На этой странице
- Счёт, которого вы не ожидаете
- Токены простыми словами
- Почему «просто общаться» становится дороже по мере роста разговора
- Где на самом деле скрываются потери
- Наглядный пример: 10 задач в день, два разных способа
- Почему качественно созданный файл Skill лучше ситуативного prompt
- Практические привычки, которые действительно дают результат
- Часто задаваемые вопросы
Счёт, которого вы не ожидаете
Большинство людей, которые каждый день используют Claude или ChatGPT в работе, никогда по-настоящему не смотрели, за что именно они платят. Есть ежемесячная подписка или ключ API с балансом, который незаметно уменьшается, и цифра меняется - иногда медленнее, чем ожидалось, иногда гораздо быстрее. Если вы когда-нибудь задавались вопросом, почему «лёгкая» неделя работы с AI обошлась дороже тяжёлой, ответ почти никогда не в том, что AI «дорогой». Обычно дело в том, что именно вы отправляете, а не только в том, о чём спрашиваете.
В этой статье разбирается реальная математика - простым языком, без жаргона, - чтобы вы увидели, откуда на самом деле берётся стоимость и почему решение не в том, чтобы «меньше пользоваться AI», а в том, чтобы «перестать платить за повторное объяснение себя в каждом сообщении».
Токены простыми словами
Каждое отправленное вами сообщение и каждый полученный ответ разбиваются на небольшие фрагменты, называемые токенами. Для грубой оценки можно считать, что один токен - это примерно три четверти слова, поэтому 1 000 слов текста - это около 1 300-1 400 токенов. Короткие слова, распространённые фразы и код часто сжимаются до меньшего числа токенов на слово; необычные слова, форматирование и неанглоязычный текст могут использовать больше.
Когда люди впервые задумываются об этом, их обычно сбивают с толку две вещи:
- Учитываются оба направления. И слова, которые вы вводите (входные данные), и слова, которые AI пишет в ответ (выходные данные), оплачиваются или учитываются в расчётах. Подробный длинный ответ стоит дороже, чем ответ в одну строку, даже на один и тот же вопрос.
- Каждое сообщение повторно отправляет весь разговор. Это то, чего почти никто не осознаёт, пока не увидит всё наглядно. У AI-моделей, работающих в формате чата, нет постоянной памяти между сообщениями, как у коллеги-человека. Чтобы сгенерировать ответ, учитывающий контекст, системе приходится заново перечитывать весь разговор до этого момента - ваше первое сообщение, первый ответ на него, ваше второе сообщение, второй ответ и так далее - каждый раз, когда вы нажимаете кнопку отправки.
Почему «просто общаться» становится дороже по мере роста разговора
Вот что действительно важно. Представьте разговор, который начинается коротким и естественно разрастается, как это бывает в реальных рабочих беседах:
- Сообщение 1: вы отправляете 200 слов контекста и получаете в ответ 150 слов.
- Сообщение 2: теперь системе нужно обработать сообщение 1 и ваше новое сообщение, а затем снова ответить.
- Сообщение 3: система повторно обрабатывает сообщения 1 и 2, а также ваше новое сообщение.
К сообщению 10 вы платите уже не за «один новый вопрос». Каждый раз вы платите за повторную отправку всего, что было до него. История разговора накапливается - она не сбрасывается и не сжимается автоматически. Разговор из 20 сообщений не вдвое дороже разговора из 10; из-за эффекта повторной отправки он может обойтись в несколько раз дороже, хотя фактический объём «нового» содержимого в каждом сообщении оставался примерно одинаковым.
Это расчёт для понимания порядка величин, а не таблица тарифов: провайдеры сами устанавливают и меняют расценки за токен, поэтому для получения точных цифр по вашему тарифному плану всегда следует проверять текущие опубликованные цены на сайте провайдера (anthropic.com или openai.com). Но механизм действует независимо от тарифа: даже умеренная стоимость токена, умноженная на растущую историю разговора, быстро увеличивается. Тариф не является главным рычагом. Главный фактор - объём повторно отправляемого текста.
Где на самом деле скрываются потери
Теперь добавим то, как большинство людей действительно работают. Типичный интеллектуальный работник, выполняющий задачи с помощью AI - составляющий электронные письма, обобщающий содержание звонков, анализирующий электронную таблицу, пишущий краткое описание или проверяющий пункт договора, - не начинает каждую задачу с чистого листа. Он каждый раз заново объясняет:
- «Вы опытный специалист в области [role]. Действуйте как старший специалист по [X]. Вот голос нашего бренда, контекст нашей команды и наши предпочтения в форматировании...»
- Информация о компании, проекте, аудитории и ограничениях.
- Те же инструкции о тоне и стиле, которые человек вводил вчера и позавчера.
Ничего из этого не является «новой» информацией для текущей задачи - это шаблонный текст. Но поскольку его каждый раз заново вводят в окно чата (или, что ещё хуже, постепенно наращивают в одном длинном, бессвязном разговоре), он учитывается, повторно отправляется и повторно оплачивается при каждом использовании.
Наглядный пример: 10 задач в день, два разных способа
Сравним два подхода к одному и тому же рабочему дню - 10 задач с помощью AI, в каждой из которых AI должен выступать в роли специалиста определённого типа (например, маркетингового аналитика, проверяющего показатели кампании, или операционного менеджера, совершенствующего документ с описанием процесса).
Подход A: промпты, вводимые заново по ситуации
Каждая из 10 задач начинается с того, что человек заново вводит (или копирует из старого документа) абзац или два с описанием роли: «Вы старший маркетинговый аналитик, специализирующийся на атрибуции и окупаемости кампаний. Проанализируйте следующие данные и представьте структурированное резюме с рекомендациями...» Затем идёт сама задача. После этого часто следуют пара сообщений в той же ветке для уточнения или доработки - и в каждом из них повторно отправляется всё написанное выше. Если повторять такую связку из шаблонного текста и последующих уточнений для 10 отдельных задач, получается, что за одни и те же инструкции вы фактически платите снова и снова, десятки раз в течение всего дня, каждый день.
Подход B: лаконичная настройка на основе файла навыка
Роль, тон, стандарты и метод работы один раз тщательно записываются в компактный системный prompt - «файл навыка» - и загружаются в начале сеанса вместо того, чтобы вводить их заново. Всё задаётся один раз заранее, формулировки остаются краткими (без многословия и избыточных инструкций), а затем используются повторно в каждой задаче в рамках этой роли. Человеку достаточно сформулировать задачу. Не нужно заново объяснять, кем должен быть AI, как форматировать ответы или что считается «хорошим» результатом, - всё это уже лаконично зафиксировано в начале.
Разница в подсчёте токенов связана не с тем, что AI «работает усерднее» в подходе B, а с тем, что повторяющаяся шаблонная часть каждого сообщения резко сокращается. Меньше шаблонного текста отправляется повторно в каждом сообщении, каждой задачи, каждый день - и это быстро накапливается, так же как проблема роста беседы, только в противоположном направлении.
Готовый системный prompt, который превращает Claude или ChatGPT в старшего маркетингового аналитика, - стандарты расчёта ROI кампаний, атрибуции и отчётности задаются один раз, поэтому вам не приходится каждый раз заново объяснять роль при вставке новых чисел.
Открыть Rafa - специалист по маркетинговой аналитике →Почему качественно созданный файл Skill лучше ситуативного prompt
Не все «многоразовые prompts» решают эту проблему. Раздутый, слишком общий системный prompt - пять страниц расплывчатых инструкций «на всякий случай» - может быть столь же неэкономичным, как повторный ввод текста, потому что это всё тот же шаблонный текст, который отправляется повторно в каждом сообщении; просто его вставили один раз вместо того, чтобы каждый раз набирать заново. Важен именно рычаг краткости: файл Skill, в котором точно указано, какова роль, как именно форматировать результат и что именно означает «готово» - и ничего больше, - добавляется один раз в начале каждой сессии.
В этом и заключается настоящая разница между файлом Skill и отдельным prompt, который вы постоянно переписываете: дело не только в удобстве, а в том, что повторяющаяся часть каждого отправляемого сообщения навсегда сокращается на весь срок рабочей сессии.
Настраивает Claude или ChatGPT как старшего менеджера по операционной деятельности - с готовыми SOP, аудитами процессов и фреймворками приоритизации, чтобы каждая новая задача начиналась с минимального объёма текста, без повторного объяснения рабочего контекста с нуля.
Открыть Owen - менеджер по операционной деятельности →Практические привычки, которые действительно дают результат
Независимо от выбранного инструмента или тарифа, несколько привычек сильнее всего сокращают «скрытый налог на повторную отправку»:
- Начинайте новые задачи в новых беседах, а не складывайте всё в одну постоянно растущую ветку. В новой сфокусированной беседе при каждом сообщении повторно отправляется гораздо меньше истории.
- Сразу один раз задайте роль и контекст кратко, вместо того чтобы каждый раз заново объяснять их внутри самой задачи.
- Делайте первоначальные инструкции краткими. Длинный и расплывчатый системный prompt всё равно отправляется повторно как шаблонный текст - сократите его до того, что действительно меняет результат.
- Запрашивайте именно ту длину ответа, которая вам нужна. Выходные токены тоже учитываются, и запрос «дайте мне структурированное резюме» обычно обходится дешевле, чем открытый запрос «расскажите мне всё об этом».
- Проверяйте актуальные опубликованные цены непосредственно у своего провайдера, если хотите точно рассчитать собственные затраты - тарифы и модели меняются, поэтому точные значения лучше подтверждать в первоисточнике, а не брать из оценок третьих сторон.
Настроенный навык agent для операционных задач, рассчитанный на регулярные структурированные процессы - он помогает сохранять инструкции компактными и единообразными, вместо того чтобы они разрастались с каждым новым запросом.
Посмотреть Arthur - AI Operations Agent →Укажите, как именно вы (или ваша команда) используете чаты с AI, и получите реальную ежемесячную оценку потерь токенов и затрат в долларах из-за повторных промптов по сравнению с постоянным файлом навыка. Регистрация и электронная почта не нужны - только расчёт по формулам из этой публикации и вашим данным.
Попробовать калькулятор →Часто задаваемые вопросы
Я действительно плачу за ответы AI, а не только за свои сообщения?
Да. Учитываются и отправленные вами данные, и полученный ответ. Модель, которая по умолчанию пишет длинные, подробные ответы, использует больше выходных токенов, чем модель, которая пишет кратко и по существу, - даже для совершенно одинакового вопроса.
Почему длинный разговор обходится гораздо дороже короткого при одинаковой задаче?
Потому что большинство чат-инструментов на базе AI сами по себе не сохраняют память между сообщениями - чтобы разумно ответить на сообщение 20, системе приходится заново обработать первые 19 сообщений (и собственные 19 ответов) вместе с ним. История разговора каждый раз отправляется полностью, поэтому затраты обычно растут гораздо быстрее, чем сама длина разговора.
Файл навыка - это просто причудливое название для сохранённого prompt?
Функционально да - это системный prompt или инструкция проекта, которую вы пишете один раз и используете повторно. От импровизированного prompt хорошего отличает дисциплина: он точно и кратко определяет роль, стандарты и формат вывода, чтобы доля «шаблонного текста», повторно отправляемая с каждым сообщением, оставалась минимальной и при этом выполняла свою задачу.
Мне беспокоиться о точных суммах в долларах или просто учитывать поведение?
Сначала сосредоточьтесь на поведении - сокращение повторяющегося контекста и начало новых разговоров для новых задач снизят ваше использование независимо от того, какой будет ставка за токен в этом месяце. Если вы хотите рассчитать точные затраты для своего объёма, возьмите текущие опубликованные тарифы со страницы с ценами вашего провайдера и сопоставьте их с типичным для вас количеством сообщений.
Кратко:
Стоимость токенов при ежедневной работе с AI гораздо сильнее зависит от повторяющегося шаблонного контекста, чем от самой ставки за токен - при каждом сообщении весь диалог отправляется заново, поэтому промпты, набранные на ходу, быстро накапливают затраты. Краткий файл навыка с ключевой информацией в начале, такой как Rafa или Owen, сводит эти потери к минимуму: роль загружается один раз и в сжатом виде, вместо того чтобы заново объяснять её в каждом сообщении.