DeepSeek за $0.28 за миллион токенов: пересчёт экономики AI-проектов

Андрей Отинов -

Представьте владельца небольшой компании, который весной 2026 года отказался от автоматизации обработки заявок: расчёт показал, что качественная модель «съест» всю маржу. Летом он смотрит на ценовую страницу DeepSeek и видит цену порядка $0.28 за миллион токенов — примерно в сто раз дешевле того, что стоили флагманские модели ещё несколько месяцев назад. Тот самый расчёт, который закрыл проект, теперь нужно пересчитать заново.

Источник: DeepSeek API pricing page

Именно это и произошло на рынке: появилась модель, которую называют сопоставимой по уровню с лучшими доступными моделями весны 2026 года, но по цене, меняющей саму логику решения «внедрять или нет». Важно сразу оговориться: сравнение с конкретными флагманами — это оценка, которую стоит проверять на собственных задачах, а не принимать на веру. Но сам факт ценового разрыва подтверждается официальной страницей цен DeepSeek, и этого достаточно, чтобы пересмотреть экономику.

Эта статья — не обзор новости, а рабочий метод: как за неделю понять, какие процессы в вашей компании стали рентабельными при новой цене, и что проверить до того, как менять архитектуру.

Что именно изменилось

Суть события проста. Модель, которую относят к классу frontier — то есть к верхнему уровню качества среди общедоступных моделей, — стала доступна по цене около $0.28 за миллион токенов. Токен — это условная единица текста, примерно три четверти слова; миллион токенов — это сотни страниц обработанного текста.

Для бизнеса перевод такой: задача, которая раньше стоила условные $28 за миллион обработанных единиц текста, теперь стоит $0.28. Если ваш продукт или внутренний процесс делает тысячи обращений к модели в день, разница — это не экономия на кофе, а смена категории расходов: из «существенной статьи бюджета» в «почти бесплатную коммуналку».

Второй факт из того же контекста: прошло около трёх месяцев с момента, когда этот уровень качества был доступен только по высокой цене. То есть скорость падения цен на качественные модели измеряется кварталами, а не годами. Это важно для планирования: архитектуру, которую вы строите сегодня, нельзя проектировать под вчерашние цены.

Почему это меняет экономику, а не только прайс-лист

Когда цена падает в сто раз, меняется не строка расходов, а список того, что вообще имеет смысл автоматизировать. Раньше frontier-модель оправдывали только в задачах с высокой ценой ошибки или высоким чеком: юридическая вычитка, сложная аналитика, персональные рекомендации для крупных клиентов. Массовые задачи — модерация, первичная обработка писем, классификация обращений, черновики документов — отдавали дешёвым слабым моделям или не автоматизировали вовсе.

При цене $0.28 за миллион токенов граница смещается. Качественная модель становится рентабельной там, где раньше работала «дешёвая и тупая»: массовая обработка обращений с нормальным качеством ответа, многошаговые проверки документов, где модель вызывается не один, а пять-десять раз на одну задачу, персонализация для всех клиентов, а не только для VIP-сегмента.

Отдельный эффект — многошаговые сценарии. Когда один запрос к модели стоит дорого, архитектуру режут: один вызов, короткий контекст, минимум проверок. Когда вызов почти бесплатен, можно позволить модели рассуждать дольше, проверять саму себя, обрабатывать длинные документы целиком. Качество растёт не потому, что модель стала умнее, а потому что вы можете позволить ей больше работы.

Что проверить до того, как менять архитектуру

Цена на странице документации — это входная точка, а не готовое решение. Прежде чем перестраивать процессы, стоит пройти по конкретным проверкам.

Что меняется Почему важно бизнесу Что проверить
Цена за миллион токенов Себестоимость AI-функции падает на порядки Актуальную цену на официальной странице цен, отдельно для входных и выходных токенов
Уровень качества модели Дешёвая, но слабая модель не решает задачу Качество на ваших реальных задачах, а не на чужих бенчмарках
Доступность из России Оплата и стабильный доступ к API — отдельный риск Способ оплаты, лимиты, поведение при пиковой нагрузке
Условия использования данных Документы клиентов могут уходить на внешний сервер Политику обработки данных и юридические ограничения вашей отрасли
Скорость и надёжность API Дешёвый, но медленный сервис ломает клиентский сценарий Время ответа и стабильность в тестовой неделе

Ключевой принцип: заявления об уровне модели — даже громкие сравнения с флагманами — проверяются только на вашем материале. Возьмите пятьдесят реальных задач из вашего процесса, прогоните через новую модель и через ту, что используете сейчас, и сравните результат глазами человека, который понимает предмет. Это дешевле любого совещания.

Что может пойти не так

Первый риск — принять маркетинговое сравнение за факт. Утверждение «уровень лучших моделей мира» — это оценка, которую нельзя переносить на вашу задачу без проверки. Модель может быть сильна в коде и слабее в аккуратной работе с русскоязычными деловыми документами, или наоборот.

Второй риск — цена окажется не той, что в заголовке. У API-моделей цена часто различается для входных и выходных токенов, для кэшированных и обычных запросов, для разных режимов работы. Реальный счёт за месяц считается только на вашем профиле нагрузки.

Третий риск — операционный. Доступ к зарубежным API из России, оплата, возможные изменения условий — всё это не технические детали, а факторы, которые могут остановить процесс в рабочий день. Если процесс критичен, нужен запасной вариант: вторая модель или локальный fallback.

Четвёртый риск — стратегический, и он неочевиден. Если цены на качественные модели продолжат падать тем же темпом, то архитектура, жёстко привязанная к одной модели и одному провайдеру, устареет быстрее, чем окупится. Разумнее строить слой, где модель заменяема.

Что сделать на этой неделе

Практический чек-лист для руководителя или владельца — без привлечения разработчиков на первом этапе:

  1. Откройте официальную страницу цен DeepSeek и запишите актуальные цены на входные и выходные токены для актуальных моделей.
  2. Выберите один процесс, который вы раньше отклонили как «слишком дорогой для ИИ», и прикиньте его месячный объём в токенах: сколько документов, сколько страниц в каждом.
  3. Посчитайте новую себестоимость этого процесса при цене $0.28 за миллион токенов и сравните со стоимостью человеческого труда на ту же работу.
  4. Соберите 30–50 реальных примеров задач из этого процесса для теста качества — это ваш личный бенчмарк, важнее любых публичных сравнений.
  5. Проверьте юридическую сторону: можно ли отправлять данные этого процесса во внешний API, и какие документы требуют исключений.
  6. Примите решение в одном из трёх вариантов: тестируем в этом месяце, откладываем с датой пересмотра, закрываем вопрос осознанно.

Главное решение, которое стоит принять после чтения, — не «купить DeepSeek», а пересчитать список отклонённых AI-проектов. Если цена качественной модели упала в сто раз, то часть отказов последних месяцев больше не обоснована экономикой. И наоборот: если вы строите продукт, где стоимость модели заложена в юнит-экономику, конкурент с новой ценой может предложить то же самое заметно дешевле. Тренд на падение цен при росте качества, судя по последним месяцам, не останавливается — и это аргумент не ждать «ещё более дешёвой модели», а научиться быстро пересчитывать и переключаться.

Источники

Темы журнала

Что почитать дальше