Этот материал помогает сравнить четыре модели по цене, скорости и задачам, где они окупаются. Я сверил официальные тарифы и результаты тестов, затем оценил стоимость пяти типовых сценариев.
Весной выбор обычно сводился к двум вариантам: крупная модель для трудных задач или компактная для черновиков. В октябре между ними появился отдельный слой. OpenAI представила GPT-6.1 Terra для офисных задач и рутинных агентов. Moonshot выпустила Kimi K3.1 Pro: в программировании она почти достигла Claude Opus 5.5 при цене вдвое ниже. Haiku 5.5 и DeepSeek V4.1 Flash находятся ещё дешевле.
Собственных проверок качества здесь нет. Оценки взяты из материалов производителей, показатели скорости, у Artificial Analysis. Расход токенов для сценариев я оценил самостоятельно. У моделей разные токенизаторы, поэтому для русского текста реальная стоимость может отличаться на 10–30 %, но соотношение цен от этого не меняется.
Ключевые различия моделей
- GPT-6.1 Terra. Миллион входных токенов стоит $1, выходных, $5. У предыдущей Terra цены были $2 и $12. По тестам OpenAI она сопоставима с GPT-6 Astra, хотя последняя дороже в десять раз.
- Kimi K3.1 Pro. Тарифы составляют $2 и $10. Это наиболее дорогая и медленная модель в сравнении, но она сильнее остальных в коде. Веса планируют открыть до 4 ноября.
- Claude Haiku 5.5. Стоимость равна $0,10 за вход и $0,50 за выход. Модель отвечает быстрее других, однако при максимальном рассуждении может расходовать много токенов.
- DeepSeek V4.1 Flash. Ночью и по выходным цены равны $0,15 и $0,60, в пиковые часы они увеличиваются вдвое. Кэш стоит почти ничего, а веса доступны по лицензии MIT.
GPT-6.1 Terra стала дешевле прежней версии
Предыдущая Terra была последней моделью OpenAI поколения 5.6. Новая версия снизила цену входа с $2 до $1, а выхода, с $12 до $5. Миллион токенов повторяющейся части запроса из кэша обходится в $0,05. В пакетном режиме с ответом в течение суток цена остаётся вдвое ниже.
В задачах программирования эта модель не занимает первое место. При максимальном уровне рассуждения в Terminal-Bench 4.0, тесте задач для командной строки, Terra выполняет 50,3 %. Предшественница набирала 21,5 %. Для тяжёлого кода сама OpenAI рекомендует GPT-6.1 Sol либо GPT-6 Astra.
Зато в управлении компьютером, включая окна, формы и таблицы, Terra показывает 74,2 % в OSWorld 2.1. Именно такие сценарии компания выделяет для модели.
OpenAI также приводит данные по ошибкам в фактах на сложных вопросах. При максимальном рассуждении Terra ошибается в 4,3 % ответов, а на среднем уровне, в 10,1 %. Поэтому выбранный уровень рассуждения здесь существенно влияет на результат.
Есть и ограничения доступа. В обычном чате ChatGPT Terra отсутствует: она доступна через API, в ChatGPT Work и Codex. Когда вход превышает 272 тысяч токенов, весь запрос считают по удвоенному тарифу входа и с увеличением цены выхода в полтора раза.
Terminal-Bench показывает разрыв в коде, скорость меняет картину
Единого независимого теста со всеми четырьмя моделями мне найти не удалось. Ближе всего к такому сравнению Terminal-Bench 4.0: результаты по нему раскрывает каждый из производителей.
Kimi K3.1 Pro решает 65,7 % задач. Это почти соответствует 66,4 % у Opus 5.5, при цене вдвое меньше. У Terra результат равен 50,3 %, у DeepSeek, 42,3 %, у Haiku, 39,2 %.
Для DeepSeek есть существенная оговорка. Компания проводила замер через оболочку Claude Code, а на агентных тестах итог заметно зависит от используемой оболочки.
По скорости порядок другой. Artificial Analysis оценивает Haiku 5.5 примерно в 235 токенов в секунду, DeepSeek, примерно в 180, Terra, около 95, Kimi, лишь 31. Haiku подготовит ответ на 2 000 токенов приблизительно за девять секунд, а Kimi потребуется больше минуты.
У Kimi есть ускоренный вариант Highspeed. Он работает в 2–3 раза быстрее, но стоимость тоже возрастает вдвое: до $4 за вход и $20 за выход.
Moonshot отдельно проверяет частоту выдуманных фактов. В собственном тесте с поиском K3.1 Pro допускает ошибки в 8,3 % утверждений, тогда как DeepSeek V4.1 Flash, в 23,3 %. Это не независимая проверка, но разрыв заметный.
Пять сценариев показывают реальную стоимость
Расчёты ниже относятся к тысяче одинаковых запросов, кроме двух ресурсоёмких сценариев, где взята сотня задач. Токены рассуждений пока не учтены, они разобраны далее. Для DeepSeek используется ночной тариф, в пиковые часы все его суммы нужно умножить на два.
1. Категоризация писем. Инструкции вместе с письмом занимают примерно 800 токенов, ответ, около 30. Обработка тысячи писем обойдётся в $0,10 у Haiku, $0,14 у DeepSeek, $0,95 у Terra и $1,90 у Kimi. В таком сценарии платить за более сильные модели смысла нет.
2. Рерайт статьи на 7 тысяч знаков. На вход подаются 3 000 токенов текста и инструкции, на выходе получается 2 500. Тысяча статей стоит $1,55 у Haiku, $1,95 у DeepSeek, $15,50 у Terra и $31 у Kimi. Здесь разница касается уже качества результата, поэтому экономию лучше сначала проверить на собственных текстах.
3. Ответы поддержки по базе знаний. В кэше находится база размером 20 000 токенов, пользовательский вопрос занимает 300 токенов, ответ, 250. Самый дешёвый вариант, DeepSeek: $0,26 за тысячу ответов благодаря цене кэша $0,003 за миллион. Для Haiku сумма равна $0,36, для Terra, $2,55, для Kimi, $7,10. Кэш Kimi обходится в 67 раз дороже, чем у DeepSeek, и в этом сценарии это определяет итоговый счёт.
4. Агент исправляет ошибку в коде. На одну задачу приходится около 30 обращений: всего 1,5 млн входных токенов, 90 % которых берутся из кэша, и 40 тысяч выходных. Сотня задач стоит $4,85 на Haiku, $5,06 на DeepSeek, $41,75 на Terra и $97 на Kimi. Но слабая модель чаще не справляется, а повторный запуск требует и денег, и времени человека. В Terminal-Bench Kimi выполняет в 1,7 раза больше задач, чем Haiku.
5. Анализ документа на 300 тысяч токенов. При выходе в 3 000 токенов сотня документов стоит $4,68 на DeepSeek, $15,75 на Haiku, $62,25 на Terra и $63 на Kimi. После 100 тысяч токенов Haiku дорожает в пять раз. У Terra цена удваивается после 272 тысяч, а у DeepSeek и Kimi такого порога нет.
Стоимость задачи зависит не только от тарифа
Тариф за миллион токенов не отражает, сколько токенов модель фактически израсходует. Artificial Analysis запускает модели на едином наборе задач и фиксирует расход. На максимальном рассуждении Haiku 5.5 выдала 300 млн токенов, Kimi, 110 млн, Terra, 99 млн.
Haiku стоит в десять раз меньше Terra за токен, но на сложных заданиях расходует втрое больше текста. Средняя задача из этого набора обошлась в $0,41 на Haiku, $0,96 на Terra и $3,68 на Kimi. Поэтому десятикратная разница в прайсе превращается примерно в двукратную.
В простых сценариях, например при сортировке писем, рассуждение не требуется, и преимущество Haiku сохраняется полностью. В сложных задачах его заметно уменьшает многословный ответ.
Для массовых простых операций уровень рассуждения лучше снижать или отключать. У Haiku 5.5 рассуждение включается по умолчанию, как и у DeepSeek.
Модели подходят для разных типов работы
- Массовые простые операции: Haiku 5.5. Подходит для сортировки, извлечения данных и коротких ответов. Это самая быстрая модель из четырёх, поэтому она удобна для чатов, где человек ждёт ответ сразу.
- Документы большого объёма и кэшированные базы: DeepSeek V4.1 Flash. Модель дешевле других при длинных входах и повторяющихся запросах. Тяжёлые задания лучше отправлять ночью или на выходных: в будние дни пиковые часы по Москве идут с 4 до 7 и с 9 до 13. Открытые веса позволяют развернуть её на своём сервере.
- Офисные и браузерные агенты: GPT-6.1 Terra. Подходит для форм, таблиц и регулярных действий в интерфейсах. На максимальном рассуждении она реже ошибается в фактах. Это удобный вариант для тех, кто уже использует OpenAI.
- Программирование и длительные агентные процессы: Kimi K3.1 Pro. По задачам кода она ближе остальных к Opus 5.5 и заметно дешевле. Из-за невысокой скорости модель больше подходит для фоновых процессов, чем для диалога в реальном времени.
Следующий шаг — проверить модели на собственных задачах
Средний сегмент разделился на две группы. Terra и Kimi стоят доллар-два за миллион токенов и берут задачи, которые полгода назад требовали флагманских моделей. Haiku и DeepSeek стоят на порядок дешевле и справляются с черновой работой.
На сложных задачах преимущество дешёвых моделей уменьшается: они могут тратить больше токенов и потребовать повторных запусков после неудачи. Практичная схема выглядит так: недорогая модель сортирует, извлекает данные и готовит материал, а средняя работает там, где ошибка обходится дорого.
Перед переносом серьёзного процесса на новую модель прогоните двадцать своих реальных задач. Сравните не только прайс, но и итоговый счёт.
