Счета за токены у разработчиков агентных систем уходят в миллионы — и это не серверы, не зарплаты. Это плата за то, чтобы чужая нейросеть подумала. Символичный сдвиг: в эпоху агентов инференс из технической мелочи стал главной статьёй расходов индустрии. Модель больше не просто отвечает на вопрос — она размышляет, перечитывает контекст, дёргает инструменты, правит собственные ошибки. И каждый виток этого цикла тарифицирован. От цены «мысли» теперь зависят бизнес-модели лабораторий, стратегии корпораций и судьбы стартапов.
Прайс у крупных лабораторий выглядит одинаково: платишь за миллион входных токенов и за миллион выходных, причём исходящие — в разы дороже. Причина честная: чтобы сгенерировать текст, сеть прогоняет вычисления заново на каждом новом токене, а вот читать контекст куда дешевле. Отсюда первый сюрприз для новичка: самая дорогая часть ответа — не результат, а процесс.
С рассуждающими моделями всё стало веселее. Чтобы ответить на сложный вопрос, такая модель порождает тысячи скрытых токенов «внутреннего монолога» — и выставляет за них счёт наравне с видимым текстом. Один запрос пользователя разворачивается в цепочку из десятков вызовов: агент читает документы, лезет в поиск, запускает код, ловит ошибку и начинает заново. Полный контекст при этом уходит модели на каждом шаге — между вызовами она не помнит ничего, и за эту забывчивость платит заказчик.
Индустрия, надо признать, научилась торговаться: кэширование повторяющегося контекста срезает цену в разы, батч-обработка неторопливых задач — ещё сильнее. Но фундаментальную математику скидки не меняют. Агент, работающий как полноценный сотрудник, сжигает десятки миллионов токенов в месяц, и потребление растёт быстрее, чем дешевеет токен. Причём даже продукты с бесплатным открытым кодом генерируют астрономические счета — просто потому, что ими активно пользуются.
Парадокс рынка: пока одни жгут миллионы, другим искусственный интеллект раздают даром. Китайский сегмент превратил инференс в оружие ценовой войны — дешёвые API DeepSeek обрушили ориентиры стоимости, и гонка нулей покатилась по всем фронтам. Суперприложения, судя по всему, встраивают нейросетевые функции в доставку и бытовые сервисы и отдают их бесплатно. Не из щедрости: удержанный пользователь окупает токены заказами и покупками.
Параллельно токены становятся обычным товаром. На облачных маркетплейсах их продают пакетами — как трафик или электричество: купи миллионы и выбирай любую модель из каталога. Агрегаторы вроде OpenRouter работают как биржи: разработчик платит по одному счёту, а запросы маршрутизируются к выбранной модели. Цена за миллион токенов превратилась в витринную цифру — её сравнивают так же привычно, как цену гигабайта.
За бесплатным фасадом — холодный расчёт. Инференс трактуется как стоимость привлечения клиента: платформы субсидируют «мышление» сегодня, чтобы завтра зарабатывать на подписках, комиссиях с транзакций и данных о том, как люди пользуются агентами. Операторы связи когда-то раздавали тарифы ради абонентской базы — сценарий, как видите, не новый.
Когда способности моделей выравниваются, конкурентное преимущество уезжает в юнит-экономику. Побеждает не самый умный, а тот, кто даёт достаточную умность за минимальные деньги за задачу. У фаворитов три стратегии.
Первая — вертикальная интеграция: собственные чипы и дата-центры позволяют продавать инференс с меньшей наценкой. Вторая — маршрутизация: тривиальные запросы уходят дешёвым компактным моделям, дорогим флагманам достаются только по-настоящему сложные. Третья — дистилляция: большие модели обучают маленьких «учеников», и те закрывают львиную долю типовых задач за долю цены. Пользователь всего этого не видит, но итоговая стоимость его помощника зависит от таких инженерных решений сильнее, чем от любого маркетинга.
Подписка «всё включено» живёт ровно до момента, когда средний пользователь начинает потреблять больше, чем платит. Дальше два пути: поднять цену или ввести лимиты — и оба неприятные. Главной метрикой отрасли станет стоимость решённой задачи. Именно она определит, кто выдержит субсидируемую войну цен, а кто выгорит вместе со своими токенами.
В России складывается та же схема, но с локальными нюансами. Потребителям нейросети достаются бесплатно — как часть экосистем: «Алиса» с YandexGPT встроена в браузер, колонки и прочие сервисы Яндекса, GigaChat Сбера живёт в приложениях и умных устройствах. Для бизнеса токены — товар: облачные платформы продают доступ к моделям по API, а компании всё чаще разворачивают open-source-модели вроде Qwen, DeepSeek и Llama на собственных мощностях. Платят не за каждый токен, а за железо.
Причина особая: доступ к передовым зарубежным API ограничен, поэтому ставка делается на открытые веса и локальное размещение. Дороговизна и дефицит, как ни странно, ускоряют то, к чему рынок идёт глобально: дообучение компактных моделей под свои задачи, кэширование, маршрутизацию запросов. Свою лепту вносят и госпрограммы внедрения ИИ — корпоративный спрос смещается от «попробовать чат-бот» к «посчитать экономику».
Перспективы просматриваются ясно. Экосистемы будут субсидировать бесплатный ИИ для людей, зарабатывая на услугах и подписках; в корпоративном сегменте развернётся борьба за минимальную цену решённой задачи. Российские разработчики — новички с преимуществом: они строят экономику сразу в эпоху агентов, без наследия дорогих привычек.
Экономика инференса — новый центр тяжести индустрии. Прошлые битвы шли за качество моделей, нынешняя — за стоимость единицы мысли. Бесплатные токены для пользователей — маркетинг, оплаченный будущими подписками; десятки миллионов токенов на агента — новая норма потребления; цена решённой задачи — главный аргумент при выборе поставщика. Счёт, который раньше прятался в мелком шрифте, наконец достали на свет. Индустрия научила машины думать — теперь она учится делать это дёшево. И именно здесь решится, кто останется на рынке к концу десятилетия.