Два факта, которые выглядят противоречиво
С одной стороны, цена за миллион токенов у языковых моделей последовательно снижается уже два года - конкуренция между провайдерами и более эффективные модели сделали генерацию текста заметно дешевле. С другой стороны, опросы компаний показывают рост, а не снижение общих расходов на ИИ. На первый взгляд это звучит как парадокс: товар дешевеет, а счёт растёт. Разгадка в том, что компании не покупают фиксированный объём токенов - они покупают результат, а для получения результата сейчас требуется заметно больше токенов, чем раньше.
Похожий эффект экономисты описывают и в других технологиях: падение цены единицы ресурса часто приводит не к снижению расходов, а к росту потребления этого ресурса, потому что низкая цена открывает дорогу новым, более требовательным сценариям использования.
Этот эффект иногда называют парадоксом изобилия: чем доступнее становится ресурс, тем больше новых задач решают с его помощью, и суммарное потребление в итоге растёт быстрее, чем падает цена единицы этого ресурса.
Куда уходят токены: агентные сценарии
Главный драйвер роста расходов - переход от простых запросов «вопрос-ответ» к агентным сценариям, где модель самостоятельно выполняет цепочку действий: обращается к инструментам, перечитывает контекст, проверяет промежуточные результаты. Такой сценарий может расходовать в несколько раз, а иногда в десятки раз больше токенов на одну завершённую задачу по сравнению с обычным диалогом. Похожая динамика видна и в задачах, где агенты выполняют многошаговые сценарии бронирования и планирования: чем больше шагов и проверок, тем выше счёт за токены при той же цене на единицу.
Отдельная сложность для финансового планирования - агентный сценарий не всегда завершается успешно за одну попытку: при ошибке на промежуточном шаге система может повторить часть цепочки действий, и это снова увеличивает расход токенов на итоговую задачу.
Скрытая стоимость «рассуждений»
Второй фактор - модели с режимом «рассуждений», которые перед финальным ответом генерируют промежуточные, обычно невидимые пользователю токены. Эти токены тоже оплачиваются, часто по повышенному тарифу, но не отражаются в привычном «размере ответа». Для компании это означает: счёт за один и тот же вопрос может отличаться в разы в зависимости от того, включён ли режим рассуждений и насколько сложная цепочка потребовалась модели для ответа.
| Источник роста токенов | Почему растут расходы |
|---|---|
| Агентные цепочки действий | Больше шагов - больше токенов на одну задачу |
| Повторная передача контекста | Каждый шаг агента заново «читает» историю диалога |
| Промежуточные токены рассуждений | Не видны пользователю, но входят в счёт |
| Рост числа задач, отданных ИИ | Больше объём использования в целом |
Разным провайдерам выгодно по-разному показывать эту стоимость в интерфейсе: где-то расход токенов на рассуждения виден в детальном отчёте по счёту, а где-то скрыт за общей суммой, что затрудняет сравнение реальной стоимости задачи между провайдерами.
Некоторые компании начали включать отдельную строку «токены рассуждений» в собственную внутреннюю отчётность по ИИ-расходам, чтобы finance-команда видела этот параметр отдельно от общей цены за токен и могла точнее прогнозировать бюджет на следующий квартал.
Инференс обошёл обучение моделей
Ещё несколько лет назад главной статьёй расходов на ИИ в индустрии было обучение новых моделей - дорогие вычисления на этапе подготовки. К 2026 году структура расходов сместилась: основная часть бюджета компаний на ИИ уходит именно на инференс, то есть на повседневное использование уже готовых моделей. Это логичное следствие массового внедрения: обучение модели - разовая задача для немногих лабораторий, а инференс масштабируется вместе с числом компаний и пользователей, которые реально встроили ИИ в свои процессы, в том числе через готовые продукты вроде каталогов приложений на основе языковых моделей.
Это смещение заметно и по тому, куда инвестируют провайдеры: всё больше внимания уходит не на тренировку следующего поколения моделей, а на инфраструктуру для быстрого и дешёвого обслуживания уже существующих запросов - отдельные чипы, оптимизированные под инференс, и специализированные центры обработки данных.
Для провайдеров облачных вычислений это означает смену приоритетов в закупке оборудования: чипы, оптимизированные специально под быстрый и дешёвый инференс, становятся не менее важной инвестицией, чем мощности, предназначенные для обучения новых моделей.
Эта смена приоритетов постепенно меняет и то, как провайдеры формируют тарифы: часть компаний начала предлагать отдельные, более дешёвые тарифы специально для простых запросов без рассуждений, чтобы клиенты могли сознательно экономить там, где сложная цепочка рассуждений не нужна.
Экологический и инфраструктурный аспект
Рост расходов на инференс связан не только с деньгами, но и с инфраструктурой: больше токенов - больше вычислений - больше энергии и воды для дата-центров. Этот аспект подробно разбирается в материалах об экологическом следе генеративного ИИ, и рост агентных сценариев делает тему только острее: задача, которая раньше решалась одним запросом, теперь может потребовать десятков обращений к модели.
Рост числа агентных запросов также означает, что энергопотребление дата-центров всё труднее привязать к числу «пользовательских вопросов»: один простой вопрос пользователя может незаметно для него запустить десятки внутренних обращений агента к модели.
Что это значит для бюджета компании
Практический вывод: при планировании бюджета на ИИ ориентироваться только на объявленную цену за токен недостаточно. Важнее оценить, сколько токенов реально потребуется для конкретного сценария использования - особенно если планируется переход от простых запросов к агентным цепочкам действий. Компании, которые заранее считают токены на задачу, а не только цену за миллион токенов, реже сталкиваются с неожиданным ростом счёта в конце месяца. Подробнее о похожих темах - в разделе материалов об ИИ-компаниях.
Разумная практика - заранее устанавливать лимиты на число шагов или вызовов инструментов в агентном сценарии и отслеживать расход токенов по отдельным задачам, а не только по месячному счёту целиком: это помогает заметить рост расходов раньше, чем он станет неприятным сюрпризом в финансовом отчёте.
Опыт компаний, которые уже прошли через неожиданный рост счёта, показывает: обсуждение лимитов и мониторинга расходов стоит проводить до запуска агентного сценария в полном объёме, а не после получения первого неприятно крупного счёта.
Ещё один практический приём - тестировать агентный сценарий на ограниченной выборке задач перед полным развёртыванием, чтобы получить реальную оценку расхода токенов на задачу, а не ориентироваться только на расчёты из документации провайдера.
Вопросы и ответы
Если токены дешевеют, почему я трачу на ИИ больше?
Потому что задачи стали сложнее: агентные сценарии и модели с рассуждениями расходуют заметно больше токенов на одну задачу, чем простой вопрос-ответ, даже при более низкой цене за токен.
Что такое токены рассуждений и почему они важны для бюджета?
Это промежуточные токены, которые модель генерирует перед финальным ответом в режиме «рассуждений». Они обычно не видны пользователю, но входят в итоговый счёт, часто по повышенному тарифу.
Инференс дороже обучения моделей?
В масштабах всей индустрии в 2026 году основная часть ИИ-бюджетов компаний уходит именно на повседневное использование готовых моделей, а не на разовое обучение новых.
Как компании контролировать рост расходов на ИИ?
Оценивать не только цену за токен, но и реальный расход токенов на конкретный сценарий, особенно при переходе к агентным цепочкам действий с несколькими шагами.



