Почему дешёвый API китайской LLM может дорого обойтись при интенсивном AI-кодинге

Дешёвая модель за токен может оказаться дорогой для разработчика. Противоречия здесь нет: сравниваются разные продукты — API с оплатой каждого токена и подписка на инструмент для программирования, где траты пользователя ограничены ценой тарифа, пока он укладывается в его правила.

Для автономного coding-агента, который многократно читает репозиторий, удерживает длинный контекст и генерирует большой объём ответов, вопрос «у какой модели ниже цена токена?» недостаточен. Важнее другое: в какой момент прекращается предельный расход пользователя и выдерживает ли тариф реальную нагрузку.

Низкая ставка за токен всё равно растёт без потолка

Для GLM-5.2 указаны тарифы: 1,40 доллара за 1 млн входных токенов, 0,26 доллара за 1 млн входных токенов из кэша и 4,40 доллара за 1 млн выходных токенов. 1 При очень больших объёмах даже такие ставки дают заметные суммы:

• 1 млрд некэшированных входных токенов — 1 400 долларов;
• 1 млрд кэшированных входных токенов — 260 долларов;
• 1 млрд выходных токенов — 4 400 долларов.

Для coding-агентов особенно важен последний пункт. Агент не только читает исходный код и документацию: он формирует планы, правки, результаты тестов, объяснения, вызовы инструментов и новые итерации. Поэтому при существенной доле генерации итоговый счёт может намного превысить впечатление от рекламной цены входного токена.

Кэширование способно радикально снизить цену повторно используемого контекста. Но итог зависит от фактической пропорции некэшированного ввода, кэшированного ввода и вывода. 1

Почему вирусное сравнение «стоимости в день» требует деталей

В одном из обсуждаемых сравнений расходы на API GLM-5.2 оценивались примерно в 7 800 юаней в сутки, тогда как фиксированная недельная цена подписки Codex выглядела значительно ниже. Это действительно показывает разницу между оплатой по факту и подписочной квотой, однако заявленный объём токенов нельзя оценивать без дополнительных параметров.

По опубликованным тарифам GLM-5.2 десятки миллиардов некэшированных входных токенов сами по себе обошлись бы в десятки тысяч долларов в сутки; вывод в таком масштабе стоил бы ещё дороже. 1 Счёт в 7 800 юаней в день может означать меньший фактически тарифицируемый объём, высокую долю кэшированных токенов, конкретное соотношение ввода и вывода, скидки либо другую базу расчёта.

Практический вывод простой: общего числа токенов недостаточно. Для сравнения агентного процесса нужно измерять:

1. некэшированные входные токены;
2. кэшированные входные токены;
3. выходные токены;
4. окна сброса и лимиты тарифа;
5. переходят ли превышения в платное потребление.

Подписка ограничивает расходы пользователя, но не делает вычисления бесплатными

Подписка не отменяет стоимость инференса — она переносит изменчивость расходов с пользователя на поставщика.

В рамках фиксированного месячного плана разрешённый интенсивный пользователь может получить объём, который через API стоил бы заметно дороже цены подписки. Пользователь получает предсказуемый бюджет, а провайдер управляет риском через скользящие окна, ограничения скорости, приоритеты, кредиты и другие механизмы добросовестного использования.

Поэтому дорогой API может соседствовать с привлекательной подпиской на coding-инструмент. Цена API — это прямая предельная цена вычислений. Подписка — пакетное предложение с ограничениями: они могут быть удобны для многих пользователей, но не гарантируют неограниченную пропускную способность.

Подписки на coding-инструменты тоже могут быть жёстко тарифицированы

Ключевое различие не в происхождении модели, а в устройстве продукта: это открытый счётчик токенов, кошелёк с кредитами или достаточно щедрая квота, регулярно сбрасываемая по понятным правилам.

В GLM Coding Plan прямо установлены два ограничения: скользящая квота баллов на пять часов и недельная квота. Для тарифа Pro опубликованы 12 000 баллов на пять часов и 60 000 баллов в неделю, для Max — 28 000 и 140 000 соответственно. Расход рассчитывается на основе входных, кэшированных входных и выходных токенов с коэффициентами, зависящими от модели. 2

Qoder ещё яснее описывает кредитную схему. Платные уровни дают 2 000, 6 000 или 20 000 кредитов в месяц для премиальных моделей; после их исчерпания сервис переключает пользователя на базовую модель с ограниченным числом сообщений. Qoder также указывает, что включённые ресурсы премиальных моделей эквивалентны стоимости подписки плюс бонусные ресурсы. 17

Для разработчика, регулярно запускающего длительные агентные задачи, такие планы могут ощущаться не как «безлимитная подписка», а как предоплаченный объём с ежемесячным платежом.

Пиковые множители делают ограничение мощности заметным

Лимиты — не единственное ограничение. Поставщик может менять скорость, с которой расходуется квота, в периоды высокого спроса.

В текущей документации Z.ai указано, что GLM-5.3 расходует квоту с множителем 1× вне пика и 3× в пиковые часы; для GLM-5.3-Flash приведены множители 0,4× и 1,2×. 4 В обзоре GLM Coding Plan пиковым периодом названы будние дни с 14:00 до 18:00 по UTC+8. 2

Это механизм управления мощностями: цена подписки не меняется, но объём работы, покрываемый квотой, в загруженные часы уменьшается. Нельзя автоматически переносить эти условия на любой план GLM-5.2 или другой период — необходимо проверять актуальные правила конкретного тарифа.

Что подтверждено о проблемах доступа — и что нет

Сообщения о быстро заканчивающихся дневных квотах, снижении доступности GLM-5.2, коротком хранении кэша, слабом межпользовательском батчинге или нехватке инференсных мощностей могут быть правдоподобными, но рассмотренные материалы не подтверждают все эти утверждения как установленные факты.

Первичная документация однозначно подтверждает потолки квот, учёт баллов с поправкой на токены и временные множители. 24 Однако сама по себе она не доказывает конкретную причину каждой жалобы на доступ. При выборе инструмента такие сообщения разумно воспринимать как сигнал для практической проверки, а не как окончательный вывод.

Проверять стоит на собственной нагрузке и в рабочие часы команды: размер репозитория, поведение кэша, длину ответов, число параллельных агентов, ожидание в очереди и сценарий после исчерпания лимита. Всё это важнее одной рекламной ставки за миллион токенов.

Правило выбора для команд с интенсивным AI-кодингом

Недорогие китайские API остаются привлекательными для умеренного или предсказуемого инференса, особенно если процесс хорошо переиспользует кэшированный контекст. 1 Это сильный вариант для команд, которым нужен прямой контроль API и которые способны тщательно управлять токенным бюджетом.

Но интенсивная агентная разработка — другая задача закупки. При устойчиво высоком потреблении обычно выигрывает решение, которое сочетает:

• предсказуемый месячный потолок расходов;
• квоту, которой хватает на обычный рабочий день;
• ясные правила сброса и превышения лимитов;
• стабильный доступ в пиковые часы;
• достаточную ёмкость для параллельных задач.

Итог: сравнивать нужно не только цену API, а эффективный объём полезной работы в месяц. Модель с дешёвым API выигрывает при контролируемом потреблении. Подписка выгодна лишь тогда, когда её ограничения прозрачны и действительно соответствуют нагрузке конкретного разработчика или команды.