# Токены съедают бюджет: 12 приёмов, которые реально работают
Каноническая страница: https://plainews.ru/posts/kak-sokratit-rashody-na-tokeny-ii
Опубликовано: 2026-06-08T07:01:24.034Z

Три года вайбкодинга — и вот конкретные приёмы: бесплатные модели, раздельные контексты, английский в правилах. Сокращаем счёт за ИИ без потери качества.
ИИ-инструменты стали рабочей необходимостью, но счета за токены растут быстрее, чем планировалось. Особенно больно это бьёт по командам с агентными пайплайнами — там один прогон может стоить как несколько часов работы джуна. Ниже — двенадцать способов срезать расходы, проверенных на практике за три года активного использования.

## Бесплатные и дешёвые модели: где их искать

Самый очевидный, но недооценённый способ — ловить модели в промо-периоде. Новые вендоры регулярно открывают бесплатный доступ, чтобы набрать пользователей. Смотреть на это стоит через openrouter.ai/rankings: если в топ-10 внезапно появляется малоизвестная модель с огромным трафиком — скорее всего, она сейчас бесплатная или почти бесплатная.

Китайские модели — отдельная история. Разница в цене с топовыми западными флагманами достигает x10 и выше, а на хорошо структурированных задачах с прописанными правилами и MCP-инструментами качество часто неотличимо. Ориентир для выбора — arena.ai/leaderboard/code/webdev. Все «китайцы» в топ-10 заслуживают внимания.

В KiloCode есть встроенный фильтр бесплатных моделей — не нужно ничего искать вручную.

## Разные модели для разных задач

Использовать Claude Opus на каждый чих — расточительство. Рабочий пример распределения по задачам:

- **Спецификации и архитектура** — мощная модель (например, Opus 4 в режиме high)
- **Кодирование** — DeepSeek v3/v4
- **Ревью** — GPT-4.5 или аналог
- **Тестирование и ресёрч** — более дешёвая модель

При таком раскладе дорогая модель занимает 15–20% от общего расхода токенов, но делает самую ответственную работу — планирование. Итоговая экономия относительно «всё на Opus» — x5–7 по стоимости.

## SDD и план перед кодом: долгосрочная экономия

Кажется, что написание спецификации — это лишние токены. На самом деле наоборот: агент без плана делает больше итераций, ломает старые фичи новыми, теряет контекст. В сумме это дороже.

Минимальный вариант — включить Plan mode перед задачей и зафиксировать результат в памяти проекта. Более полный подход — использовать SDD-фреймворк. Для старта подойдёт OpenSpec — лаконичный и не требует сложной настройки.

## Контекстное окно: чистить регулярно

Длинный контекст стоит денег даже с учётом cache read (кэширования уже отправленных токенов). Кроме того, большой контекст снижает точность: модель начинает игнорировать часть инструкций или выполнять не те.

Правило простое: каждая логическая задача — отдельный контекст. Написали спеку — выполняйте в новом чате. Ревью — в новом. Тесты — в новом. Если настроены субагенты, у каждого свой контекст — это решает проблему автоматически. Правильно написанная спека позволяет сбрасывать контекст в любой момент без потери прогресса.

## Английский в правилах и конфигах

Русский текст занимает больше токенов, чем английский — разница зависит от модели, но она есть и она ощутима при долгой работе. Если переводить весь проект на английский неудобно, достаточно зафиксировать на английском rules, skills и memory-файлы агента. Это те части, которые попадают в каждый запрос и накапливаются быстрее всего.

## Подписки вместо pay-per-token

При интенсивном использовании подписка на инструмент (Cursor, Windsurf, Claude Pro и т.д.) обходится дешевле, чем прямая оплата по API. Порог окупаемости зависит от объёма, но если вы работаете с ИИ каждый день — считать стоит.

## Prompt caching: настроить один раз

Многие провайдеры (Anthropic, OpenAI) поддерживают кэширование системного промпта. Повторные запросы с одинаковым началом стоят в разы дешевле. Для этого системный промпт должен быть стабильным и идти первым в запросе — тогда он попадает в кэш.

```python

# Пример структуры запроса с cache_control для Anthropic API

messages = [     {         "role": "user",         "content": [             {                 "type": "text",                 "text": system_prompt,                 "cache_control": {"type": "ephemeral"}             },             {                 "type": "text",                 "text": user_message             }         ]     } ] ```

Экономия на cache read — до 90% стоимости кэшированной части.

## Где это ломается

**Бесплатные модели нестабильны.** Промо заканчивается без предупреждения, качество может резко упасть на конкретных задачах. Не стройте на них критичный пайплайн без fallback.

**Cache read не гарантирован.** Если системный промпт меняется между запросами или инструмент не реализует кэширование корректно — платите полную цену. Проверяйте через логи провайдера.

**Субагенты с отдельными контекстами** требуют хорошо написанных спек — иначе каждый агент начинает «изобретать» контекст заново и тратит больше токенов на ориентацию в задаче.

**Английский в правилах** помогает только если вы сами понимаете, что там написано. Экономия токенов не стоит ошибок из-за непонятных инструкций.

## Что попробовать дальше

- Настроить мониторинг расхода токенов по задачам — без цифр сложно понять, где реально утечка
- Попробовать OpenSpec для структурирования спек и посмотреть, сократится ли число итераций
- Сравнить DeepSeek v4 с текущей моделью на реальных задачах: прогнать одинаковый набор задач и сравнить результат и стоимость
- Включить prompt caching через API и проверить в дашборде провайдера, что токены действительно кэшируются

## Источники

- Habr AI: Экономный ИИ. 12 способов снизить расходы (токенов/на токены)