Сколько реально стоит ИИ-агент для фрилансера: $200-600 в месяц

Разборы нейросетей, связок и лидогенерации я собираю в одном месте и выкладываю раньше, чем они доедут до статьи. Если тема ИИ-агентов вам близка, оставайтесь на связи.

Почему «сколько стоит ИИ-агент» - вопрос без единого ответа?

У запроса «сколько стоит ИИ-агент» нет единого ответа, потому что под одним словом спрятаны две разные цены. Первая корпоративная, и там счёт идёт на тысячи долларов в месяц. Вторая относится к вам лично, и она укладывается в 200-600 долларов, если вы работаете на себя или в небольшой команде.

Когда человек забивает в поиск «сколько стоит ии агент», он натыкается на цифры уровня Uber и на enterprise-разборы, где фигурируют десятки тысяч. От таких чисел опускаются руки, хотя к фрилансеру они не относятся вообще. У большой компании тысячи инженеров одновременно жгут токены на дорогих моделях, у вас один ноутбук и одна голова.

Дальше в статье я держу только вашу цену. Разберу, из чего она складывается, почему помесячный счёт ведёт себя непредсказуемо и как посчитать свой бюджет заранее, чтобы не узнавать сумму постфактум.

Из чего складывается цена агента: токены, модели, подписка или API?

Цена агента собирается из трёх вещей, и все три простые. Это токены, выбор модели и способ оплаты. Токены задают базовую стоимость каждого действия, выбор модели умножает её в несколько раз, а способ оплаты решает, платите вы фиксированную сумму или по факту.

Токен - это кусочек текста, примерно три-четыре буквы. Модель берёт с вас деньги и за то, что вы ей отправили (вход), и за то, что она написала в ответ (выход). Выход почти всегда дороже входа в несколько раз. Агент вроде Claude Code или Codex гоняет эти токены пачками, потому что читает ваши файлы, думает, переписывает код и снова читает результат.

Вторая переменная - какая именно модель работает. У Anthropic три уровня, и разница в цене между ними кратная. По официальному прайсу Anthropic на сентябрь 2026 года Haiku стоит 1 доллар за миллион входных токенов и 5 за миллион выходных, Sonnet - 2 и 10, Opus - 5 и 25. У OpenAI своя линейка, где Codex на модели GPT-5 обходится в 1,25 доллара за вход и 10 за выход, а на более свежих версиях доходит до 1,75 и 14.

Третья переменная - платите вы фиксированную подписку или по факту через API. Это отдельный большой вопрос, и ему ниже посвящён целый раздел, потому что для фрилансера ответ не так очевиден, как кажется.

Сколько стоит одна задача: от $0.35 на Haiku до $1.75 на Opus

Одна рабочая задача агента стоит от 35 центов до примерно 1,75 доллара, и вилка зависит от того, какую модель вы на неё поставили. Это порядок цен, от которого можно отталкиваться, когда прикидываете дневной ритм работы. Объём самой задачи двигает счёт слабо, всё решает модель, которую вы на неё посадили.

Возьмём типовую сессию агента примерно на полсотни обращений к модели. На чистом Haiku такая сессия обходится около 35 центов, на Sonnet - около 70 центов. Верхняя граница в 1,75 доллара набегает, когда одну не самую тривиальную задачу целиком крутят на дорогой модели вроде Opus или свежего Codex. Разброс в пять раз задаёт выбор модели, а объём работы тут почти ни при чём.

Отсюда виден главный рычаг экономии. Держать всё на самой мощной модели дорого и почти всегда бессмысленно, потому что половину задач спокойно тянет модель попроще. К этому рычагу я ещё вернусь в разделе про снижение чека.

Подписка Claude/ChatGPT или API: что выгоднее фрилансеру?

Пока вы работаете на себя и укладываетесь в лимиты, подписка почти всегда дешевле и спокойнее. API становится выгоден, когда нужно точно посчитать себестоимость конкретного клиентского проекта или запустить автоматизацию без человека у экрана. Для одиночки это выбор между спокойным фиксом и точным поштучным счётом за каждую задачу.

Логика простая. Подписка Claude Pro стоит 20 долларов в месяц, планы Max начинаются от 100 долларов и доходят до 200. У OpenAI платные планы ChatGPT идут от 8 до 200 долларов, и Codex входит во все платные тарифы без отдельной оплаты.

По данным Anthropic, средний расход на Claude Code составляет около 6 долларов на человека в день, и у девяти из десяти пользователей дневная сумма не переваливает за 12 долларов. При такой нагрузке подписка Max за 200 долларов окупается легко.

Насколько именно окупается, видно из открытых расчётов. Через API тот же объём работы обходится в несколько раз, а у самых тяжёлых пользователей и в десятки раз дороже подписки. В одном таком разборе за 200 долларов подписки насчитали эквивалент около 8000 долларов по токенам, и чем плотнее вы гоняете агента, тем сильнее подписка выигрывает.

Обратная сторона тоже есть. Подписка не умеет считать себестоимость по конкретному клиенту, не обслуживает чужих конечных пользователей и не запускает фоновую автоматизацию, не рискуя упереться в лимит одного аккаунта. Всё, что нужно заложить в смету отдельного проекта или масштабировать на нескольких клиентов сразу, правильнее вести через API с оплатой по токенам. Если вы только выбираете инструмент под задачи трафика и прикидываете, сколько он будет съедать, я разбирал этот выбор подробнее в отдельной статье про автоматизацию рутины через вайб-кодинг.

Сколько реально тратят на ИИ-агента в месяц: $200-600 у практиков

Практик, который держит агента на постоянной работе, тратит на него 200-600 долларов в месяц. Это живой месячный счёт одного человека, который пользуется инструментом каждый день. Корпоративные оценки и цена одной задачи сюда не относятся вовсе.

Откуда берётся именно такой диапазон. Нижняя граница - это подписка уровня Max за 100-200 долларов плюс немного оплаты по токенам на автоматизацию и клиентские проекты. Верхняя набегает, когда человек параллельно гоняет и Claude, и Codex, держит несколько фоновых сценариев и часть работы ведёт через API ради точного учёта по клиентам. Всё, что выше 600 долларов у одиночки, обычно означает либо забытый фоновый процесс, либо привычку держать дорогую модель на любой ерунде.

Важная оговорка про рекламные статьи, которые выдают себя за реальные разборы расходов. В поиске полно «историй успеха» с доходами в 4200 и 7200 долларов и такими же красивыми расходами. Это генеративная накрутка с выдуманными авторами, и опираться на неё нельзя. Я держусь официальных прайсов вендоров и обезличенных отраслевых расчётов, где видно, откуда взялась каждая цифра.

Мы только что посчитали чек на инструмент для одного человека. Ровно так же считается экономика связки под конкретную нишу, где ИИ снимает рутину и удешевляет заявку. Разборы таких связок и прикладные расчёты я выкладываю в своём Telegram-канале.

Почему счёт за агента неожиданно вырастает?

Счёт скачет из-за механики агентного цикла, а ваша аккуратность тут почти ни при чём. Агент на одну задачу делает восемь-пятнадцать обращений к модели, и каждое следующее тащит с собой весь накопленный контекст, поэтому дорожает к концу сессии.

Работает это так. Первый ход дешёвый, модель прочитала пару файлов. К десятому ходу она перечитывает всё, что накопилось с начала сессии, и каждый шаг стоит дороже предыдущего. Один час активной работы легко превращается в десятки таких дорожающих ходов, и сумма растёт нелинейно.

Дальше идут ловушки, на которые новичок налетает чаще всего. Их стоит знать в лицо.

• Забытый фоновый скрипт. Человек настроил агента проверять обновления каждые полчаса циклом, лёг спать, а утром получил счёт на несколько тысяч долларов. В открытых обсуждениях описывали случай на сумму около 6000 долларов за одну ночь.
• Путаница между лимитом подписки и оплатой по токенам. Она усилилась после того, как один вендор за сутки дважды поменял условия по своему агенту в дешёвом тарифе, и, по наблюдению независимого аналитика LLM-рынка, разобраться в моменте было почти невозможно.
• Дорогая модель на всех задачах подряд. Самый частый и самый обидный перерасход, потому что лечится одной настройкой.
• Никто не считает токены заранее. Прикинуть объём тяжёлой операции можно за минуту, но на практике этого почти не делают.

Все эти истории объединяет одно. Прежде чем доверять агенту деньги и доступы, стоит выставить лимиты и настроить логи, и я собрал такой чек-лист в отдельном разборе про то, кому и как доверять ИИ-агенту доступы и деньги.

Как посчитать свой бюджет на ИИ-агента заранее?

Бюджет считается до подключения по простой формуле, и в неё входят три слагаемых. Это базовая подписка, запас на оплату по токенам и подушка на ошибки первых недель. Посчитать лучше заранее, чтобы понимать вилку трат ещё до того, как вы вообще подключите инструмент, и не поймать сюрприз в первом счёте.

Посчитайте по шагам, это занимает минут пятнадцать.

1. Возьмите базовую подписку под свой ритм. Если работаете каждый день, закладывайте план уровня Max от 100 долларов. Если пробуете по вечерам, хватит Pro за 20.
2. Добавьте запас на API. Если планируете автоматизацию или учёт по клиентам, заложите сверху 50-150 долларов и следите за фактом первый месяц.
3. Положите подушку на первые недели. Пока не выработалась привычка выбирать модель под задачу, первый счёт почти всегда выше рабочего. Заложите плюс 30 процентов и не пугайтесь.
4. Через месяц пересоберите цифру по факту. Дальше бюджет становится предсказуемым и обычно снижается.

Подход тот же, что и с бюджетом на первый рекламный тест, где сначала считаем полную сумму со всеми накладными вместо красивой цифры с витрины. Я подробно разложил эту логику на примере бюджета на тест Telegram Ads, и здесь она работает один в один.

Даже корпорации теряют контроль: зачем Cursor завёл «CFO Council»?

Даже компании с большими бюджетами не могут просто сказать «тратьте сколько нужно», и Cursor это признал публично, собрав внутренний совет финансовых руководителей вокруг расходов на ИИ. Если контроль над счётом нужен им, то фрилансеру он нужен тем более.

В июле 2026 года Cursor объявил о создании CFO Council и описал его задачу прямым текстом.

В том же посте Cursor ссылается на исследование McKinsey, по которому 88 процентов компаний уже внедрили ИИ хотя бы в одном процессе, но лишь 39 процентов могут проследить связь этих вложений с прибылью. Проще говоря, деньги тратят почти все, а измерять отдачу умеют немногие. Вижу ту же картину и по знакомым фрилансерам, которые подключают агента охотно, а в конце месяца с удивлением открывают счёт и не понимают, окупился он или нет.

Тот же сюжет виден на кейсе Uber. По сообщениям деловых СМИ за май 2026 года, компания израсходовала годовой бюджет на ИИ-инструменты за первые четыре месяца, а доля инженеров, работающих с агентом ежедневно, выросла с 32 до 84 процентов. Расход на одного инженера составлял 500-2000 долларов в месяц. Механика та же, что и у вас, просто денег на два порядка больше.

Вывод для одиночки отсюда прямой. Свой мини-учёт расходов придётся вести руками, потому что за вас это не сделает никто.

Как снизить чек без потери качества?

Чек режется дисциплиной в работе с инструментом, и основную экономию дают три приёма. Это каскад моделей, кэширование повторяющегося контекста и жёсткие лимиты на аккаунте. Ни один из них не требует отказа от агента, нужно только внимание к тому, какая модель и когда работает.

Каскад моделей - главный рычаг. Пусть Haiku разбирает простое и маршрутизирует задачи, Sonnet тянет основную массу работы, где нужен реальный интеллект, а Opus включается только на самом сложном. Такая схема снижает общие расходы примерно на 60-70 процентов и почти не бьёт по качеству, потому что дорогую модель вы платите ровно там, где она нужна.

Второй приём - кэширование промптов. Тот же контекст при повторе стоит около десятой части обычной цены входного токена. При большом системном промпте и высокой доле повторов на входных токенах экономится 70-90 процентов.

Здесь есть подвох со сроком жизни кэша. Если интервал между запросами длиннее срока хранения, кэш успевает протухнуть и молча удорожает работу.

Третий приём - лимиты и внимание к размеру контекста. Выставьте потолок расходов на аккаунте, не держите бесконечные фоновые циклы и следите за длинными сессиями с параллельными суб-агентами, потому что они жгут токены в разы быстрее обычной работы. И не спешите переплачивать за новейший флагман. Стоит ли фрилансеру брать самую свежую и дорогую модель вместо проверенной подешевле, я разбирал в статье про то, что выбрать фрилансеру из свежих моделей.

Сколько это в рублях и как включить в смету клиенту?

В рублях подписка уровня Pro при курсе около 95 рублей за доллар обойдётся примерно в 1900 рублей в месяц, а план Max за 200 долларов - около 19 тысяч. Расходы на API разумнее закладывать в смету клиента отдельной строкой, потому что их видно по факту.

Пересчёт делается через условие. Если доллар стоит около 95 рублей, то 20 долларов подписки превращаются примерно в 1900 рублей, а 300 долларов месячного счёта - в 28-29 тысяч. Курс лучше брать текущий на день расчёта, потому что он гуляет.

В смету клиенту расходы на агента заходят так же, как любая другая себестоимость услуги. Считаете, сколько токенов съедает конкретный проект, добавляете свою работу и закладываете в цену. Именно ради такого учёта по клиенту удобнее API, чем подписка. Как я оплачиваю и держу эти инструменты в ежедневной работе из России, я разобрал отдельно в материале про работу с Claude из России, чтобы не растягивать этот разбор.

Окупается ли ИИ-агент фрилансеру: как считать ROI?

Агент окупается, когда его месячная цена заметно ниже стоимости того же результата, сделанного руками. Считать надо в рублях сэкономленной рутины и в часах. Ощущение «вроде стало быстрее» тут не аргумент. Если агент снимает с вас больше рублей рутины, чем стоит сам, он остаётся в работе; если нет, от него отказываются.

Логика окупаемости у меня всегда одна, и я держу её ещё с работы над связками. Любой инструмент оправдывает своё место только рублём и временем, которое он снял с рук. Меньше магии, больше метрик. Если новая тулза не даёт денег, скорости или качества, она идёт в архив, а не на обложку.

Приложите это к агенту. Посчитайте, сколько часов в месяц он снимает с вас на рутине, то есть на написании черновиков, разборе данных, однотипной переписке. Умножьте эти часы на стоимость своего часа.

Если ваш час стоит 1000 рублей и агент экономит 30 часов в месяц, то он отбивает 30 тысяч рублей, а стоит при этом 20-30 тысяч со всеми накладными. Дальше сравните это со стоимостью живого помощника, который делал бы ту же рутину, и картина складывается сама.

Тот же приём я применяю, когда сравниваю инструмент с наймом человека. ИИ-исполнитель на типовой рутине обходится в несколько раз дешевле живого, работает без выходных и не выгорает на однообразии. Но и здесь работает простое правило, по которому результат считается по проверяемым цифрам, а красивая демонстрация ничего не доказывает. Разобраться с промптом, настройкой и проверкой качества всё равно придётся руками. Посчитайте свои часы и цену агента один раз в месяц, и сразу увидите, продолжает он отбивать себя или пора что-то менять.

Свежие разборы связок, нейросетей и лидогенерации с готовыми расчётами я выкладываю раньше, чем они доедут до блога.