Модуль 06 — Экономика и выбор модели

Время: 3 часа · Формат: теория 60 мин + практика 120 мин

Теория

1. Из чего складывается стоимость

Цена указывается за 1 миллион токенов и делится на:

Тип	Что это	Обычно
input	ваш контекст	дорого
output	ответ модели	дороже input в 3–5 раз
cache write	запись в кэш	≈ input
cache read	чтение из кэша	в 5–10 раз дешевле input

Формула сессии:

стоимость ≈ (input_tokens × price_in + output_tokens × price_out) / 1_000_000

Но в агентном цикле input умножается на число шагов: каждый шаг заново отправляет весь контекст. 10 шагов с контекстом 50k — это 500k входных токенов.

2. Кэш — главный рычаг экономии

Провайдеры кэшируют стабильный префикс запроса. Если структура всегда:

[инструкции] [файлы проекта] [вопрос]

то при повторных шагах префикс читается из кэша, и платите вы копейки.

Что убивает кэш:

менять инструкции в середине сессии;
переставлять файлы местами;
вставлять текущее время/случайные данные в начало;
начинать каждый шаг «с чистого листа».

3. Латентность

Важна для UX, но не только:

reasoning-модель думает 30–120 секунд перед первым токеном;
на коротких правках это раздражает;
на архитектурных задачах — окупается.

4. Классы моделей

Класс	Признак	Для чего
fast / mini / flash	дешёвая, быстрая	переименования, тесты по образцу, поиск
balanced	средняя	обычная разработка, рефакторинг
frontier + reasoning	дорогая, думает	архитектура, сложная отладка, миграции
long-context	окно 500k–2M	анализ больших репозиториев/логов

Правило: 80% задач решаются дешёвой моделью, если есть тесты и хорошая спека.

5. Как выбирать на практике

1. Есть ли проверка?        нет → сначала оракул, потом модель
2. Задача типовая?          да  → fast
3. Нужно думать?            да  → reasoning
4. Контекст > 200k?         да  → long-context обязателен
5. Много tool-calls?        да  → важна надёжность tool-calling, не «ум»

Ещё нюанс: характер модели. Одна любит писать тесты, другая сразу лезет в код, третья слишком многословна. Под задачу нужны 2–3 любимые модели, а не одна «лучшая».

6. Бюджет и лимиты

Ставьте лимиты на провайдера (месячный бюджет).
Ограничивайте max_tokens для рутинных задач.
Следите за opencode stats.
Одна «вайб-сессия» на 2M токенов может стоить как день работы — это нормально, если результат того стоит, и катастрофа, если это была правка заголовка.

7. Когда дорогая модель дешевле

Парадокс: frontier-модель за 3 итерации может стоить дешевле mini-модели за 15 итераций с вашим временем на ревью. Считать надо полную стоимость: токены + ваше время + баги.

Чек-лист понимания

Почему в агентном цикле input умножается на число шагов?
Что убивает кэш и как это исправить?
Назовите три задачи, где дешёвая модель объективно лучше дорогой.
Как посчитать «полную стоимость» задачи?

Практика

См. practice.md.