News September 10, 2026» и «V4.1-Flash is now live on the DeepSeek API»; актуальные ставки приведены в прайсе. ↩
Kimi API pricing: строка kimi-k3 указывает $0.30 за cache-hit input, $3.00 за cache-miss input и $15.00 за output. ↩
Z.ai API Pricing: для GLM-5.3 и GLM-5.2 опубликована одна строка — $1.4 | $0.26 | Limited-time Free | $4.4. ↩
OpenCode Go: «Usage limits are defined as monthly dollar amounts»; таблица estimated requests названа «an estimated request count based on typical Go usage patterns». В ней же приведены DeepSeek V4.1 Flash | $0.30 | $1.20 | $0.006 | $0.375 | $60, Qwen 3.7 Plus | $0.40 | $1.60 | $0.04 | $0.50 | $60 и опубликованные оценки запросов. ↩
OpenCode Go: «low cost $10/month subscription» и «Only one member per workspace can subscribe to OpenCode Go». В таблице DeepSeek V4.1 Flash помечен 4x · Ends Sep 20. ↩
Z.ai: GLM Coding Plan: «Model credit usage = (Input tokens × Input multiplier + Cached Input tokens × Cached Input multiplier + Output tokens × Output multiplier) / 10,000»; вне пика «model usage is charged at 50% of the standard credit rate». Там же: «Requests for GLM-5.2/GLM-5.1 will be automatically routed to GLM-5.3». ↩ ↩²
Z.ai: планы GLM Coding Plan — Max стоит $168 при помесячной оплате; документация указывает Max | 28,000 | 140,000 для пятичасового и недельного лимитов. ↩
Ollama’s transparent pricing, Ollama Cloud pricing: «Pro: $20/month, includes $60 of monthly usage»; «Max: $100/month, includes $300 of monthly usage». ↩
Anthropic: Claude Code weekly limits promotion: «It ran from May 13 through September 13, 2026»; «starting September 14, 2026, weekly limits in Claude Code are 25% higher than they were before the promotion». ↩
Hermes Agent вместо Claude Code ↩
OpenAI: Codex pricing and usage limits: «The estimates below show local messages per five-hour period» и «These estimates are not fixed message limits». ↩
OpenAI: About ChatGPT Pro tiers: «Pro $100 unlocks 5x higher usage than Plus, while Pro $200 unlocks 20x usage than Plus»; «As of September 10, 2026, we’re temporarily pausing new sign-ups and upgrades to the ChatGPT Pro $200 plan». ↩
Cursor: Models & Pricing, Team Pricing: «third-party model requests include a Cursor Token Rate of $0.25 per million tokens»; ставка применяется «on top of model API pricing». ↩ ↩²
LiveBench, SWE-Bench Pro, Terminal-Bench 2.1. Даже агрегатор SWE-Bench Pro предупреждает: «The table preserves exact published rows from different providers, so a small score gap is directional unless the setups match». ↩