Российский ИИ бьет по кошельку: автоматизация в сотни раз дороже зарубежной

Стоимость автоматизации типовых задач с помощью ИИ-агентов в России существенно выше, чем при использовании зарубежных языковых моделей. Разрыв в цене достигает сотен раз, выяснила платформа Nodul. Подробности — в распоряжении «Инка».

Компания проанализировала девять распространенных сценариев применения ИИ — от перевода и копирайтинга до анализа резюме и подготовки сводных отчетов. Затраты оценивались в рублях за выполнение одной задачи, исходя из стоимости токенов разных LLM.

В исследование вошли российские модели YandexGPT (Lite и Pro) и GigaChat (Lite и Pro), а также зарубежные DeepSeek, GPT-mini, GPT-5 и Claude Sonnet. Практически во всех сценариях самой дорогой оказалась GigaChat Pro, а самой дешевой — DeepSeek. Разница впечатляет:

• копирайтинг 10 тыс. знаков: 154,5 руб. против 0,74 руб. (в 208 раз);

• оператор поддержки: 15,8 руб. против 0,08 руб. (в 204 раза);

• документооборот: 22,5 руб. против 0,14 руб. (в 160 раз);

• перевод текстов: 1,6 руб. против 0,009 руб. (в 161 раз);

• анализ резюме: 2,7 руб. против 0,01 руб. (в 184 раза);

• обработка лида: 2,25 руб. против 0,01 руб. (в 160 раз).

Почему российские LLM такие дорогие

Российские модели чаще всего представляют собой дообученные версии открытых моделей (LLaMA, Qwen, Mistral). Основная причина высокой стоимости — инфраструктура.

Из-за санкций доступ к современным GPU ограничен, оборудование закупается через посредников с большой наценкой. Использование зарубежных облаков ограничено законом о персональных данных, поэтому провайдерам приходится содержать собственные дата-центры. Сервер на 1 тыс. пользователей стоит около 55 млн руб., без учета энергии и обслуживания.

На цену также влияют:

• низкая загрузка серверов — чтобы токены были дешевыми, GPU должны быть заняты 80–90%, но спрос на корпоративные LLM пока низкий;

• особенности тарификации — российские сервисы чаще выставляют одинаковую цену на входящие и исходящие токены, в то время как зарубежные делают вывод дороже ввода. Для задач ИИ-агентов с длинным промптом и коротким ответом это приводит к кратному росту стоимости.

В результате автоматизация на отечественных LLM обходится компаниям в десятки и даже сотни раз дороже, чем на зарубежных аналогах.

Чтобы оптимизировать применение LLM в России, бизнесу необходимо формировать ИИ-стратегии — документы, в которых определяется, какие модели используются на каждом этапе автоматизации. Часть задач, например просмотр контента или базовые проверки, выгодно выполнять на простых моделях, а генерацию сложных текстов — на продвинутых.