Цена за миллион токенов всё хуже показывает реальную стоимость AI Токен перестал быть нормальной единицей сравнения моделей. Две модели могут решить одну и ту же задачу, но одной понадобится 5 000 токенов, а другой - 50 000+. Добавьте разные токенизаторы, скрытые reasoning-токены, tool calls и повторные попытки — и метрика $ / 1M tokens уже почти ничего не говорит о стоимости реальной работы. Для AI-агентов проблема ещё заметнее. Если первый шаг сгенерировал слишком много текста, этот результат часто становится входом для второго шага, затем попадает в третий, четвёртый и дальше. Поэтому модель, которая использует в 2 раза больше токенов, может обойтись значительно дороже, чем просто ×2: - растёт контекст; - увеличивается latency; - дорожают следующие reasoning-шаги; - растут расходы на tool calls и retries. Чем длиннее агентный workflow, тем важнее token efficiency. Гораздо полезнее считать: полная стоимость модели + reasoning + tools + retries / число успешно выполненных задач То есть сравнивать модели не по цене токена, а по стоимости успешно выполненной задачи при нужном качестве. https://x.com/Machinelearrn/status/2095817451699130868