Цены на агентные платформы поехали вниз: кто и на сколько

За 2024–2025 годы цена за миллион токенов у флагманских моделей упала в разы, и вслед за этим подешевели платформы, на которых собирают агентов¹. OpenAI, Anthropic и Google снижают стоимость входных токенов, вводят промпт-кэширование и batch-режимы, а инфраструктурные игроки вроде Amazon Bedrock и Microsoft Azure AI Foundry бьются за то, чтобы разработчик собирал агента именно в их облаке. Формально это выгода для покупателя. На практике счёт за агента складывается не только из цены токена, и сравнивать вендоров по одной цифре бесполезно.

Что вообще подешевело

Снижают не одно, а сразу несколько составляющих счёта. Понимать их по отдельности важнее, чем смотреть на рекламный прайс.

• Цена за токен модели. Базовая ставка за миллион входных и выходных токенов. Именно её любят показывать в анонсах.
• Промпт-кэширование. Если системный промпт и контекст повторяются от запроса к запросу, повторное чтение кэша тарифицируется заметно дешевле полного ввода. Для агента с длинными инструкциями это часто главная статья экономии.
• Batch-обработка. Асинхронный режим со скидкой за то, что ответ не нужен мгновенно. У ряда вендоров скидка на batch достигает примерно половины обычной цены — актуальную величину смотрите в прайсе конкретной платформы.
• Плата за оркестрацию и инструменты. Вызовы функций, retrieval, песочницы для кода, память агента. Здесь у платформ политика разная: у кого-то это в цене токенов, у кого-то отдельная строка.

Именно последний пункт ломает наивные сравнения. Дешёвая модель, обвешанная платными инструментами и минутами работы песочницы, легко выходит дороже более дорогой модели с включённой оркестрацией.

Цена за токен — это цена бензина. Стоимость поездки на агенте определяет ещё и то, сколько кругов по контексту он наматывает на каждую задачу.

Где идёт основная драка

Ценовая война разворачивается на трёх уровнях сразу, и вендоры играют на том, который им выгоднее.

Провайдеры моделей

OpenAI, Anthropic и Google снижают ставки на новых поколениях моделей и одновременно предлагают более дешёвые «облегчённые» версии (mini/flash/haiku-классы), рассчитанные ровно на массовые агентные вызовы, где не нужен максимальный интеллект на каждом шаге. Расчёт простой: агент делает десятки вызовов на одну задачу, и разница в цене за миллион токенов умножается на этот объём.

Облачные платформы

Amazon Bedrock и Microsoft Azure AI Foundry конкурируют не столько ценой самой модели, сколько тем, что вокруг: управление агентами, память, подключение корпоративных данных, биллинг в общем облачном счёте. Их аргумент — не «у нас дешевле токен», а «вам не придётся собирать инфраструктуру вокруг агента с нуля».

Фреймворки и оркестраторы

LangChain/LangGraph, CrewAI и подобные инструменты сами по себе часто бесплатны или условно-бесплатны в опенсорсе, а деньги берут за облачные надстройки: трейсинг, мониторинг, хостинг. Их ценовая политика давит на облачных провайдеров снизу — базовую оркестрацию можно собрать бесплатно.

Сравнение подходов

Ниже — не прайс-лист (цифры устаревают за недели), а сравнение типов платформ по тому, за что вы реально платите и что получаете. Конкретные ставки сверяйте на официальных страницах тарифов.

Почему дешёвый токен не значит дешёвый агент

Агент² редко решает задачу за один запрос. Он планирует, вызывает инструменты, читает результаты, снова обращается к модели. На каждом шаге в контекст подгружается история диалога и результаты предыдущих вызовов — и всё это тарифицируется как входные токены. Отсюда несколько практических следствий.

• Модель с ценой за токен вдвое ниже, но склонная делать больше шагов на задачу, может выйти дороже.
• Без промпт-кэширования длинный системный промпт оплачивается заново на каждом шаге цикла.
• Инструменты вроде выполнения кода, поиска и retrieval часто тарифицируются отдельно от токенов.
• Мониторинг и трейсинг агента — тоже строка расходов, особенно в облачных надстройках фреймворков.

Поэтому единственный честный способ сравнить вендоров — прогнать свой типовой сценарий на каждом и посмотреть итоговый счёт за фиксированный объём задач, а не за миллион токенов в вакууме.

Кому это пригодится, а кому нет

Пригодится:

• Стартапу с массовыми простыми вызовами. Тысячи обращений в день, где каждый шаг несложный: облегчённые модели и промпт-кэширование дают ощутимую экономию именно на объёме.
• Команде с офлайн-задачами. Ночная обработка документов или писем не требует мгновенного ответа — batch-режим со скидкой снимает значимую часть счёта.
• Компании, уже живущей в одном облаке. Если данные и так в AWS или Azure, платформа этого облака избавляет от переливания данных наружу и отдельных договоров.

Скорее не пригодится:

• Тем, у кого редкие, но тяжёлые задачи. Несколько сложных запросов в день на топ-модели — экономия на цене токена в абсолютных деньгах мизерная, а миграция ради неё не окупится.
• Проектам с жёсткими требованиями к качеству рассуждения. Гонка за дешёвым токеном толкает на облегчённые модели, а они чаще ошибаются на многошаговых задачах; цена ошибки может перевесить экономию.
• Тем, кто меняет вендора ради 10–15% скидки. Переписывание промптов, инструментов и тестов под новую платформу съедает эту разницу за первый же месяц работы инженеров.

Как считать выгоду, а не верить анонсам

1. Возьмите реальный типовой сценарий агента и зафиксируйте объём: сколько задач в сутки, сколько шагов на задачу в среднем.
2. Прогоните его на двух-трёх кандидатах и снимите фактический расход токенов, а не заявленный.
3. Добавьте к счёту оркестрацию, инструменты, песочницы, память и мониторинг — всё, что тарифицируется отдельно.
4. Прикиньте стоимость миграции в человеко-часах и разделите на ожидаемую месячную экономию — так вы поймёте срок окупаемости перехода.

Ценовая война вендоров — хорошая новость, но выигрывает от неё тот, кто считает полный счёт, а не радуется цифре из пресс-релиза.

1. Под «агентной платформой» здесь понимается любой стек, на котором собирают LLM-агента: от прямого API модели до облачных сервисов управления агентами и опенсорс-фреймворков.

2. Агент — программа на базе языковой модели, которая для достижения цели самостоятельно планирует шаги и вызывает внешние инструменты (поиск, код, API), а не просто отвечает одним сообщением.