Цена за миллион токенов, которую указывают все разработчики, сама по себе не позволяет оценить реальную стоимость корпоративной задачи. Сравнительный тест трех флагманских моделей OpenAI и Anthropic, позиционируемых в одном ценовом диапазоне, выявил различия, которые могут достигать восьмикратного размера. Токен — это единица текста, которую модель читает и генерирует, поэтому его стоимость зависит от количества потребленных токенов.
На бумаге цены различаются в основном в премиум-сегменте. GPT-6 Astra указана по цене 10,00 $ за миллион входных токенов и 50,00 $ за выходные, в то время как для Claude Opus 5.5 это 4,00 $ и 20,00 $. Средний и бюджетный сегменты, напротив, выровнены: GPT-6.1 Sol и Claude Sonnet 5.5 стоят по 2,00 $ за вход и 10,00 $ за выход, а GPT-6 Luna и Claude Haiku 5.5 — по 0,10 $ за вход и 0,50 $ за выход.
Реальная стоимость, отличающаяся от каталога
Тест включал четыре задачи, требующие однозначного и проверяемого ответа: найти ошибку в репозитории GitHub, извлечь данные из счетов в формате JSON, ответить на вопросы с цифрами в длинном документе и дедуплицировать файл с клиентами. Каждая модель запускалась трижды с уровнем рассуждений « high », и результаты усреднялись. Кэш промптов, который повторно использует уже обработанные части запроса, был включен с обеих сторон.
В задаче по поиску ошибки требовалось исправить баг в исходном коде Flask, веб-фреймворка Python, и исправление считалось успешным, если проходили официальные тесты. Claude Haiku 5.5 провалил все три попытки, а Claude Sonnet 5.5 не справился в одной из трех. Стоимость GPT-6 Astra составила 0,4278 $ против 0,2534 $ для Claude Opus 5.5, то есть разница в 1,7 раза не в пользу OpenAI. В задаче по извлечению данных из счетов GPT-6 Astra обошелся в 0,4023 $ против 0,2405 $ для Opus 5.5.
Пример с длинным документом — проспектом SpaceX перед IPO — иллюстрирует роль цены за токен. Все три модели Anthropic успешно прошли тест во всех трех попытках, как и модели OpenAI. Премиальная модель OpenAI обошлась в 2,9275 $ против 1,0770 $ для Claude Opus 5.5. В задаче дедупликации, однако, GPT-6 Luna справился только в одной из трех попыток, тогда как Claude Haiku 5.5 успешно прошел все три.
Причины: токенизатор и процесс рассуждений
Различия обусловлены несколькими факторами. Токенизатор, инструмент, разбивающий текст на части, играет ключевую роль: для одного и того же кода модели Anthropic насчитывают 120 242 входных токена против 77 979 у OpenAI, то есть на 54 % больше. Согласно представленным измерениям, Claude потребляет на 46–63 % больше токенов, так что миллион токенов Anthropic содержит примерно на 35 % меньше текста, чем миллион токенов OpenAI.
Процесс рассуждений, то есть внутренние размышления, которые модель генерирует перед ответом, также влияет на стоимость. Одинаковые настройки не гарантируют одинакового хода мыслей у разных моделей, и в статье также упоминаются различия в предварительном обучении и обучении с подкреплением. В задаче дедупликации модели OpenAI потребляют значительно меньше токенов на выходе, входе и в процессе рассуждений, что делает их дешевле в среднем и бюджетном сегментах.
В целом, самая дешевая модель зависит от конкретной задачи. Claude Opus 5.5 является наименее затратной в премиум-сегменте по всем четырем тестам, GPT-6.1 Sol — в среднем сегменте в трех из них, а GPT-6 Luna — в бюджетном сегменте по всем четырем.
