AI агенты: что это за расходы, если 89% бюджета уходит на кэш, а не на ответы

Если вы работаете с кодинг-агентами и видите только итоговый счёт в конце месяца, вы принимаете решения вслепую. Разработчик утилиты Ledgent столкнулся с тем же: счёт за Claude Code был, а понимания, из чего он складывается, не было. Он написал инструмент, который читает логи прямо с диска и раскладывает расходы по пяти группам токенов (токен, это единица текста, которую обрабатывает модель; чем больше токенов, тем выше расход). Результаты удивили его самого.

Для тех, кто только разбирается: AI агенты что это такое в данном контексте? Это программы, которые сами выполняют задачи, например пишут и правят код, читают файлы, запускают команды в терминале. Работают они через API (программный интерфейс) языковой модели и тратят токены на каждое действие. Ledgent показывает, куда именно уходят эти токены.

Что понадобится?

• Claude Code с историей сессий (утилита читает логи из папки ~/.claude/projects)
• Node.js версии 18 или новее
• Терминал (командная строка): на macOS/Linux работает сразу, на Windows может потребоваться настройка PowerShell (подробности ниже)
• Время: 2 минуты на первый запуск, данные уже на вашем диске

Пошаговая инструкция

1. Убедитесь, что Node.js установлен. В терминале выполните:

node --version

Если версия ниже 18, обновите Node.js с официального сайта.

1. Запустите утилиту без установки. Одна команда:

npx @nexalix/ledgent report

Утилита найдёт логи Claude Code на диске, прочитает поля usage из каждого ответа модели и посчитает стоимость по пяти группам токенов.

1. Для краткого отчёта (пять строк, удобно скопировать в чат):

npx @nexalix/ledgent report --brief

1. Если хотите показать отчёт публично, скройте названия проектов:

npx @nexalix/ledgent report --redact

1. На Windows, если PowerShell выдаёт ошибку «running scripts is disabled», это ограничение политики выполнения, а не баг утилиты. Три варианта обхода:
2. запустить команду через npx.cmd
3. использовать cmd.exe вместо PowerShell

4. один раз выполнить Set-ExecutionPolicy -Scope CurrentUser RemoteSigned

5. Прочитайте строку «rates as of» в отчёте. Она показывает, по каким именно ценам считались расходы. Ставки моделей меняются, и автор Ledgent на собственном опыте убедился, насколько это критично (об этом ниже).

Почему 89% уходит на кэш, а не на ответы?

Главный вывод, который показала утилита: почти 89% расходов автора пришлось на перечитывание и перезапись закэшированного контекста. На саму генерацию ответов, то есть на полезную работу модели, ушло около 9%.

Механика простая. Чтение кэша стоит в десять раз дешевле свежего входного токена. Но когда ИИ-агент за одну сессию прокачивает через кэш сотни тысяч токенов и делает это многократно, дешёвое умножается на большое. Итог неожиданный для тех, кто привык считать только «стоимость генерации».

По данным автора, на машине другого разработчика с совершенно другим набором проектов воспроизвелись те же примерно 89%. Это может быть характерной пропорцией для интенсивной работы с Claude Code.

Ловушка с ценами, которая завысила счёт втрое

Автор утилиты вписал ставки модели Opus по памяти: 15 и 75 долларов за миллион токенов. Отчёт показал 39 тысяч долларов за месяц.

Реальная ставка Opus на момент проверки оказалась 5 и 25 долларов. Итог упал до примерно 15,5 тысяч. Разница в три раза, и причина банальная: цены моделей это данные с датой, а не константа.

После этого автор добавил в утилиту дату ставок прямо в вывод и проверку в рантайме (процессе работы программы): сумма пяти групп токенов обязана совпасть с итогом, иначе программа останавливается с ошибкой.

Подписка и API: не путайте две разные цифры

Ещё одна деталь, которую автор сознательно не стал прятать. Доллары в отчёте Ledgent это API-эквивалент, то есть «столько стоили бы эти токены по тарифам API». Автор работает по подписке и этих 15,5 тысяч не платил.

По его данным, подписка даёт примерно в 155 раз больше токенов на доллар, чем прямой доступ через API. Гонять кодинг-агентов такого объёма через API одному разработчику, по его словам, экономически бессмысленно.

Исключение: модель Fable тарифицируется отдельными кредитами и подпиской не покрывается. Её расход в отчёте указан живыми деньгами, а годовой API-эквивалент вынесен отдельной строкой с пометкой.

Приватность: данные не покидают вашу машину

Утилита работает полностью офлайн. Она читает логи сессий, в которых лежит код, вывод терминала, иногда чувствительные данные. Автор сначала сделал автообновление по сети, потом сам отказался от этого решения: инструмент, который читает ваши транскрипты и при этом ходит в интернет, подрывает собственный аргумент безопасности.

Единственная сетевая команда, ledgent update, запускается только вручную. В рантайме ноль зависимостей, лицензия Apache 2.0.

Что делать с этим прямо сейчас?

Разработчику, который работает с Claude Code. Запустите npx @nexalix/ledgent report --brief и посмотрите своё соотношение кэша и генерации. Если оно близко к 89/9, вы знаете, куда копать: оптимизация контекста сессий даст больше экономии, чем смена модели.

Автору Дзена и маркетологу. AI агенты что это на практике? Это инструменты, которые тратят ваш бюджет незаметно. Даже если вы используете не Claude Code, а другие агентные решения, принцип тот же: без аудита токенов вы не знаете, за что платите. Из доступных в РФ инструментов для работы с кодом есть GigaCode от Сбера, но утилит аудита расхода токенов для российских сервисов пока нет.

Предпринимателю, который считает бюджет на ИИ. Разница между подпиской и API-тарифом может составлять два порядка. Прежде чем закладывать расходы на ИИ-агентов в бюджет команды, проверьте, по каким именно ставкам вы считаете, и когда эти ставки обновлялись.

npx @nexalix/ledgent report --redact