✓ Последняя проверка: 15 августа 2026 г.· Источник: официальная страница цен поставщика.· Автоматический мониторинг — сообщить об изменении →
Агент не отвечает за один звонок — он зацикливается: подумай, вызови инструмент, прочитай результат, подумай еще раз. Каждый цикл представляет собой оплачиваемый запрос, поэтому стоимость умножается на количество шагов. Введите данные об использовании, чтобы увидеть реальный ежемесячный счет и самую дешевую модель для этой работы.
Ловушка с агентами: задача, которая выглядит как один вопрос, на самом деле — это 5–20 звонков LLM. Чат-бот отвечает один раз. Агент рассуждает, вызывает инструменты и на каждом шагу перечитывает собственный растущий контекст — поэтому та же модель, которая стоит доли цента за сообщение чата, может стоить в 10–50 раз дороже за задачу агента. Этот калькулятор правильно умножает это число.
—
помесячно
—за задачу
—в год
—Звонки LLM / месяц
Самые дешевые модели этого агента
Та же рабочая нагрузка, каждая модель ранжирована по ежемесячной стоимости.
Модель
Стоимость / месяц
За задачу
⚠️ Оцените, используя справочные цены (июль 2026 г.) и прейскурантные цены. Реальная стоимость агента сильно зависит от того, сколько контекста вы повторно отправляете на каждом этапе — агенты, которые повторно подают полную историю, увеличивают входные токены в каждом цикле. Введите реальное количество жетонов за шаг для ближайшей цифры. · Сообщить об устаревшей цене →
Как на самом деле складываются затраты на агентов
Формула задачи × шаги × (входные жетоны × входная цена + выходные токены × выходная цена). Множитель, о котором люди забывают, шаги: исследовательскому агенту может потребоваться 12 циклов, агенту-кодировщику 20+. А поскольку большинство агентов на каждом этапе повторно отправляют накопленный разговор, вводите жетоны за каждый шаг подъема по мере выполнения задания — число, которое вы вводите выше, — это среднее значение по всему циклу. Результат на каждый шаг обычно невелик (короткая мысль или вызов инструмента), поэтому вклад доминирует в счете агента — и почему кэширование подсказок и обрезка контекста здесь имеют большее значение, чем где-либо еще.
Как это разрезать
Четыре рычага в порядке воздействия: (1) маршрутизация модели — используйте небольшую модель для рутинных шагов, а пограничную модель — только для сложных; (2) ступенчатая крышка — остановить петли разгона; (3) обрезка контекста — не пересылать всю историю каждого шага; (4) оперативное кэширование для статического системного приглашения и определений инструментов. См. быстрое руководство по кэшированию и кэширование калькулятора экономии. Создаете чат-бота вместо агента? Используйте калькулятор стоимости чат-бота. Целое приложение? Оценщик стоимости приложения с искусственным интеллектом. Задействовать более одного агента для выполнения одной и той же задачи — разветвление, дебаты, супервизор или роевой шаблон? Этот калькулятор оценивает стоимость одного агента; использовать Калькулятор стоимости роя агентов ИИ чтобы увидеть множитель, который добавляют эти шаблоны оркестровки.
- Калькулятор стоимости AI-агента оценивает ежемесячные расходы LLM на эксплуатацию агента искусственного интеллекта. Поскольку агент выполняет каждую задачу через несколько Шаги LLM — ходы рассуждений плюс вызовы инструментов — стоимость одной задачи — это стоимость токена за шаг, умноженная на каждый шаг, а затем снова умноженная на ежемесячный объем задач. Основными движущими силами являются ваши задач в месяц, количество Шаги LLM для каждой задачи, среднее количество входных и выходных токенов за шаг, модель вы выбираете (который устанавливает цену за токен), и любые оптимизация такие как кэширование или более дешевые модели. Небольшое количество шагов на шаг быстро увеличивается по шагам и задачам.
Ключевым компромиссом, на который стоит обратить внимание, является количество шагов в зависимости от качества модели. Более дешевая модель может потребовать большего количества рассуждений или повторных попыток для завершения задачи, поэтому более низкая цена за токен не всегда означает меньшую общую сумму. Оцените стоимость всей задачи, а не отдельного вызова, и убедитесь, что введенное вами количество токенов отражает реальные подсказки — длинные системные инструкции и выходные данные инструментов учитываются как входные данные на каждом этапе.
Часто задаваемые вопросы
Почему ИИ-агент стоит больше, чем один звонок чат-бота?
Агент решает задачу за множество вызовов LLM — рассуждает, вызывает инструмент, считывает результат, рассуждает еще раз и повторяет. Каждый шаг представляет собой запрос с полной оплатой, и текущий контекст обычно увеличивается с каждым шагом, поэтому одна задача может стоить в 5–20 раз больше, чем разовый ответ чат-бота.
Как сократить расходы на агентов искусственного интеллекта?
Используйте более дешевую модель для рутинных шагов и зарезервируйте пограничную модель для сложных, ограничьте количество шагов для каждой задачи, обрежьте контекст, который вы повторно отправляете для каждого шага, и включите кэширование подсказок для статических системных подсказок и определений инструментов, которые повторяются при каждом вызове.