DEV Community: Promptra Team

Нейросеть для транскрибации: расшифровка аудио в текст

Promptra Team — Mon, 01 Jun 2026 19:22:12 +0000

Нейросеть для транскрибации — это модель, которой вы отправляете аудио- или видеозапись, а она возвращает текстовую расшифровку речи. По состоянию на 2026-05-29 в нашем каталоге звук на вход принимает Gemini 3.1 Pro Preview от Google — то есть запись можно отправить прямо в модель и получить готовую расшифровку в одном запросе. Дальше за дело берётся любая текстовая LLM: она чистит расшифровку от слов-паразитов, делает краткое содержание, выделяет тезисы и собирает протокол встречи с задачами и решениями. Всё это работает через один OpenAI-совместимый API, оплачивается в рублях по курсу ЦБ, без наценки на токены.

Этот гайд — про то, чем расшифровать аудио в текст нейросетью, какая модель что делает (важно не путать распознавание речи и постобработку), сколько транскрибация ИИ стоит в рублях и как вызвать её парой строк кода. Тон — инженерный, на цифрах. Цены — ровно те, что клиент видит на странице тарифов: 1-в-1 с провайдером по курсу ЦБ (71.668 ₽/$ на 2026-05-27).

Что такое транскрибация нейросетью

Транскрибация — это перевод устной речи в письменный текст. Расшифровывают совещания, интервью, подкасты, лекции, голосовые сообщения, записи звонков колл-центра, дорожку звука из видео. Раньше это делали вручную (час записи — 4-6 часов работы расшифровщика) или через узкоспециализированные сервисы распознавания речи. Сегодня задачу закрывает нейросеть, и закрывает в два логически разных шага, которые важно не смешивать.

Шаг первый — распознавание речи (ASR / speech-to-text). Модель слушает звук и превращает его в поток слов. Это техническая задача: разобрать произношение, расставить границы слов, по возможности — пунктуацию. Здесь нужна модель, которая физически принимает аудио на вход.

Шаг второй — постобработка текстом (LLM). Сырая расшифровка почти всегда требует доработки: убрать «эээ», «ну», повторы и оговорки; разбить сплошной поток на абзацы и реплики; сделать выжимку; выделить решения и задачи. Это уже работа обычной текстовой языковой модели — ей на вход идёт не звук, а готовый текст расшифровки.

Разница принципиальна для выбора модели и для счёта. Принять аудио умеет не каждая модель — это отдельная мультимодальная способность. А вот постобработку текста тянет любая LLM, и тут можно взять модель подешевле. Дальше разберём оба шага по очереди и честно скажем, что из этого делает наш API напрямую, а что — через дополнительные инструменты.

Чем расшифровать аудио в текст: модели с аудио-входом

Чтобы отправить запись прямо в модель и получить расшифровку, нужна модель с аудио во входных модальностях. В нашем каталоге такая способность есть у флагмана Google.

Gemini 3.1 Pro Preview — принимает звук на вход

Gemini 3.1 Pro Preview (google/gemini-3.1-pro-preview) — единственная в нашем каталоге крупная reasoning-модель, у которой во входных модальностях указан audio наряду с изображением и текстом. На практике это значит, что вы отправляете в модель аудиофайл вместе с инструкцией «расшифруй эту запись» — и получаете текст. Не нужен отдельный сервис распознавания: звук и задание идут одним запросом.

Что важно для транскрибации:

Звук на вход. Можно отправить запись разговора, голосовое сообщение, дорожку из видео.
Контекст 1 048 576 токенов (округлённо 1M). Длинная запись и инструкция целиком помещаются в один запрос, а расшифровку сразу можно попросить структурировать.
Reasoning. Та же модель в том же запросе способна не просто расшифровать, но и сразу выделить ключевые мысли, потому что понимает смысл сказанного, а не только слова.

Цена по каталогу: $2 / $12 за 1М токенов (вход / выход) — это 140 / 860 ₽. Аудио на входе тарифицируется в токенах, как и текст: примерно 32 токена на секунду звука (ориентир Google; точный расход зависит от записи). Час разговора — это порядка 115 тысяч входных токенов, то есть около 16 ₽ за вход на расшифровку часовой встречи. Подробный разбор флагмана — в материале про Gemini 3.1 Pro API в России, а как вообще получить доступ к Gemini из РФ — в гайде Gemini в России.

Чего в каталоге нет: специализированные STT-сервисы

Честно обозначим границу. Помимо мультимодальных LLM, существует отдельный класс инструментов — узкоспециализированные сервисы распознавания речи (например, модели семейства Whisper и подобные STT-движки). Они заточены строго под одну задачу — превратить звук в текст — и на больших объёмах однотипных записей могут быть дешевле и быстрее, чем гонять аудио через большую LLM. Многие из них дают точные тайм-коды по каждому слову и аккуратную диаризацию (разметку «кто говорит»).

В нашем каталоге на 2026-05-29 выделенного speech-to-text сервиса нет — мы не предлагаем отдельный Whisper-endpoint и не выставляем на него цену. Поэтому если ваш сценарий — это поток из тысяч часов записей с требованием к посекундным тайм-кодам, имеет смысл смотреть и в сторону специализированного STT. А вот связка «Gemini принимает аудио и расшифровывает → текстовая LLM приводит расшифровку в порядок и делает саммари» закрывается через наш API целиком и для большинства задач (встречи, интервью, подкасты) её достаточно.

Как сделать расшифровку по API: аудио в текст

Главное удобство — всё работает через один OpenAI-совместимый endpoint. Если у вас уже есть код на официальном SDK OpenAI, меняется только base_url и идентификатор модели. Endpoint Promptra: https://api.promptra.ru/v1.

Аудио передаётся в запрос как часть мультимодального сообщения: файл кодируется в base64 и кладётся в content рядом с текстовой инструкцией. Ниже — расшифровка локального аудиофайла через Gemini 3.1 Pro на Python.

import base64
from openai import OpenAI

client = OpenAI(
 api_key="prm-xxxxxxxxxxxx",
 base_url="https://api.promptra.ru/v1",
)

with open("meeting.mp3", "rb") as f:
 audio_b64 = base64.b64encode(f.read).decode("utf-8")

system = (
 "Ты расшифровщик. Точно перенеси речь в текст на русском языке. "
 "Расставь пунктуацию и абзацы. Реплики разных говорящих оформляй "
 "с новой строки. Не добавляй ничего от себя, не пересказывай."
)

response = client.chat.completions.create(
 model="google/gemini-3.1-pro-preview",
 messages=[
 {"role": "system", "content": system},
 {
 "role": "user",
 "content": [
 {"type": "text", "text": "Расшифруй эту запись."},
 {
 "type": "input_audio",
 "input_audio": {"data": audio_b64, "format": "mp3"},
 },
 ],
 },
 ],
 temperature=0.2,
)

print(response.choices[0].message.content)

Практические детали именно для расшифровки:

temperature 0.0-0.2. Транскрибация — задача с «правильным» ответом. Низкая температура снижает риск, что модель начнёт перефразировать вместо точного переноса речи.
Инструкция «не добавляй от себя». Без неё модель иногда подытоживает или дополняет — лишнее, когда нужна дословная расшифровка.
Формат файла. Указывайте реальный формат записи (mp3, wav, m4a и т. п.). Длинные записи перед отправкой имеет смысл сжать в моно — на качество расшифровки это почти не влияет, а входной объём уменьшает.
Длинные записи. Совещание на несколько часов лучше резать на куски по 20-30 минут и расшифровывать по частям — так проще обрабатывать ошибки и не упереться в лимиты одного запроса.

Node.js / TypeScript

import fs from "node:fs";
import OpenAI from "openai";

const client = new OpenAI({
 apiKey: process.env.PROMPTRA_API_KEY,
 baseURL: "https://api.promptra.ru/v1",
});

const audioB64 = fs.readFileSync("interview.mp3").toString("base64");

const res = await client.chat.completions.create({
 model: "google/gemini-3.1-pro-preview",
 messages: [
 { role: "system", content: "Точно расшифруй речь на русском, с пунктуацией." },
 {
 role: "user",
 content: [
 { type: "text", text: "Расшифруй запись интервью." },
 { type: "input_audio", input_audio: { data: audioB64, format: "mp3" } },
 ],
 },
 ],
 temperature: 0.2,
});

console.log(res.choices[0].message.content);

Идентификатор модели берётся из каталога: google/gemini-3.1-pro-preview. Чтобы расшифровать видео, отдельный шаг не нужен — достаточно вытащить из ролика звуковую дорожку (например, утилитой ffmpeg) и отправить её тем же запросом. Картинка-кадр модели не нужна: для транскрибации работает только звук.

Постобработка LLM: саммари, тезисы, протокол встречи

Сырая расшифровка — это ещё не готовый документ. Живая речь полна слов-паразитов, повторов, оборванных фраз и «воды». Здесь начинается второй шаг, и это уже чистая работа текстовой LLM: на вход идёт текст расшифровки, на выход — то, что вам реально нужно. Для постобработки звук не требуется, поэтому можно взять модель подешевле — например, GPT-5.4, Gemini 3.5 Flash или DeepSeek V4 Pro.

Что обычно делают с расшифровкой:

Чистка. Убрать «эээ», «ну», «как бы», повторы и оговорки; превратить поток в читаемый текст. «Очисти расшифровку от слов-паразитов и повторов, сохрани смысл и все факты дословно».
Краткое содержание (саммари). Сжать часовую встречу в абзац-два. Это одна из самых дешёвых операций: вход большой, выход короткий, платите в основном за вход.
Тезисы. Маркированный список ключевых мыслей — для тех, кто на встрече не был.
Протокол встречи. Структура «обсудили / решили / задачи». Самый ценный для бизнеса формат.

Пример промпта для протокола встречи из готовой расшифровки:

transcript = "..." # текст расшифровки из предыдущего шага

system = """Ты ассистент, который оформляет протоколы встреч.
На входе — расшифровка совещания. Верни структурированный протокол:
1. Краткое содержание (3-5 предложений).
2. Ключевые решения (маркированный список).
3. Задачи: что, кто ответственный, срок (если назван).
4. Открытые вопросы.
Опирайся только на текст расшифровки, ничего не выдумывай."""

response = client.chat.completions.create(
 model="openai/gpt-5.4",
 messages=[
 {"role": "system", "content": system},
 {"role": "user", "content": transcript},
 ],
 temperature=0.3,
)

print(response.choices[0].message.content)

Эти два шага удобно объединять в один конвейер: Gemini расшифровывает запись, результат сразу уходит в текстовую модель за протоколом. А можно сделать всё в один запрос к Gemini 3.1 Pro — попросить и расшифровать, и сразу выдать саммари с задачами, раз модель всё равно понимает смысл сказанного. Для коротких записей это удобно; для длинных совещаний разбивка на два шага надёжнее и обычно дешевле, потому что постобработку делает модель дешевле флагмана. Тот же приём двухуровневой обработки разбираем в гайде по генерации текста нейросетью, а если запись на иностранном языке — её можно сразу перевести нейросетью на том же API.

Цена транскрибации в рублях

Считаем по нашему каталогу. Цены — вербатим, 1-в-1 с провайдером по курсу ЦБ 71.668 ₽/$, вход/выход за 1 млн токенов.

Модель	Роль в расшифровке	Вход, ₽	Выход, ₽	Аудио на входе
Gemini 3.1 Pro Preview	распознавание речи (аудио в текст)	140	860	да
GPT-5.4	постобработка: протокол, чистка	170	1070	нет
Gemini 3.5 Flash	дешёвая постобработка	—	—	нет
DeepSeek V4 Pro	массовая постобработка, саммари	30	60	нет

Несколько уточнений к таблице:

Распознавание делает только Gemini 3.1 Pro — у остальных моделей в каталоге аудио нет во входных модальностях. Постобработку текста может делать любая из них.
Аудио тарифицируется в токенах. Ориентир Google — около 32 токенов на секунду звука. То есть минута записи — примерно 1 900 входных токенов, час — около 115 тысяч.
Сервисная комиссия 5% берётся отдельно — только при пополнении баланса, не от токенов. На сам объём расшифровки наценки нет; 5% — это плата за работу сервиса, эквайринг и поддержку, разовая при пополнении.
Все цифры — из каталога на дату публикации; актуальные значения всегда на странице тарифов.

Грубый расчёт для интуиции. Часовая встреча — это около 115K входных токенов аудио и, скажем, 12K токенов текстовой расшифровки на выходе. На Gemini 3.1 Pro расшифровка обойдётся примерно в 16 ₽ за вход и около 10 ₽ за выход — порядка 25-30 ₽ за час записи. Постобработка готовой расшифровки в протокол на дешёвой модели вроде DeepSeek — это ещё единицы рублей. Итого расшифровка часового совещания с готовым протоколом — в районе 30-40 ₽. Для сравнения: ручная расшифровка часа записи у фрилансера — это обычно несколько сотен, а то и тысяч рублей и день ожидания.

Сценарии: где расшифровка аудио в текст окупается

Совещания и созвоны

Самый частый сценарий. Запись звонка в Zoom, Telegram или на диктофон отправляется в Gemini, на выходе — расшифровка, а затем протокол с решениями и задачами. Команде не нужно держать отдельного секретаря, а участники, которые пропустили встречу, читают выжимку за минуту вместо часа аудио. Ключевое требование — структура «решили / задачи», поэтому постобработку стоит настроить под формат протокола вашей компании.

Подкасты и видео

Расшифровка эпизода нужна для субтитров, текстовой версии на сайте (это ещё и плюс к SEO — поисковики индексируют текст, а не звук) и нарезки цитат для соцсетей. Дорожку из видео достаём через ffmpeg, отправляем в Gemini, получаем текст, а затем просим LLM выделить самые «цитатные» куски и заголовки для клипов. Часовой подкаст превращается в готовый к публикации текст за минуты.

Интервью и исследования

Глубинные интервью, опросы пользователей, экспертные беседы. Здесь расшифровка — только начало: дальше LLM помогает свести десяток интервью в общие выводы, найти повторяющиеся темы и боли. Для дословной расшифровки берут Gemini с низкой температурой, для анализа массива — модель с длинным контекстом, чтобы все интервью поместились в один запрос.

Колл-центр и поддержка

Записи разговоров с клиентами расшифровываются и анализируются на тон, причины обращений, частые проблемы. На потоке тысяч звонков в день имеет смысл оценить и специализированный STT (которого у нас в каталоге нет), но связка «Gemini расшифровывает выборку → LLM классифицирует обращения и считает статистику» работает через наш API и хорошо подходит для аналитики качества и обучения операторов.

Оплата расшифровки на юрлицо в рублях

Если транскрибация нужна команде или компании, важен не только сам API, но и то, как за него платить. Прямая оплата Google из России для юрлица упирается в две проблемы: сервис не работает с российскими картами и реквизитами, а платёж за рубеж без правильно оформленных документов сложно принять к учёту.

Через Promptra расшифровка оплачивается на российское юрлицо — оплата в рублях по договору, полный пакет закрывающих документов. На каждое пополнение баланса выдаётся договор-оферта, счёт, акт, счёт-фактура и УПД; документооборот ведётся через ЭДО (Диадок, СБИС), и документы автоматически попадают в учётную систему. Расходы на API корректно учитываются как услуги, без серых схем с возмещением сотруднику. Цены на токены — 1-в-1 с провайдером по курсу ЦБ, сервисная комиссия 5% удерживается только при пополнении баланса. Это не обход блокировок и работает без VPN: вы делаете запрос на российский endpoint и платите рублёвой платёжкой. Подробно про документы и легальность — в посте легально ли использовать AI API на юрлицо.

Promptra — Russian LLM API aggregator. One OpenAI-compatible endpoint to all flagship models: OpenAI (GPT-5.5, GPT-5.4), Anthropic (Claude Opus 4.7, Sonnet 4.6), Google (Gemini 3.1 Pro, 3.5 Flash), DeepSeek V4 Pro, Qwen 3.6 Plus.

Provider prices 1-to-1 at CBR rate — no markup on tokens. Ruble billing per contract, full closing documents through EDI. No VPN — legal B2B service in Russia.

Try: promptra.ru · model catalog · docs

Миграция с OpenAI API на Promptra на Python: пошаговая инструкция за 10 минут

Promptra Team — Mon, 01 Jun 2026 19:17:47 +0000

Если у вас на Python уже работает интеграция с OpenAI API, миграция на Promptra — это правка двух строк: api_key и base_url. Через 10 минут вы получаете тот же openai.OpenAI клиент, но с доступом к Claude Opus 4.7, GPT-5.5, Gemini 3.1 Pro, DeepSeek V4 Pro и ещё 30+ моделей за рубли по курсу ЦБ, с оплатой на юр.лицо российское юр.лицо и полным пакетом закрывающих документов через ЭДО. Зарубежная карта, VPN и иностранный аккаунт не нужны — это легальный B2B-сервис в России.

В этой инструкции — пошаговый план миграции на конкретном Python-коде, чек-лист до и после, разбор типовых ошибок (старые SDK, захардкоженные поля ответа, разница между моделями) и финальная проверка через usage, чтобы убедиться, что стоимость запроса считается корректно. Все числа — на 2026-05-31.

TL;DR — миграция за 10 минут

Что меняется в коде:

# Было — OpenAI напрямую
client = OpenAI(api_key="sk-openai-...")

# Стало — через Promptra
client = OpenAI(
    api_key="sk-promptra-...",
    base_url="https://api.promptra.ru/v1",
)

Что меняется в окружении: получаете ключ Promptra в дашборде, кладёте его в .env, пополняете баланс на юр.лицо по счёту. Что НЕ меняется: пакет openai остаётся, импорты, методы, формат сообщений, tools, stream, response_format. Всё совместимо.

Шаг 1. Получаем ключ и пополняем баланс

Регистрация в Promptra — почта плюс номер телефона, без обязательной привязки карты. Сразу после подтверждения вы попадаете в дашборд, где видны три блока: ключи, баланс и каталог моделей. На каждом ключе можно выставить лимит расхода в рублях и список разрешённых моделей — это полезно, когда команда большая, и вы хотите изолировать staging от продакшена.

Пополнение баланса — это обычный счёт на оплату от юр.лица. Заполняете реквизиты компании (ИНН, КПП, название), получаете счёт PDF, оплачиваете рублёвой платёжкой со своего расчётного счёта. Деньги падают на баланс в течение нескольких часов в рабочее время. По факту оказания услуг формируется акт, счёт-фактура и УПД — отправляются через ЭДО (Диадок, СБИС, Контур). Сервисная комиссия 5% берётся только при пополнении, на токены наценки нет — это принципиальное отличие от реселлеров с маржой 30–300% поверх каждого запроса.

Минимальное пополнение — 1000 ₽, и этого реально хватает на десятки тысяч запросов на дешёвых моделях вроде DeepSeek V4 Pro (30/60 ₽ за 1M) или на сотни сложных вызовов на флагманах. Для пилота 3000–5000 ₽ — достаточно, чтобы прогнать все ваши промты, замерить стоимость одного полезного результата и принять решение о масштабировании.

Шаг 2. Готовим окружение Python

Если у вас уже стоит пакет openai свежей версии — ничего ставить не надо. Если нет:

pip install --upgrade openai>=1.50.0 python-dotenv

Свежий openai нужен, потому что base_url нормально поддерживается с 1.x. Старые версии (например, openai==0.28) использовали глобальные настройки и другой стиль вызова, и они не работают через Promptra корректно. Если у вас старый код — сначала мигрируйте с openai 0.28 на openai 1.x по официальному migration guide OpenAI, и только потом меняйте base_url. Это две разные миграции, лучше не смешивать.

.env файл — стандартный паттерн:

PROMPTRA_API_KEY=sk-promptra-xxxxxxxxxxxxxxxxxxxxxxxx
PROMPTRA_BASE_URL=https://api.promptra.ru/v1

Никогда не коммитьте .env в репозиторий — добавьте его в .gitignore и распространяйте через защищённый канал (1Password, Vaultwarden, секреты CI). Для прод-сервиса используйте секрет-менеджер своего облака — Yandex Lockbox, AWS Secrets Manager и так далее. Подробнее про правильную работу с ключами — в гайде «ChatGPT и Claude API в России: безопасное подключение».

Шаг 3. Меняем код

Берём типичный пример — функцию вызова чата. Было на OpenAI:

import os
from openai import OpenAI
from dotenv import load_dotenv

load_dotenv

client = OpenAI(api_key=os.environ["OPENAI_API_KEY"])

def chat(prompt: str, model: str = "gpt-5-5") -> str:
    response = client.chat.completions.create(
        model=model,
        messages=[
            {"role": "system", "content": "Ты — полезный ассистент."},
            {"role": "user", "content": prompt},
        ],
    )
    return response.choices[0].message.content

Стало на Promptra:

import os
from openai import OpenAI
from dotenv import load_dotenv

load_dotenv

client = OpenAI(
    api_key=os.environ["PROMPTRA_API_KEY"],
    base_url=os.environ["PROMPTRA_BASE_URL"],
)

def chat(prompt: str, model: str = "claude-sonnet-4-6") -> str:
    response = client.chat.completions.create(
        model=model,
        messages=[
            {"role": "system", "content": "Ты — полезный ассистент."},
            {"role": "user", "content": prompt},
        ],
    )
    return response.choices[0].message.content

Изменений ровно три:

В конструктор клиента добавлен base_url.
Имя переменной окружения сменилось с OPENAI_API_KEY на PROMPTRA_API_KEY (по желанию — можно оставить старое имя, главное, чтобы значение было ключом Promptra).
Дефолтная модель сменилась на claude-sonnet-4-6 — это самый универсальный дефолт по соотношению цена/качество. Если вам важна совместимость с прежним поведением — оставьте gpt-5-5, тогда вы фактически продолжите использовать модель того же класса.

Тело функции, формат сообщений, доступ к response.choices[0].message.content — без изменений. Этот код запускается ровно так же, как и до миграции.

Шаг 4. Прогон dry-run и проверка usage

После правки кода первый запуск — это короткий тестовый промт, на котором вы убеждаетесь, что всё работает и стоимость считается так, как вы ожидаете. Добавляем в код печать usage:

response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[{"role": "user", "content": "Скажи 'тест пройден' одним предложением."}],
)

print("Ответ:", response.choices[0].message.content)
print("Токенов на вход:", response.usage.prompt_tokens)
print("Токенов на выход:", response.usage.completion_tokens)
print("Всего:", response.usage.total_tokens)

Ожидаемый результат — короткий ответ модели и три числа: prompt_tokens, completion_tokens, total_tokens. Если поле usage пустое или вызов падает с ошибкой — смотрите раздел про типовые ошибки ниже.

Считаем стоимость одного запроса. Для Claude Sonnet 4.6 (210 ₽ за 1M input, 1070 ₽ за 1M output):

PRICES = {
    "claude-sonnet-4-6": {"in": 210, "out": 1070},   # руб. за 1M токенов
    "claude-opus-4-7":   {"in": 350, "out": 1790},
    "gpt-5-5":           {"in": 350, "out": 2150},
    "gpt-5-4":           {"in": 170, "out": 1070},
    "gemini-3-1-pro":    {"in": 140, "out": 860},
    "gemini-3-5-flash":  {"in": 100, "out": 640},
    "deepseek-v4-pro":   {"in": 30,  "out": 60},
    "qwen-3-6-plus":     {"in": 20,  "out": 130},
}

def cost_rub(usage, model: str) -> float:
    p = PRICES[model]
    return (usage.prompt_tokens * p["in"] + usage.completion_tokens * p["out"]) / 1_000_000

print(f"Стоимость запроса: {cost_rub(response.usage, 'claude-sonnet-4-6'):.4f} ₽")

На реальном продакшен-пайплайне эту функцию полезно вызывать после каждого запроса и логировать в Метрику или Prometheus — так вы видите фактический счёт в реальном времени и можете срабатывать алерты по аномалиям. Подробнее про правильный учёт расходов — в материале «Стоимость генерации текста через нейросеть».

Шаг 5. Маршрутизация между моделями

Главная выгода Promptra — у вас за одним endpoint лежат все основные модели рынка. Это значит, что вместо жёсткой привязки кода к одной модели вы можете маршрутизировать запросы по типу задачи:

def pick_model(task: str) -> str:
    return {
        "hard_code":     "claude-opus-4-7",   # сложный код, агенты — 350/1790 ₽
        "long_reason":   "claude-opus-4-7",   # многошаговое рассуждение
        "general_chat":  "claude-sonnet-4-6", # типовой чат — 210/1070 ₽
        "rag":           "claude-sonnet-4-6", # RAG с длинным контекстом
        "multimodal":    "gpt-5-5",           # картинки, multimodal — 350/2150 ₽
        "classify":      "gemini-3-5-flash",  # классификация — 100/640 ₽
        "mass_gen":      "deepseek-v4-pro",   # массовая генерация — 30/60 ₽
        "translate":     "qwen-3-6-plus",     # перевод — 20/130 ₽
    }.get(task, "claude-sonnet-4-6")          # дефолт — Sonnet, не Opus

def smart_chat(prompt: str, task: str) -> str:
    response = client.chat.completions.create(
        model=pick_model(task),
        messages=[{"role": "user", "content": prompt}],
    )
    return response.choices[0].message.content

Дефолт здесь — claude-sonnet-4-6, а не Opus: переключаться на флагман нужно осознанно, под конкретный класс задач, а не «на всякий случай». Разбор того, как выбирать модель по соотношению цена/качество — в гайде «Лучшая нейросеть 2026».

Типовые ошибки и как их пофиксить

Ошибка 1: «openai.AuthenticationError: Invalid API key». Проверьте, что в base_url указан именно https://api.promptra.ru/v1, а не базовый URL OpenAI. Ключ Promptra на эндпоинте OpenAI выдаст 401 — это самая частая первичная ошибка.

Ошибка 2: «model_not_found». Имя модели должно быть из каталога Promptra: claude-opus-4-7, claude-sonnet-4-6, gpt-5-5, gpt-5-4, gemini-3-1-pro, gemini-3-5-flash, deepseek-v4-pro, qwen-3-6-plus. Если в коде осталось старое имя вроде gpt-4-turbo или gpt-4o — модели уже не существует, замените её на актуальную из таблицы цен.

Ошибка 3: захардкоженные специфичные поля ответа. Если у вас в коде есть прямые обращения вроде response.choices[0].logprobs.tokens или к internal-полям ответа OpenAI, которые не входят в стандартный совместимый протокол — они могут отсутствовать на Claude или Gemini. Это лечится прокидыванием параметров через extra_body или переписыванием участка на стандартные совместимые поля.

Ошибка 4: использование старого пакета openai==0.28. Этот пакет использует глобальные настройки (openai.api_key, openai.api_base) и старые методы (openai.ChatCompletion.create). Сначала мигрируйте на современный openai >= 1.x по официальному гайду миграции OpenAI, потом меняйте base_url. Старый стиль работает, но это переходный мостик, который надо снимать.

Ошибка 5: Timeout на длинных reasoning-вызовах. Если задаёте большой max_tokens или используете Opus 4.7 с длинным контекстом — клиент по умолчанию может закрыть соединение раньше, чем модель закончит. Поднимите timeout явно:

client = OpenAI(
    api_key=os.environ["PROMPTRA_API_KEY"],
    base_url=os.environ["PROMPTRA_BASE_URL"],
    timeout=300.0,   # 5 минут на длинные ответы
)

Ошибка 6: VPN включён. Если у вас на разработческой машине постоянно работает VPN — выключите его на время теста. Promptra работает напрямую из России без VPN, и иногда VPN-маршрут добавляет задержку или ломает SSL-валидацию. Это легальный B2B-сервис, ничего «обходить» не нужно.

Шаг 6. Streaming, tools, structured outputs

После базовой миграции работают все продвинутые возможности OpenAI-совместимого протокола. Стриминг ответа:

stream = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[{"role": "user", "content": "Расскажи про шесть категорий бизнес-задач для LLM."}],
    stream=True,
)

for chunk in stream:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)

Tool calling (function calling) — работает на Claude и GPT через тот же интерфейс:

tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "Узнать погоду в городе",
        "parameters": {
            "type": "object",
            "properties": {"city": {"type": "string"}},
            "required": ["city"],
        },
    },
}]

response = client.chat.completions.create(
    model="claude-opus-4-7",
    messages=[{"role": "user", "content": "Какая погода в Москве?"}],
    tools=tools,
    tool_choice="auto",
)

for call in response.choices[0].message.tool_calls or []:
    print("Вызов инструмента:", call.function.name, call.function.arguments)

Structured outputs через JSON schema:

response = client.chat.completions.create(
    model="gpt-5-5",
    messages=[{"role": "user", "content": "Извлеки имя и возраст из текста: 'Алексей, 32 года'."}],
    response_format={
        "type": "json_schema",
        "json_schema": {
            "name": "person",
            "schema": {
                "type": "object",
                "properties": {
                    "name": {"type": "string"},
                    "age": {"type": "integer"},
                },
                "required": ["name", "age"],
            },
        },
    },
)

Все три фичи — это стандартный OpenAI-совместимый протокол, и Promptra прокидывает их в нижележащие модели. Подробности по моделям — на странице Claude API за рубли и в каталоге.

Чек-лист миграции

Перед тем как сказать «готово», пройдите по списку:

Установлен openai >= 1.50.0, старого openai==0.28 в зависимостях нет.
В коде клиента задан base_url="https://api.promptra.ru/v1".
Ключ Promptra лежит в .env и не закоммичен в репозиторий.
На тестовом промте usage.prompt_tokens и usage.completion_tokens возвращаются корректно.
Стоимость одного запроса посчитана по таблице цен и логируется.
Имена моделей в коде — актуальные из каталога Promptra.
Если используется tool calling — проверено на Opus 4.7 или GPT-5.5 (не на DeepSeek).
Timeout клиента поднят до 300 секунд для длинных reasoning-вызовов.
Прогнаны 100–500 реальных запросов с замером средней стоимости.
Дашборд показывает расход в реальном времени и совпадает с локальной агрегацией.

После этого можно выкатывать в продакшен. Подробнее про оплату и закрывающие документы для юрлица — в материале «Легально ли использовать OpenAI/Claude на юрлицо в РФ».

Оплата и закрывающие документы

Юрлицо-исполнитель — российское юр.лицо , резидент РФ. После пополнения баланса вы получаете полный пакет закрывающих документов через ЭДО:

Договор-оферта — публичный, на сайте Promptra.
Счёт на оплату — формируется в дашборде, после ввода реквизитов компании.
Акт оказанных услуг, счёт-фактура, УПД — по факту, ежемесячно.
ЭДО — Диадок, СБИС, Контур по запросу.

Это договор с российским контрагентом, валютный контроль для него не требуется. Расходы на API ложатся в учёт целиком. Подробнее про правовую сторону работы с зарубежными LLM на юрлицо — в официальной странице оплаты и в гайде про легальность.

Что дальше

Если коротко: миграция с OpenAI на Promptra на Python — это смена двух строк в коде и пополнение баланса на юр.лицо. Через 10 минут у вас тот же openai.OpenAI клиент, но с доступом к Claude Opus 4.7, GPT-5.5, Gemini 3.1 Pro и ещё 30+ моделей за рубли по курсу ЦБ, без наценки на токены, с закрывающими документами через ЭДО.

Полезные следующие шаги: разбор моделей по задаче — «Лучшая нейросеть 2026»; сравнение флагманов в кошельке — «Claude Opus 4.7 API за рубли»; подключение Claude Code и Cursor с тем же ключом — «Claude Code в России». А если нужно прикинуть стоимость на вашем трафике, выбрать модель под пайплайн или оформить договор на юр.лицо — напишите команде Promptra в Telegram. Технические вопросы там решаются за один разговор.

📚 Главный гайд по теме: Лучшая нейросеть 2026: какую LLM выбрать под задачу — связанные материалы и обзор всей категории.

Provider prices 1-to-1 at CBR rate — no markup on tokens. Ruble billing per contract, full closing documents through EDI. No VPN — legal B2B service in Russia.

Try: promptra.ru · model catalog · docs

Цены LLM API в 2026: точные тарифы Claude, GPT, Gemini в рублях

Promptra Team — Mon, 01 Jun 2026 19:17:42 +0000

К концу 2026 года рынок LLM API устаканился: каждая большая модель имеет публичный прайс, цены деноминируются в долларах за миллион токенов, и разница между самой дешёвой и самой дорогой моделью каталога — около 60-кратная (от Qwen 3.6 Plus с 20 ₽ за 1M input до Claude Opus 4.7 fast mode с 2150 ₽ за тот же объём). Через Promptra все эти модели доступны за рубли по курсу ЦБ 71,668 ₽/$ на 2026-05-27, без наценки на токены, с оплатой на юр.лицо российское юр.лицо и пакетом закрывающих документов через ЭДО.

В этом материале — таблица цен на 8 ключевых моделей с округлением до 10 ₽ вниз, разбор того, почему output дороже input, как считать «настоящую» стоимость с учётом нюансов токенайзера и контекста, и три практических сценария бюджетирования (чат-бот, code copilot, RAG-агент) с реальным месячным счётом.

TL;DR: точные тарифы на 2026-05-31

Цены за 1M токенов в рублях по курсу ЦБ 71,668 ₽/$, без наценки:

Модель	Input ₽/1M	Output ₽/1M	Контекст	Профиль
Claude Opus 4.7	350 ₽	1790 ₽	1M	флагман, сложный код, агенты
Claude Sonnet 4.6	210 ₽	1070 ₽	1M	универсал, дефолт по цене/качеству
GPT-5.5	350 ₽	2150 ₽	1,05M	флагман OpenAI, multimodal
GPT-5.4	170 ₽	1070 ₽	1,05M	универсал OpenAI
Gemini 3.1 Pro	140 ₽	860 ₽	2M	длинный контекст, дешёвый универсал
Gemini 3.5 Flash	100 ₽	640 ₽	1M	быстрый, дешёвый Google
DeepSeek V4 Pro	30 ₽	60 ₽	128K	массовая генерация
Qwen 3.6 Plus	20 ₽	130 ₽	1M	максимально дешёвый базовый

Разница на одном миллионе output: между Qwen 3.6 Plus и Claude Opus 4.7 — почти 14-кратная. Между самой дешёвой и стандартом Sonnet — 8-кратная. Это значит, что правильный выбор модели под задачу может снизить ваш месячный счёт в разы.

Как читать таблицу: input против output

Главное, что нужно понять про цены LLM — input и output тарифицируются отдельно, и output почти всегда в 5–10 раз дороже. Это потому что генерация одного токена требует значительно больше вычислений (полный проход через модель), чем чтение токена из промта.

Что это значит на практике:

Задача с длинным промтом и коротким ответом (RAG, классификация, извлечение полей): основная стоимость — на входе. Выбирайте модель с дешёвым input — например, Gemini 3.5 Flash (100 ₽) или DeepSeek V4 Pro (30 ₽).
Задача с коротким промтом и длинным ответом (генерация статей, кода, переводов): основная стоимость — на выходе. Здесь output-цена решает: разница между 640 ₽ (Gemini Flash) и 2150 ₽ (GPT-5.5) на одном миллионе output — это +1510 ₽ за миллион сгенерированных токенов.
Сбалансированная задача (чат, диалог, агенты): смотрите общую стоимость на типовом входе и выходе. Сравнение делается так: посчитайте среднее prompt_tokens и completion_tokens на ваших реальных запросах, умножьте на ставку каждой модели.

Формула фактической стоимости одного запроса:

стоимость = (prompt_tokens × input_price + completion_tokens × output_price) / 1 000 000

Эта формула работает для любой модели и любого профиля нагрузки. Поле usage в ответе API возвращает точные числа prompt_tokens и completion_tokens — никаких прикидок не нужно.

Флагманы: Claude Opus 4.7, GPT-5.5

Два главных флагмана 2026 года — Claude Opus 4.7 и GPT-5.5. Они близки по input (оба 350 ₽), но различаются на выходе: 1790 ₽ против 2150 ₽ за 1M output. На длинных генерациях это даёт ощутимую разницу.

Claude Opus 4.7 — 350 / 1790 ₽. Официальный прайс Anthropic — $5/$25 по странице цен Anthropic. Контекст 1M токенов, максимальный ответ 128K. Профиль: сильнейший в сложном коде, длинных агентных циклах, многошаговом reasoning. Нюанс: новый токенайзер может расходовать до ~35% больше токенов на том же тексте — закладывайте множитель 1,2–1,35 в бюджет. Полный разбор — в гайде по Claude Opus 4.7.

GPT-5.5 — 350 / 2150 ₽. Официальный прайс OpenAI — $5/$30, см. цены OpenAI. Контекст 1,05M, максимальный ответ 128K. Профиль: универсальный флагман, сильный multimodal, нативные tools. Нюанс цены: при входе свыше 272K токенов вся сессия пересчитывается по удвоенной входной и полуторной выходной ставке — это съедает экономию на очень длинных контекстах.

Когда какой брать. Opus 4.7 — на сложном коде, агентах с длинными циклами, нетривиальной отладке. GPT-5.5 — когда нужен multimodal (картинки, диаграммы) или часть стека уже на OpenAI. Если задача укладывается в средний класс — берите Sonnet 4.6 (210/1070 ₽) и сэкономите примерно в 1,7–2 раза. Детальное сравнение этих двух флагманов — в материале «GPT-5.5 против Claude Opus 4.7».

Стоимость одного типового запроса (8K вход, 4K выход — типовой code copilot):

Модель	На запрос	На 1000 запросов в день	За месяц (30 дней)
Claude Opus 4.7	≈ 9,96 ₽	9 960 ₽/день	≈ 299 000 ₽/мес
GPT-5.5	≈ 11,40 ₽	11 400 ₽/день	≈ 342 000 ₽/мес
Claude Sonnet 4.6	≈ 5,96 ₽	5 960 ₽/день	≈ 179 000 ₽/мес

Цифры округлены. Если 1000 запросов в день у вас закрывает Sonnet 4.6 — вы экономите 120 000–163 000 ₽/мес против флагманов. Поднимайтесь до Opus или GPT-5.5 только там, где видите, что среднего класса не хватает.

Рабочие модели: Claude Sonnet 4.6, GPT-5.4

Это самый практически важный класс — модели, которые закрывают 80% реальных задач при цене в 1,5–2 раза ниже флагманов.

Claude Sonnet 4.6 — 210 / 1070 ₽. Контекст 1M, ответ 128K. Универсальный дефолт для чата, RAG, типового кода, агентов средней сложности. Хороший русский, естественный стиль, длинный контекст без штрафов. Подробный разбор с кодом и расчётами — в гайде «Claude Sonnet API за рубли».

GPT-5.4 — 170 / 1070 ₽. Контекст 1,05M, ответ 128K. Дешевле Sonnet на входе (170 против 210 ₽), сопоставимо на выходе. Хорош для multimodal и нативного tool calling. Если в коде уже OpenAI SDK — это самый простой апгрейд через смену имени модели.

На большинстве типовых задач разница между Sonnet 4.6 и GPT-5.4 в качестве — в пределах погрешности. Решает удобство экосистемы и привычки команды. На задачах с акцентом на русском языке Sonnet чаще выигрывает; на multimodal — GPT-5.4.

Дешёвый универсал: Gemini 3.1 Pro и 3.5 Flash

Google в 2026 году держит самую агрессивную ценовую политику среди крупных провайдеров. Gemini 3.1 Pro стоит 140/860 ₽ — это в 2,5 раза дешевле Opus 4.7 на входе и почти в 2 раза дешевле на выходе при сопоставимом качестве на типовых задачах. Gemini 3.5 Flash — 100/640 ₽, ещё дешевле, при сохранении приличного reasoning.

Gemini 3.1 Pro — 140 / 860 ₽. Официальный прайс Google — $2/$12, см. страницу цен Gemini API. Контекст 2M токенов — самый длинный в каталоге. Профиль: длинный контекст, multimodal (картинки, видео), хороший русский. Когда брать: задачи с очень длинным контекстом (анализ больших документов, multi-source RAG), multimodal-сценарии, бюджетный аналитический пайплайн.

Gemini 3.5 Flash — 100 / 640 ₽. Официальный прайс $1.4/$9. Контекст 1M, скорость выше Pro. Профиль: быстрая модель для интерактивных сценариев, классификация, простая суммаризация, чат на масштабе. Когда брать: чат-боты с тысячами одновременных сессий, ночные batch-пайплайны, быстрая прелюдия для маршрутизации в более тяжёлую модель.

На сценарии «классификация 100 000 запросов в день» (1K вход, 0,2K выход — короткие классификации):

Модель	На запрос	За день	За месяц
GPT-5.5	≈ 0,78 ₽	78 000 ₽	≈ 2 340 000 ₽
Claude Sonnet 4.6	≈ 0,42 ₽	42 000 ₽	≈ 1 260 000 ₽
Gemini 3.5 Flash	≈ 0,23 ₽	23 000 ₽	≈ 690 000 ₽
DeepSeek V4 Pro	≈ 0,04 ₽	4 200 ₽	≈ 126 000 ₽

Разница огромная. Если задача — действительно классификация (а не «классификация с нюансами» или «классификация с reasoning»), вы экономите 2 миллиона рублей в месяц, выбрав DeepSeek V4 Pro вместо GPT-5.5. Правильная маршрутизация по задачам — главный рычаг экономии.

Бюджетные: DeepSeek V4 Pro и Qwen 3.6 Plus

Это нижний ценовой ярус каталога — модели по 20–60 ₽ за миллион токенов. Их роль — закрывать массовые задачи, где качество флагмана не нужно, но объём огромный.

DeepSeek V4 Pro — 30 / 60 ₽. Контекст 128K. Профиль: массовая генерация, простой код, классификация, перевод. Tool calling работает ограниченно — не везде, где у Claude/GPT, но базовые сценарии тянет. Когда брать: ночной batch-пайплайн, массовая разметка данных, генерация шаблонного текста. Полный разбор — в материале «DeepSeek V4 Pro API за рубли».

Qwen 3.6 Plus — 20 / 130 ₽. Контекст 1M. Профиль: ещё дешевле на входе, отличный русский, длинный контекст. На многих задачах показывает достойное качество за свою цену. Когда брать: суммаризация больших документов, поиск по корпусу, базовый чат без сложного reasoning.

Здесь главный совет — не пытайтесь сэкономить «на всём». Reasoning, агенты, сложный код на этих моделях вас разочаруют. Но на простых массовых задачах они дают 10–20-кратную экономию против Sonnet/GPT-4.5, и это огромные деньги при больших объёмах.

Три практических сценария бюджетирования

Покажем, как складывается реальный месячный счёт на трёх типовых пайплайнах.

Сценарий 1: B2C чат-бот первой линии — 50 000 диалогов в день

Профиль: средний диалог 5 ходов по 200 токенов вход и 150 выход = 1K вход, 750 выход на диалог. 50 000 диалогов в день, 30 дней.

Модель	На диалог	В день	В месяц
GPT-5.5	≈ 1,96 ₽	98 000 ₽	≈ 2 940 000 ₽
Claude Sonnet 4.6	≈ 1,01 ₽	50 500 ₽	≈ 1 515 000 ₽
Gemini 3.5 Flash	≈ 0,58 ₽	29 000 ₽	≈ 870 000 ₽
DeepSeek V4 Pro	≈ 0,08 ₽	4 000 ₽	≈ 120 000 ₽

Решение: пилотируйте на Sonnet 4.6, замерьте качество, потом переключайте на Gemini Flash или DeepSeek для массы. Если важна сложность ответа — оставьте Sonnet. Экономия от правильного выбора — до 2,8 млн ₽/мес.

Сценарий 2: Code copilot для команды разработки — 200 запросов в день

Профиль: один запрос copilot — это 8K контекста файла + 2K промта = 10K вход, 4K выход. 200 запросов в день на разработчика, 30 дней, команда из 10 человек = 2000 запросов/день.

Модель	На запрос	В день (2000 запросов)	В месяц
Claude Opus 4.7	≈ 10,66 ₽	21 320 ₽	≈ 639 600 ₽
GPT-5.5	≈ 12,10 ₽	24 200 ₽	≈ 726 000 ₽
Claude Sonnet 4.6	≈ 6,38 ₽	12 760 ₽	≈ 382 800 ₽

Решение: команды, которые серьёзно работают с агентами и сложными рефакторингами, берут Opus 4.7. Команды, которым нужен дешёвый универсал — Sonnet 4.6. Разница в месяц — 250 000 ₽ при сопоставимом качестве на типовых задачах. Подробнее про подключение моделей в IDE — в гайде «Claude Code в России».

Сценарий 3: RAG-сервис по корпусу документов — 5000 запросов в день

Профиль: RAG-запрос — это 50K вход (длинный контекст из retrieval) + 1,5K выход. 5000 запросов/день, 30 дней.

Модель	На запрос	В день	В месяц
Gemini 3.1 Pro	≈ 8,29 ₽	41 450 ₽	≈ 1 243 500 ₽
Claude Sonnet 4.6	≈ 12,11 ₽	60 550 ₽	≈ 1 816 500 ₽
GPT-5.4	≈ 10,11 ₽	50 550 ₽	≈ 1 516 500 ₽

Решение: для RAG с длинным контекстом Gemini 3.1 Pro даёт лучшее соотношение цена/контекст/качество. Если важна точность рассуждения на длинной выборке — Sonnet 4.6 или Opus 4.7. Подробнее про RAG-сценарии — в материале «Что такое API».

Скрытые расходы: что НЕ входит в табличную цену

Цены в каталоге — это ставки за токены провайдера, пересчитанные по курсу ЦБ. Есть три источника дополнительных расходов, которые надо закладывать в бюджет.

Сервисная комиссия 5%. Берётся один раз при пополнении баланса (за эквайринг, биллинг и поддержку). На запросы не влияет. При пополнении 100 000 ₽ — на баланс зачисляется 95 000 ₽. Это фиксированный платёж, он не зависит от объёма потребления.

Колебания курса ЦБ. После пополнения вы тратите рубли по уже зафиксированной ставке, и колебания курса вам не страшны до следующего пополнения. Но если курс серьёзно сдвинется между двумя пополнениями — следующая партия токенов будет тарифицироваться по новому курсу. Для крупных расходов это аргумент в пользу более редких больших пополнений вместо частых мелких.

Новый токенайзер. Claude Opus 4.7 использует новый токенайзер, который может расходовать до ~35% больше токенов на том же тексте. Цена за токен не меняется, но количество токенов растёт. Закладывайте множитель 1,2–1,35 на бюджет для Opus 4.7 и обязательно замерьте на своих промтах через поле usage.

Чего НЕ будет. Никаких ежемесячных подписок, минимальных платежей, наценки на токены, скрытых сборов за документы или поддержку. Лимиты по ключам, мониторинг расхода, дашборд, ЭДО — бесплатно. Это принципиальное отличие от реселлеров с фиксированной маржой 30–300% поверх цены провайдера.

Оплата и закрывающие документы

Юрлицо-исполнитель — российское юр.лицо , резидент РФ. Полный пакет закрывающих документов через ЭДО (Диадок, СБИС, Контур): договор-оферта, счёт, акт оказанных услуг, счёт-фактура, УПД. Это договор с российским контрагентом, валютный контроль не требуется. Расходы на API ложатся в учёт целиком.

Подробнее про оплату — на странице цен Promptra и в материале про легальность AI API для юрлиц.

Что дальше

Если коротко: в 2026 году каталог Promptra покрывает все основные классы LLM от 20 ₽ за 1M (Qwen 3.6 Plus) до 1790 ₽ (Claude Opus 4.7) — разница 90-кратная. Правильный выбор модели под задачу даёт экономию в разы. Все цены — по курсу ЦБ 71,668 ₽/$, без наценки на токены, с оплатой на юр.лицо.

Полезные следующие шаги: разбор флагманов лоб-в-лоб — «GPT-5.5 против Claude Opus 4.7»; выбор модели под задачу — «Лучшая нейросеть 2026»; миграция со стандартного OpenAI — «Миграция с OpenAI на Promptra на Python». А если нужно прикинуть стоимость на вашем трафике, подобрать модель под пайплайн или оформить договор на юр.лицо — [свяжитесь через promptra.ru.ru).

📚 Главный гайд по теме: Лучшая нейросеть 2026: какую LLM выбрать под задачу — связанные материалы и обзор всей категории.

Provider prices 1-to-1 at CBR rate — no markup on tokens. Ruble billing per contract, full closing documents through EDI. No VPN — legal B2B service in Russia.

Try: promptra.ru · model catalog · docs

Сравнение топ-5 LLM моделей 2026: цена, бенчмарки, реальное применение

Promptra Team — Mon, 01 Jun 2026 19:17:37 +0000

Если в 2024 году рынок LLM-API ещё можно было назвать «дуополией OpenAI + Anthropic с догоняющим Google», то к маю 2026 ландшафт расщепился на четыре чёткие лиги: премиум-reasoning (Claude Opus 4.7, GPT-5.5), value-tier с длинным контекстом (Claude Sonnet 4.6, Gemini 3 Pro), agentic-coding (Qwen 3.6 Plus, Claude Sonnet 4.6), и сверхдешёвый chat-layer (DeepSeek V3.2, GLM-5.1). Между этими лигами разрыв по цене за миллион токенов — двадцатикратный. Между лучшим и худшим SWE-Bench Verified — 35 процентных пунктов. Выбор модели «по умолчанию» в 2026 — это технический долг, который копится молча и больно вылезает в счёте на оплату.

В этом обзоре мы прошлись по восьми моделям, актуальным на конец мая 2026, сверили цены с публичными pricing-страницами провайдеров (на 28.05.2026), собрали бенчмарки из vals.ai, llm-stats и независимых апрельских отчётов, и построили decision tree — на каком сценарии какая модель окупается. В рублях считаем по официальному курсу ЦБ РФ на 28.05.2026 (1 USD = 70.9012 ₽).

Что изменилось в Q1-Q2 2026 (3 ключевых релиза)

Claude Sonnet 4.6 — релиз 17.02.2026. Anthropic выкатила обновление средней модели семейства Claude 4, которое стало тем самым «sweet spot» по соотношению цена/качество в коде. Sonnet 4.6 показал 79.6% на SWE-Bench Verified — это в пределах 8 пунктов от Opus 4.7 (87.6%), но при цене 3$/15$ за миллион input/output токенов против 5$/25$ у Opus. Для большинства production-задач Sonnet 4.6 заменил Opus в качестве дефолтной модели. Параллельно Anthropic расширила контекстное окно до полноценного 1M токенов на public API (раньше — только enterprise tier). Подробнее — актуальные тарифы LLM в рублях по моделям.

GPT-5.5 — релиз 24.04.2026. OpenAI вернула флагман в гонку после промежуточных GPT-5.2, GPT-5.3, GPT-5.4. Ключевые отличия: расширенный контекст 1.05M токенов (раньше — 1M), SWE-Bench Verified 88.7% (топ-2 после Claude Mythos Preview), нативная мультимодальность (image + audio + video tokens в одном тарифе). Цена выросла до 5$/30$ — это премиум-tier, но для агентских coding-задач, где правильный ответ с первой попытки экономит десятки итераций, OpenAI оправдывает наценку. Точную дату подтверждает официальная documentation OpenAI.

Qwen 3.6 Plus — релиз 02.04.2026. Alibaba выкатила открытую модель, которая всерьёз дотянулась до проприетарных конкурентов. На OmniDocBench 91.2 (документы + vision) Qwen 3.6 Plus обходит Gemini 3 Pro. На Terminal-Bench (агентское выполнение задач в shell) — лидер с 61.6%. Цена через официальный API — 0.325$/1.95$, в десять раз дешевле GPT-5.5. Контекст — 1M токенов. Это первая модель, которую серьёзные инженеры начали ставить в production не как «дешёвую альтернативу», а как первичный выбор для определённых workload — особенно для агентов, работающих с документами.

Общий контекст рынка на 2026: три тренда задают форму индустрии. (1) Длинный контекст становится коммодити — 1M токенов уже у Claude Opus, Claude Sonnet, GPT-5.5, Gemini 3 Pro, Qwen 3.6 Plus. (2) Prompt caching снижает реальную стоимость в 4-10 раз для типовых RAG-сценариев (90% дисконт на cache hits у Anthropic, 75% у OpenAI, до 90% у Gemini). (3) Бенчмарки агентских задач (SWE-Bench Verified, Terminal-Bench, TAU-Bench) стали важнее статичных MMLU — потому что они отражают то, что бизнес реально покупает: модель, которая делает работу, а не отвечает на викторину.

Цена за 1M токенов — таблица 8 моделей

Цены — с публичных pricing-страниц провайдеров, актуально на 28.05.2026. Для моделей с tier-pricing (Gemini 3 Pro) указаны обе цифры — стандартный и long-context tier.

Модель	Input $/1M	Output $/1M	Context	Источник
GPT-5.5	$5.00	$30.00	1.05M	openai.com/api/pricing
GPT-5.4	$2.50	$15.00	200K (1M beta)	openai.com/api/pricing
Claude Opus 4.7	$5.00	$25.00	1M	platform.claude.com/pricing
Claude Sonnet 4.6	$3.00	$15.00	1M	platform.claude.com/pricing
Gemini 3 Pro	$2.00 / $4.00*	$12.00 / $18.00*	1M	ai.google.dev/gemini-api/pricing
DeepSeek V3.2	$0.28	$0.42	128K	api-docs.deepseek.com/pricing
Qwen 3.6 Plus	$0.325	$1.95	1M	llm-stats.com/qwen3.6-plus
GLM-5.1	$0.50 (приблиз.)	$2.00 (приблиз.)	256K	Z.AI public docs

*Gemini 3 Pro — вторая цифра применяется при контексте свыше 200K токенов.

Те же цены в рублях по курсу ЦБ РФ на 28.05.2026 (1 USD = 70.9012 ₽):

Модель	Input ₽/1M	Output ₽/1M
GPT-5.5	354.51 ₽	2 127.04 ₽
GPT-5.4	177.25 ₽	1 063.52 ₽
Claude Opus 4.7	354.51 ₽	1 772.53 ₽
Claude Sonnet 4.6	212.70 ₽	1 063.52 ₽
Gemini 3 Pro	141.80 ₽	850.81 ₽
DeepSeek V3.2	19.85 ₽	29.78 ₽
Qwen 3.6 Plus	23.04 ₽	138.26 ₽
GLM-5.1	35.45 ₽	141.80 ₽

Главное, что бросается в глаза при сортировке по output-цене: DeepSeek V3.2 в 71 раз дешевле GPT-5.5 за output-токены. Между Qwen 3.6 Plus и Claude Sonnet 4.6 — разница в 7.7 раз на output при сопоставимом контекстном окне. Это значит, что задачи, в которых вы платите в основном за output (генерация контента, длинные ответы chat-бота, code-generation в режиме «выдай мне функцию полностью»), могут стоить дешевле на порядок при правильном выборе модели.

Важный нюанс с GPT-5.4 vs GPT-5.5: OpenAI продолжает поддерживать GPT-5.4 как «efficient» tier по цене 2.50$/15$ — это в два раза дешевле GPT-5.5 при сохранении почти всех способностей в reasoning. Разница — в SWE-Bench (88.7% vs 84.1%), в нативной видео-мультимодальности (только в 5.5) и в максимальном контексте. Для большинства типовых задач (RAG, классификация, рерайт, отладка кода) GPT-5.4 — рациональный выбор, и пользователи, которые на старте подсели на 5.5, в апреле массово переписали fallback в 5.4.

Отдельно про Gemini 3 Pro: tier-pricing с переключением на 200K — это удобно для одних и ловушка для других. Если у вас типичный запрос — 5-15K input + короткий output, вы заметите Gemini как «самую дешёвую премиум-модель». Если же вы пихаете в неё 500K context на каждый запрос (типичный RAG с большим корпусом), Gemini внезапно становится не сильно дешевле Claude Sonnet. Считайте под свой реальный размер запроса.

Бенчмарки 2026: что показывают цифры

Бенчмарки — это политический инструмент, в котором каждый провайдер выбирает удобную для себя метрику. Поэтому ниже мы берём пять независимых benchmark suites, агрегированные результаты из vals.ai и Aimagicx Benchmark Comparison April 2026 с фиксированной методологией.

SWE-Bench Verified — агентское кодирование (модель получает реальные issues из открытых репозиториев на GitHub и должна их закрыть pull-request'ом). Источник: vals.ai/benchmarks/swebench.

Модель	SWE-Bench Verified
Claude Mythos Preview (beta)	93.9%
GPT-5.5	88.7%
Claude Opus 4.7	87.6%
GPT-5.4	84.1%
Claude Sonnet 4.6	79.6%
Gemini 3 Pro	73.4%
Qwen 3.6 Plus	71.8%
DeepSeek V3.2	51.2%

MMLU — массивный multitask language understanding, общие знания через 57 предметов от истории до медицины и юриспруденции.

Модель	MMLU
Gemini 3.1 Pro	94.1%
GPT-5.2	91.4%
Claude Opus 4.6	90.5%
Claude Sonnet 4.6	88.7%
DeepSeek V3.2	87.1%
Qwen 3.6 Plus	86.4%

GPQA Diamond — PhD-level вопросы по физике, биологии, химии. Здесь не помогает запоминание учебника, только цепочки рассуждений.

Модель	GPQA Diamond
Gemini 3.1 Pro	94.3%
Claude Opus 4.6	91.3%
GPT-5.5	87.2%
GPT-5.4	83.9%
Claude Sonnet 4.6	79.1%
Qwen 3.6 Plus	71.4%

HumanEval — Python coding-задачи (классический бенчмарк, но в 2026 уже слегка saturated — все топ-модели за 90%).

Модель	HumanEval
GPT-5.4	93.1%
Claude Opus 4.6	90.4%
Gemini 3 Pro	89.7%
Claude Sonnet 4.6	89.1%
Qwen 3.6 Plus	87.3%
DeepSeek V3.2	84.6%

Terminal-Bench — модель управляет терминалом и решает задачи (компиляция, debugging, развёртывание). Сильный agentic-бенчмарк, который коррелирует с реальной полезностью в DevOps.

Модель	Terminal-Bench
Qwen 3.6 Plus	61.6%
Claude Sonnet 4.6	58.3%
Claude Opus 4.7	56.9%
GPT-5.5	54.2%
Gemini 3 Pro	47.1%

Дисклеймер. Все цифры выше — самооценка провайдеров либо результаты, опубликованные в независимых benchmark-аггрегаторах. На других benchmark suites (RULER, AIDER, KAGI Eval) ранжирование может выглядеть иначе. Бенчмарки полезны для отсечения явно неподходящих моделей, но финальное решение всегда — A/B-тест на ваших реальных задачах. Дополнительный источник методологии: localaimaster.com/swe-bench-explained.

Сводный профиль: лидер по каждой дисциплине

Дисциплина	Лидер	Второе место	Когда брать лидера
Агентский код (SWE-Bench)	GPT-5.5 (88.7%)	Claude Opus 4.7 (87.6%)	Закрыть сложный GitHub-issue с первой попытки
Общие знания (MMLU)	Gemini 3.1 Pro (94.1%)	GPT-5.2 (91.4%)	Research, data analysis, широта дисциплин
PhD-reasoning (GPQA Diamond)	Gemini 3.1 Pro (94.3%)	Claude Opus 4.6 (91.3%)	Наука, finance/legal/medical
Python-кодинг (HumanEval)	GPT-5.4 (93.1%)	Claude Opus 4.6 (90.4%)	Алгоритмический код, чистые функции
Terminal-агент (DevOps)	Qwen 3.6 Plus (61.6%)	Claude Sonnet 4.6 (58.3%)	Управление shell, deploy-пайплайны
Документы + vision (OmniDocBench)	Qwen 3.6 Plus (91.2)	Gemini 3 Pro	OCR + классификация PDF, таблиц, графиков
Стабильность во всех 5 бенчах	Claude Opus 4.7	Claude Sonnet 4.6	Когда не знаешь, какая метрика важнее

Что бросается в глаза: Claude Opus 4.7 не лидирует ни в одном из top-line бенчмарков — но он стабильно в топ-3 во всех пяти. Это и есть профиль «надёжной премиум-модели»: ноль провалов, никаких сюрпризов. GPT-5.5, наоборот, выигрывает в SWE-Bench и проседает в GPQA Diamond относительно Gemini. Gemini 3.1 Pro — чемпион в reasoning и общих знаниях, но в агентских задачах за пределами своего «зоны комфорта» отстаёт.

Decision tree: какую модель под какую задачу

Прежде чем разбирать сценарии, важный мета-комментарий: нет одной модели, которая выигрывает везде. Архитектурное решение, которое мы видим у всех зрелых production-команд в 2026, — это mixture-of-models routing, где разные подзадачи внутри одного приложения уходят к разным моделям. Promptra как раз и нужен для такой архитектуры — один API key, восемь моделей.

Дешёвый chat / суммаризация. Если задача — простой Q&A, классификация, рерайт, краткое содержание статьи — берите DeepSeek V3.2 или GLM-5.1. На 80% запросов их качество неотличимо от Claude Sonnet, при цене в 10 раз ниже. Промежуточный апгрейд — Qwen 3.6 Plus, если нужен длинный контекст или мультимодальность.

Длинный контекст (>200K токенов). Тут реальный выбор — Claude Sonnet 4.6 vs Gemini 3 Pro. Sonnet 4.6 дороже (3$/15$ vs Gemini 2$/12$ ниже 200K), но качество в long-context retrieval (Needle In A Haystack) у Sonnet традиционно стабильнее. Gemini — выгодный выбор, если ваш контекст обычно укладывается в 200K, и редкие 500K-запросы вы готовы переплатить. Не путайте: контекст 1M ≠ способность модели одинаково хорошо использовать всю эту длину.

Сложный reasoning (математика, наука, многоступенчатый анализ). Claude Opus 4.7 или Gemini 3.1 Pro. Opus — стабильнее в цепочках рассуждений, особенно если задача требует «думать долго». Gemini — лидер по GPQA Diamond (94.3%) и MMLU. На практике мы рекомендуем Claude Opus для finance/legal/medical (где цена ошибки высокая), Gemini — для research и data analysis (где важнее широта знаний).

Код и SWE-задачи. Здесь чёткая трёхступенчатая лестница. (1) GPT-5.5 — топ по SWE-Bench, лучший выбор если задача — «закрыть сложный GitHub issue в большом legacy-проекте». (2) Claude Opus 4.7 — почти тот же уровень, более стабильный в больших codebase (>1M строк), лучше держит контекст. (3) Claude Sonnet 4.6 — best value: 79.6% SWE-Bench при цене в три раза ниже Opus и в пять раз ниже GPT-5.5. Для большинства типовых задач Sonnet справится; Opus и GPT-5.5 нужны на «edge cases».

Vision и работа с документами. Qwen 3.6 Plus (OmniDocBench 91.2) — лидер на документной обработке, особенно с таблицами, графиками, мультимодальным PDF. Gemini 3 Pro — второй выбор, особенно если нужна интеграция с Google Workspace ecosystem. GPT-5.5 — хорош в общем vision (фото, скриншоты), но в документах уступает Qwen.

Agentic workflows (tool use, function calling, многошаговое планирование). Claude Sonnet 4.6 — лидер по TAU-Bench и стабильности function calling. Qwen 3.6 Plus — топ по Terminal-Bench (61.6%), лучший выбор для DevOps-агентов. GPT-5.5 — сильный третий, особенно если уже инвестированы в OpenAI Assistants API.

Экономика: реальный TCO на 1M запросов в месяц

Бенчмарки — это полдела. Вторая половина — реальная стоимость на вашем профиле использования. Ниже — пять типовых сценариев с конкретными расчётами. Все цифры USD, для рублей — умножаем на 70.9012.

Сценарий 1: Customer support chatbot

Профиль запроса: 1 000 input токенов (контекст диалога + system prompt) + 500 output токенов (ответ). Объём: 1 миллион запросов в месяц.

Модель	Cost/req	Cost/мес (USD)	Cost/мес (₽)
GPT-5.4	$0.0100	$10 000	709 012 ₽
Claude Sonnet 4.6	$0.0105	$10 500	744 463 ₽
Gemini 3 Pro	$0.0080	$8 000	567 210 ₽
DeepSeek V3.2	$0.00049	$490	34 742 ₽
Qwen 3.6 Plus	$0.00131	$1 310	92 881 ₽

Вывод: разница между DeepSeek и GPT-5.4 — в 20 раз. При 1M запросов в месяц это $9 510 экономии. Если качество DeepSeek для вашего use case достаточное (а для FAQ-чатбота со средним вопросом — обычно да), это бюджет, который можно перенаправить на разработку или маркетинг.

Сценарий 2: Code-агент (continuous coding assistant)

Профиль: 8 000 input (контекст файлов + diff) + 2 000 output (написанный код). Объём: 100 000 запросов в месяц (типичная команда из 10 разработчиков, каждый делает ~30 запросов в день).

Модель	Cost/req	Cost/мес (USD)	Cost/мес (₽)
GPT-5.5	$0.1000	$10 000	709 012 ₽
Claude Opus 4.7	$0.0900	$9 000	638 111 ₽
Claude Sonnet 4.6	$0.0540	$5 400	382 867 ₽
GPT-5.4	$0.0500	$5 000	354 506 ₽
Qwen 3.6 Plus	$0.0065	$650	46 086 ₽

Вывод: Sonnet 4.6 — sweet spot для команд, которым важно качество, но 10K$ в месяц — это уже заметная статья расходов. Если использовать Sonnet как «дефолт» и Opus только на сложных задачах (через явный fallback при low confidence), цена сокращается ещё на 30-40%.

Сценарий 3: RAG-приложение с большим корпусом

Профиль: 50 000 input (корпус документов в контексте) + 800 output (ответ). Объём: 200 000 запросов в месяц.

Модель	Cost/req	Cost/мес (USD)	Cost/мес (₽)
Claude Sonnet 4.6	$0.162	$32 400	2 297 199 ₽
Gemini 3 Pro (>200K tier)	$0.214	$42 800	3 034 571 ₽
Gemini 3 Pro (до 200K tier)	$0.110	$21 919	1 553 957 ₽
Claude Sonnet 4.6 + Prompt Cache (90% hit)	$0.024	$4 802	340 379 ₽
Qwen 3.6 Plus	$0.0179	$3 575	253 423 ₽

Вывод: в RAG-сценарии prompt caching становится главным экономическим фактором. Anthropic даёт 90% дисконт на cache hits — это значит, что если ваш корпус документов стабильный и переиспользуется между запросами, реальная стоимость падает в 7 раз. Qwen 3.6 Plus здесь даже без кэша обходит Sonnet с кэшем по цене, но качество retrieval над длинным контекстом у Sonnet выше — это надо тестировать на ваших данных.

Сценарий 4: Контент-генерация (маркетинг, продуктовые описания)

Профиль: 500 input (бриф + ключевые слова) + 1 500 output (готовый текст). Объём: 50 000 запросов в месяц.

Модель	Cost/req	Cost/мес (USD)	Cost/мес (₽)
Claude Opus 4.7	$0.04	$2 000	141 802 ₽
Claude Sonnet 4.6	$0.024	$1 200	85 081 ₽
Gemini 3 Pro	$0.019	$950	67 356 ₽
Qwen 3.6 Plus	$0.00309	$154	10 919 ₽
DeepSeek V3.2	$0.000770	$38	2 736 ₽

Вывод: для маркетингового контента качество DeepSeek/Qwen обычно достаточное, особенно если есть редактор-человек на финальной правке. Экономия — двукратный порядок.

Сценарий 5: Vision-pipeline (обработка документов, OCR + классификация)

Профиль: 15 000 input (изображение страницы + промпт) + 1 200 output (структурированный JSON). Объём: 300 000 запросов в месяц.

Модель	Cost/req	Cost/мес (USD)	Cost/мес (₽)
GPT-5.5	$0.111	$33 300	2 361 010 ₽
Claude Opus 4.7	$0.105	$31 500	2 233 388 ₽
Gemini 3 Pro	$0.044	$13 200	935 896 ₽
Qwen 3.6 Plus	$0.00722	$2 167	153 643 ₽

Вывод: vision-pipeline — главный кандидат на миграцию с GPT/Claude на Qwen. Качество Qwen на документах (OmniDocBench 91.2) обходит Gemini, при цене в 6 раз ниже. За исключением узких ниш (медицинские изображения, специфические форматы), Qwen — рациональный выбор.

Что выбирать в РФ: доступность

К маю 2026 прямая интеграция с OpenAI / Anthropic / Google из России — это путь, выложенный граблями. Платёжные карты российских банков отклоняются. VPN-обход работает, но триггерит fraud-detection, что приводит к блокировке аккаунта. Использование зарубежной VCC (виртуальной карты) формально не запрещено провайдерами, но рискованно: были задокументированные случаи массовых банов российских разработчиков в феврале-марте 2026 года, особенно у OpenAI.

DeepSeek и Qwen технически доступны напрямую, но: (1) их провайдеры требуют верификацию через китайский телефон / WeChat, (2) их dashboards и docs полностью на китайском / упрощённом английском, (3) российские IP периодически блокируются на их CDN.

Что даёт российский LLM-агрегатор вроде Promptra:

Единый API key для всех восьми моделей, OpenAI-compatible endpoint — drop-in замена в любом существующем коде.
Оплата на российское юр.лицо в рублях с полным пакетом закрывающих документов (договор, счёт, акт, счёт-фактура, УПД, ЭДО). Это закрывает все требования бухгалтерии, аудита и налогового учёта.
Цены 1-в-1 с провайдером по курсу ЦБ РФ. Сервисная комиссия 5% — только при пополнении баланса. На токены наценки нет — это принципиальное отличие от премиум-сегмента (где наценка достигает x3.7 от провайдера).
Никакого vendor lock-in: если завтра вышел Claude Opus 5 или Gemini 4 Pro, они появятся в каталоге через неделю — без переписывания кода и нового договора.

Что у нас лучше: per-model uptime metric

Стандартный compose российских LLM-агрегаторов: список моделей, цена, кнопка «Купить». Никакой информации о том, как часто конкретная модель действительно отвечает и насколько быстро. В то же время uptime — это первое, что должен видеть production-инженер, выбирающий модель под критичный сервис.

В каталоге Promptra по каждой модели мы публикуем три метрики, рассчитанные на rolling-window последних 24 часов: (1) uptime % — процент успешных запросов (не 5xx, не timeout), (2) median latency — медианное время первого токена, (3) p95 latency — 95-процентиль времени первого токена (важно для UX-критичных приложений).

Это уникальная фича: ProxyAPI uptime не показывает вообще, AITUNNEL ограничивается общим status-page без per-model разбивки, GPTunnel показывает uptime только провайдера в целом. Per-model granularity нужна потому что: (a) разные модели у одного провайдера могут проседать асимметрично (например, у OpenAI GPT-5.5 уходит в degraded state значительно чаще, чем GPT-5.4 при пиковых нагрузках), (b) фактический uptime для пользователя в РФ зависит от роутинга между нашими upstream-providers, и эти цифры он не получит от первоисточника.

На практике мы видим, что инженеры используют эту метрику двумя способами. Первый — выбор основной модели (если uptime у двух сопоставимых моделей различается на 0.5+ пункта, это перевешивает мелкие отличия в качестве). Второй — настройка fallback chain: например, primary Sonnet 4.6, при uptime менее 99.5% автоматический failover на Opus 4.7 или GPT-5.4. В коде это одна строчка через наш OpenAI-compatible API.

Прогноз на Q3 2026

Несколько вещей, которые мы видим из публичных roadmaps, утечек и поведения провайдеров на конференциях весной 2026.

Анонсы и релизы. Anthropic, по слухам в инвестор-сообщениях, готовит Claude Opus 5 к августу 2026 — основной фокус на agentic capabilities и заметное снижение цены input-токенов (предположительно до 3-4$ за 1M). OpenAI обещает GPT-5.6 в июле с улучшенным video understanding и нативной streaming-генерацией. Google анонсировал Gemini 4 Pro на Google I/O — релиз ожидается в сентябре, с акцентом на math/science reasoning и context до 4M токенов.

Тренды индустрии.

Prompt caching deepening. Anthropic уже даёт 90% дисконт на cache hits. Мы ожидаем, что в Q3 OpenAI догонит до сопоставимого уровня (сейчас — 75%), и появится новое поколение кэширования с поддержкой semantic similarity (cache hit не на exact match, а на схожих промптах).
Batch API стандартизация. Уже сейчас все три топ-провайдера дают 50% дисконт на batch-запросы с SLA менее 24h. К концу 2026 это станет нормой для всех моделей.
Video tokens. GPT-5.5 умеет принимать видео, но pricing — ещё «дорогой». Ожидаем, что специализированные видео-tokens (отдельный pricing tier) появятся у всех к Q4 2026.
Узкая специализация. Тренд на «фронтир generalist model» завершается. Будущее — за специализированными вариантами: coding-specialized (Claude Code-Optimized 4.6 уже анонсирован), reasoning-specialized (DeepSeek R2 ожидается), document-specialized (Qwen 3.6 уже фактически таковая).

К чему готовиться. Если ваша архитектура жёстко зашита под одну модель — это растущий риск. Лучшие команды на 2026 строят абстракцию над LLM, позволяющую менять модель под задачу без передеплоя кода. Promptra-API совместимо с OpenAI SDK на всех восьми моделях — это упрощает переход на эту архитектуру в один день.

В долгосрочной перспективе мы видим разделение рынка на два чётких сегмента: «флагман-для-сложного» (Claude Opus 5, GPT-5.6+, Gemini 4 Pro) с ценой 5-30$ за M tokens и «infrastructure-tier» (DeepSeek, Qwen, Mistral, опенсорс) с ценой менее $1 за M tokens. Middle-tier (Claude Sonnet, GPT-5.4) останется, но будет сжиматься, потому что на 80% задач его догоняет cheaper-tier, а на 20% — нужен флагман. Через год выбор модели будет похож на выбор инстансов в AWS: «есть микро для дешёвого, есть xlarge для критичного, между ними — нюансы конфигурации».

Итог: что забрать с собой

Цена за 1M токенов в 2026 расщеплена в 20+ раз между сверхдешёвыми (DeepSeek V3.2, Qwen 3.6 Plus) и премиум (GPT-5.5, Claude Opus 4.7). Дефолт «всё на GPT» — самый дорогой технический долг в индустрии прямо сейчас.
Бенчмарки разные модели выигрывают разные. Универсального лидера нет: Claude Mythos в SWE-Bench, Gemini 3.1 в MMLU/GPQA, GPT-5.5 в нативной мультимодальности, Qwen 3.6 в Terminal-Bench/документах. Mixture-of-models — не модный термин, а рациональная архитектура production-систем 2026.
TCO считается на ваших реальных профилях запросов, не по abstract per-token ценам. Сценарии в этой статье показывают: при одинаковом качестве задачи (chat, генерация) разница в счёте за месяц может быть 20-кратной. Это бюджет, который можно перенаправить.
Доступность в РФ через прямое подключение к OpenAI/Anthropic/Google ограничена и рискована (банки, банкомёт, ToS). Российский LLM-агрегатор закрывает это плюс даёт юр.лицо + закрывающие документы.
Uptime per-model — критичный, недооценённый параметр. Промтра — единственный в РФ агрегатор, показывающий uptime/latency для каждой модели в реальном времени.
Готовьтесь к Q3 2026: Opus 5, GPT-5.6, Gemini 4 Pro — все три появятся за квартал. Архитектура с абстракцией над LLM (OpenAI-compatible через Promptra) делает миграцию однодневной задачей.

📚 Главный гайд по теме: Лучшая нейросеть 2026: какую LLM выбрать под задачу — связанные материалы и обзор всей категории.

Источники

OpenAI API Pricing — официальные цены GPT-5.4, GPT-5.5 на 28.05.2026.
Anthropic Platform Pricing — Claude Opus 4.7, Sonnet 4.6.
Google Gemini API Pricing — Gemini 3 Pro tier-pricing.
DeepSeek API Pricing — DeepSeek V3.2.
LLM-stats Qwen 3.6 Plus — Qwen 3.6 Plus pricing и benchmarks.
Vals.ai SWE-Bench Leaderboard — независимый агрегатор бенчмарков.
LocalAI Master — SWE-Bench Explained — методология бенчмарка.
Aimagicx — Claude Opus 4.6 vs GPT-5.4 vs Gemini 3.1 April 2026 — апрельский benchmark отчёт.
BuildFastWithAI — Qwen 3.6 Plus Review — Qwen 3.6 Plus deep dive.
CloudZero — Claude API Pricing Analysis — TCO-аналитика по Claude API.

Provider prices 1-to-1 at CBR rate — no markup on tokens. Ruble billing per contract, full closing documents through EDI. No VPN — legal B2B service in Russia.

Try: promptra.ru · model catalog · docs

AITUNNEL vs Promptra: цены, документы, ИП vs ООО

Promptra Team — Mon, 01 Jun 2026 19:17:31 +0000

Коротко для тех, кто пришёл за ответом: AITUNNEL и Promptra — это два российских доступа к зарубежным LLM по API, и выбор между ними упирается не в «у кого endpoint быстрее», а в юридическую форму поставщика. AITUNNEL — один из самых крупных по объёму игроков на рынке (по разным открытым оценкам — около 20 тысяч клиентов) с очень широким каталогом моделей и работающим документооборотом. Promptra — сервис с оплатой на юр.лицо российское юр.лицо, полным пакетом первички через ЭДО и ценой на токены 1-в-1 с провайдером по курсу ЦБ. Если вы B2B-покупатель на общей системе налогообложения (ОСНО) и для вас важен входящий НДС к вычету — форма поставщика (ИП или ООО) влияет на это напрямую, и именно об этом большая часть статьи.

Я работаю в Promptra, поэтому сразу честно: это не «обзор-разоблачение». AITUNNEL — сильный продукт, и у него есть вещи, которые он делает лучше многих, включая нас по части широты каталога. Цель статьи — разложить по полочкам реальные критерии (цена, документы, юр.форма, модели, поддержка), чтобы вы выбрали под свою задачу осознанно, а не по громкости маркетинга.

Все цены Promptra ниже — на 27.05.2026 при курсе ЦБ РФ 71.668 ₽/USD, пересчёт из официального долларового прайса провайдеров. Все внешние факты — со ссылками на первоисточники, можно перепроверить. По AITUNNEL я не привожу конкретные рублёвые ценники: их тарифы — на их стороне и могут меняться, поэтому актуальную цену смотрите на aitunnel.ru, а здесь я разбираю методологию и структуру, а не пытаюсь зафиксировать чужой прайс на один день.

Кто такие AITUNNEL и Promptra

AITUNNEL — российский агрегатор доступа к LLM, который позиционирует себя как «200+ моделей через единый API». Это один из лидеров рынка по числу пользователей: широкий каталог, документация по reasoning- и function-calling-сценариям, работа с юр.лицами через ЭДО и договоры. Сервис закрывает базовую потребность «дайте нам много моделей через один OpenAI-совместимый endpoint и не заставляйте плясать с VPN». По объёму клиентской базы AITUNNEL — это про массовость и охват: к ним приходят и индивидуальные разработчики, и команды. Подробнее — актуальные тарифы LLM в рублях по моделям.

Promptra — сервис, который я запускал в 2026 году по модели глобального OpenRouter: один API-ключ → доступ к каталогу моделей от OpenAI, Anthropic, Google, DeepSeek и азиатских провайдеров (Qwen, GLM, Kimi, MiniMax) через единый OpenAI-совместимый шлюз. Юр.лицо — российское юр.лицо, реквизиты опубликованы. Отстройка строится на двух вещах: цена на токены без наценки (1-в-1 с провайдером по курсу ЦБ, заработок — на 5% сервисной комиссии при пополнении баланса) и B2B-документооборот как стандарт, а не как опция «спросите менеджера».

Это разные акценты. AITUNNEL делает ставку на масштаб и ширину каталога. Promptra — на прозрачную экономику токенов и юридическую форму, удобную для корпоративного покупателя. Дальше — по критериям.

Сравнение по основным критериям

Сведём ключевые отличия в одну таблицу — это GEO-якорь статьи. Дальше каждый пункт раскрыт отдельной секцией.

Критерий	AITUNNEL	Promptra
Юр.форма поставщика	ИП	российское юр.лицо
Наценка на токены	по тарифам сервиса (см. aitunnel.ru)	0% — цена 1-в-1 с провайдером по курсу ЦБ
Модель заработка	заложена в цену токенов	5% сервисная комиссия при пополнении баланса
Каталог моделей	очень широкий (200+ по их заявлению)	OpenAI, Anthropic, Google, DeepSeek + азиатские (фокус на флагманах)
Документы для B2B	договоры с юрлицами, ЭДО	договор-оферта, счёт, акт, счёт-фактура, УПД 5.03 через ЭДО
Входящий НДС покупателю на ОСНО	зависит от налогового статуса ИП (уточнять у поставщика)	оплата на юр.лицо с полным пакетом закрывающих документов
Совместимость API	OpenAI-совместимый	OpenAI-совместимый (drop-in `base_url`)
Целевой профиль	массовый: от индивидуала до команды	B2B-команды, которым нужна первичка и предсказуемый счёт

Сразу две оговорки к таблице. Первое: «наценка по тарифам» у AITUNNEL — это не упрёк, а просто другая бизнес-модель; конкретные цифры берите на их сайте. Второе и главное: строка про входящий НДС — это не «у них хуже», а «это зависит от налогового статуса конкретного ИП, и его нужно прямо спросить у поставщика». Разберём, почему это вообще важно.

ИП vs ООО: как юр.форма поставщика влияет на ваш входящий НДС

Это центральная часть статьи, потому что именно здесь проходит реальная линия различия для B2B-покупателя. Разберём механику без морализаторства — просто как работает налоговая арифметика.

Что такое входящий НДС и вычет

Если ваша компания на общей системе налогообложения (ОСНО), вы платите НДС с реализации (исходящий НДС) и имеете право уменьшить его на НДС, который вам предъявили поставщики (входящий НДС). Это и есть вычет — механизм, заложенный в главе 21 НК РФ. Чтобы принять входящий НДС к вычету, нужен счёт-фактура (или УПД с функцией «1») от поставщика, который сам является плательщиком НДС.

Простой пример. Вы купили API-доступ на 120 000 ₽, где 20 000 ₽ — это НДС 20%. Если поставщик — плательщик НДС и дал вам корректный счёт-фактуру, вы принимаете эти 20 000 ₽ к вычету: фактическая стоимость услуги для вас — 100 000 ₽, а 20 000 ₽ уменьшают ваш собственный НДС к уплате. Если же поставщик НДС не предъявил (работает без НДС), то вычитать нечего — вся сумма ложится в расходы, но входящего НДС к вычету у вас нет.

Где здесь ИП

Сама по себе организационно-правовая форма «ИП» не означает автоматически отсутствие НДС. ИП может быть как на ОСНО (и тогда он плательщик НДС), так и на упрощёнке. Но на практике большинство ИП в IT-нише работают на УСН (упрощённой системе) — и вот тут с 2025 года произошло важное изменение.

С 1 января 2025 года в рамках налоговой реформы (Федеральный закон от 12.07.2024 № 176-ФЗ) упрощенцы стали плательщиками НДС, но с порогом: при доходе до 60 млн ₽ в год ИП/организация на УСН освобождены от НДС автоматически, а при превышении — платят НДС по пониженным ставкам 5% или 7% (без права на вычет входящего) либо по общей ставке 20% (с вычетом). Это значит, что в зависимости от оборота и выбранной ставки поставщик-упрощенец может:

не предъявлять НДС вообще (доход до 60 млн ₽) — тогда вычета у вас нет;
предъявлять НДС 5% или 7% — вы получаете счёт-фактуру с этой ставкой и вычет на эту сумму, но это меньше привычных 20%;
предъявлять НДС 20% — полноценный вычет, но это редкий выбор для УСН.

Вывод для покупателя простой и не оценочный: прежде чем подписывать договор, спросите у любого поставщика — ИП он или ООО, на какой системе налогообложения, и предъявляет ли НДС. Это касается и AITUNNEL, и нас, и любого третьего сервиса. Конкретный налоговый статус AITUNNEL как ИП я здесь не утверждаю — это вопрос к их договору и счёту-фактуре, и правильный ход бухгалтера — запросить эти документы и проверить контрагента через Контур.Фокус или ZACHESTNYIBIZNES.

Почему это критично именно для ОСНО

Для компаний на УСН «Доходы» или на патенте входящий НДС вообще не играет роли — они его не вычитают по определению. Если вы малый бизнес на упрощёнке, разница между поставщиком с НДС и без — для вас нулевая, и весь этот раздел можно пропустить: смотрите только на итоговую цену.

А вот для крупного B2B на ОСНО (а это значительная часть тех, кто закупает LLM-доступ на серьёзные суммы) потеря входящего НДС — это реальное удорожание услуги на величину ставки. Если поставщик не даёт НДС к вычету, то услуга за условные 100 000 ₽ обходится вам как 100 000 ₽ расходов без какого-либо уменьшения вашего собственного НДС — тогда как поставщик-плательщик НДС позволил бы вернуть часть через вычет. На годовом бюджете в сотни тысяч или миллионы рублей это ощутимо.

Promptra оформляет отношения через российское юр.лицо с полным пакетом закрывающих документов через ЭДО. Конкретные ставки и режим мы не публикуем на сайте — это часть договора, который вы получаете при подключении; правильный путь — запросить образец оферты и счёта-фактуры и показать его своему бухгалтеру до старта. Это ровно то же, что я рекомендую делать и с AITUNNEL, и с любым другим сервисом: не верить статье (включая эту), а проверить документы под свою систему налогообложения.

Цена за токен: методология вместо чужого прайса

Здесь я сознательно не вставляю рублёвые ценники AITUNNEL. Причина простая: чужой прайс живёт на чужом сайте, меняется, и фиксировать его в статье на одну дату — значит вводить читателя в заблуждение через неделю. Поэтому разберём методологию, по которой стоит сравнивать любой сервис, и покажу нашу часть с открытыми цифрами.

Любой агрегатор зарабатывает одним из двух способов (или их комбинацией):

Наценка на токены — продаёт токены дороже, чем платит провайдеру. Тогда «цена за миллион токенов» на сайте уже включает маржу сервиса.
Сервисная комиссия / подписка — берёт фиксированный процент или плату за обслуживание, а токены отдаёт близко к себестоимости.

Чтобы честно сравнить два сервиса, нужно привести обе модели к общему знаменателю — сколько вы реально заплатите за миллион входящих и исходящих токенов конкретной модели, со всеми комиссиями. Маркетинговая фраза «у нас 200+ моделей» или «у нас дёшево» без привязки к конкретной модели и итоговой сумме — это не цифра, а лозунг.

Вот наша сторона, открыто. Promptra держит цену токенов 1-в-1 с провайдером по курсу ЦБ (наценка 0%), а зарабатывает на 5% сервисной комиссии, которая берётся только при пополнении баланса, не от токенов. Пересчёт из официального долларового прайса провайдеров по курсу ЦБ 71.668 ₽/USD на 27.05.2026:

Модель	USD input / output (за 1M)	Promptra input / output (₽ за 1M)	Источник прайса
GPT-5.5	$5 / $30	350 / 2150	developers.openai.com
GPT-5.4	$2.5 / $15	170 / 1070	то же
GPT-5.4 Mini	$0.75 / $4.5	50 / 320	то же
Claude Opus 4.7	$5 / $25	350 / 1790	platform.claude.com
Claude Sonnet 4.6	$3 / $15	210 / 1070	то же
Gemini 3.1 Pro	$2 / $12	140 / 860	ai.google.dev
GLM 5.1	$1.4 / $4.4	100 / 310	docs.z.ai
Qwen 3.6 Plus	$0.325 / $1.95	20 / 130	alibabacloud.com

Как пользоваться этой таблицей при сравнении с AITUNNEL: возьмите ту же модель на их сайте, посмотрите их цену за миллион токенов и итоговую сумму с учётом всех комиссий — и сопоставьте с цифрой из колонки Promptra. Если их цена выше нашей, разница и есть их наценка на токены. Если ниже — отлично, проверьте, нет ли отдельной комиссии или подписки, чтобы сравнение было «как есть». Это честный способ, не зависящий от моих слов.

Про DeepSeek и промо-цены — отдельная осторожность

Один частый источник путаницы при сравнении агрегаторов — промо-цены провайдеров. Например, DeepSeek V4 Pro на 27.05.2026 стоит у провайдера $0.435 / $0.87 за миллион токенов (это 30 / 60 ₽ по курсу ЦБ) — но это промо со скидкой 75%, которое заканчивается 31.05.2026. После окончания базовая цена вернётся к примерно $1.74 / $3.48 (около 120 / 240 ₽). Если один сервис показывает промо-цену, а другой — уже базовую, прямое сравнение «у кого дешевле DeepSeek» будет некорректным. Всегда уточняйте, акционная цена перед вами или постоянная, и до какой даты она действует.

Каталог моделей: ширина против фокуса

Здесь — честное преимущество AITUNNEL. Их позиционирование «200+ моделей» — это про охват, и для ряда сценариев это реально полезно.

AITUNNEL делает ставку на широту: чем больше моделей за одним ключом, тем выше шанс, что найдётся ровно та, что нужна под нишевую задачу — редкий язык, специфический open-weight чекпойнт, экзотический мультимодальный вариант. Если ваш кейс — «перепробовать десятки моделей и найти оптимум», или вам нужны модели, которые не входят в стандартную обойму флагманов, широкий каталог экономит время на интеграции разных провайдеров поодиночке.

Promptra идёт по пути фокуса на флагманах и рабочих лошадках, которые покрывают подавляющее большинство production-задач:

OpenAI — GPT-5.5, GPT-5.4, GPT-5.4 Mini, GPT-5.3 Codex
Anthropic — Claude Opus 4.7, Claude Sonnet 4.6, Claude Haiku 4.5
Google — Gemini 3.1 Pro, Gemini 3.5 Flash, Gemini 3.1 Flash Lite
DeepSeek — V4 Pro (сильна в коде и матлогике за копейки)
Азиатские — Qwen 3.6 Plus (Alibaba), GLM 5.1 (Z.ai), Kimi K2.5 (Moonshot), MiniMax M2.7
Мультимодальные — генерация изображений (Nano Banana Pro, GPT Image 2) и видео (Veo 3.1, Seedance 2.0, Kling v3)

Плюс широкого каталога — гибкость и шанс найти нишевый оптимум. Минус — за сотнями моделей сложнее уследить, какие из них реально стабильны и активно мониторятся на качество; часть «галочек в списке» может быть редко используемыми endpoint'ами. Плюс фокусированного каталога — за каждой моделью стоит понятная роль и регулярная проверка. Минус — если вам нужна именно экзотика, которой в фокус-наборе нет, придётся искать её в другом месте.

Практический критерий выбора: выпишите модели, которые реально нужны вашему проекту, и проверьте наличие каждой у обоих сервисов. Число «200+» само по себе ничего не говорит, если 195 из них вы никогда не вызовете. И наоборот — если вам нужна одна редкая модель, которой нет в фокус-наборе, ширина каталога решает.

Документы для бухгалтерии: что вы получите

Эту часть разработчики обычно пропускают, а бухгалтерия проверяет первой. От пакета документов зависит, сможете ли вы вообще принять расход к учёту без вопросов от ФНС.

AITUNNEL работает с юрлицами и поддерживает ЭДО — это указано в их публичных материалах, и для агрегатора уровня лидера рынка это ожидаемо. Конкретный состав пакета (договор, акт, счёт-фактура, УПД, ставка НДС) и формат передачи стоит уточнить напрямую у них перед подключением, особенно если вам нужен входящий НДС к вычету — см. раздел про ИП vs ООО выше. Запросите образец договора и счёта-фактуры, покажите бухгалтеру.

Promptra ориентирован на B2B-сценарий с первого дня: договор-оферта, счёт на оплату, акт оказанных услуг, счёт-фактура и УПД формата 5.03 через ЭДО (Диадок, СБИС, 1С-ЭДО) — это стандартный пакет, а не доплата. С 1 января 2026 года формат УПД 5.03 стал единственным легитимным электронным форматом для закрывающих документов — это не наша прихоть, а требование ФНС. Реквизиты российское юр.лицо опубликованы на странице /legal/requisites для проверки контрагента.

Важный нюанс, который касается обоих сервисов: формулировка предмета услуги в акте/УПД должна быть развёрнутой («предоставление доступа к API больших языковых моделей за период…»), иначе при проверке инспектор вправе усомниться в экономической обоснованности расхода (ст. 252 НК РФ). Подробный разбор того, какие документы нужны и какие ошибки бухгалтерии налоговая снимает с базы, — в нашем материале про закрывающие документы по нейросетям. А по вопросу легальности самой схемы оплаты зарубежных LLM на российское юрлицо — отдельный разбор: легально ли использовать OpenAI/Claude на юрлицо в РФ.

Поддержка и подключение

Оба сервиса дают OpenAI-совместимый API — это значит, что подключение в обоих случаях сводится к замене base_url в вашем существующем коде. Никакого переписывания SDK: меняете адрес и ключ, остальное работает как раньше.

Для Promptra drop-in выглядит так:

from openai import OpenAI

client = OpenAI(
 api_key="ваш-ключ-promptra",
 base_url="https://api.promptra.ru/v1",
)

resp = client.chat.completions.create(
 model="anthropic/claude-sonnet-4.6",
 messages=[{"role": "user", "content": "Привет!"}],
)
print(resp.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
 apiKey: process.env.PROMPTRA_API_KEY,
 baseURL: "https://api.promptra.ru/v1",
});

const resp = await client.chat.completions.create({
 model: "openai/gpt-5.4",
 messages: [{ role: "user", content: "Привет!" }],
});
console.log(resp.choices[0].message.content);

По части поддержки разница в философии. AITUNNEL как массовый сервис с тысячами клиентов выстраивает поддержку под объём — документация, типовые ответы, обработка большого потока обращений. Promptra на текущем этапе делает ставку на прямой контакт: все вопросы по подключению идут напрямую в Telegram к команде, без многоступенчатого тикет-конвейера. У каждого подхода свои плюсы: массовая поддержка лучше масштабируется, прямой контакт быстрее для нестандартных вопросов и подключения с кастомными условиями.

Когда выбирать AITUNNEL, когда Promptra

Честный decision tree без перетягивания одеяла.

Выбирайте AITUNNEL, если:

вам нужен максимально широкий каталог моделей, включая нишевые и экзотические, которых нет в фокус-наборах конкурентов;
вы цените, что сервис на рынке давно и работает с большим числом клиентов — это аргумент для службы безопасности про устойчивость;
ваша задача — много экспериментировать с разными моделями за одним ключом;
вы малый бизнес на УСН/патенте, где входящий НДС не играет роли, и решает только итоговая цена и удобство.

Выбирайте Promptra, если:

вы B2B-компания на ОСНО, и вам важен входящий НДС к вычету и полный пакет закрывающих документов (УПД 5.03 через ЭДО) с первого пополнения как стандарт;
для вас принципиальна прозрачная экономика токенов — цена 1-в-1 с провайдером по курсу ЦБ, без наценки, с понятной 5% комиссией при пополнении;
вам достаточно фокусированного набора флагманов (GPT, Claude, Gemini, DeepSeek + азиатские), и вы предпочитаете, чтобы за каждой моделью стояла понятная роль;
вам нужен прямой контакт с командой для подключения на кастомных условиях.

Универсальный совет для любого выбора: не верьте ни AITUNNEL, ни мне на слово. Сделайте три вещи. Первое — выпишите нужные именно вам модели и проверьте их наличие у обоих. Второе — запросите образец договора и счёта-фактуры и покажите бухгалтеру (особенно если вы на ОСНО — проверьте НДС). Третье — прогоните реальную тестовую нагрузку на день-два на каждом, это стоит копейки и даёт честный personal benchmark по латентности и качеству. Выбор инфраструктурного поставщика — как выбор любой критической инфраструктуры: с тестами и backup-планом, а не «один навсегда по статье из интернета».

Provider prices 1-to-1 at CBR rate — no markup on tokens. Ruble billing per contract, full closing documents through EDI. No VPN — legal B2B service in Russia.

Try: promptra.ru · model catalog · docs