Сбер описал AI Disrupt PDLC, но цифры расхода токенов расходятся в 4 раза

В сентябре Олег Бунин разобрал AI Disrupt PDLC на Хабре, отделив инженерную рамку от продуктовой витрины Сбера. Но настоящий вопрос к документу не в маркетинге, а в числах: сколько на самом деле стоит агентная (когда ИИ действует самостоятельно, а не отвечает на один вопрос) и мультиагентная работа. Ниже пошаговый разбор того, как вытащить реальные цифры из собственных логов и сопоставить их с ориентирами Сбера.

Что понадобится

• Доступ к Claude Code или Codex CLI (интерфейсы командной строки для работы с ИИ-агентами) с активными сессиями хотя бы за 2 недели
• Умение открыть терминал и запустить скрипт на Python или jq
• Логи сессий: Claude Code хранит их в ~/.claude/projects/<путь>/<session-id>.jsonl, Codex CLI ведёт rollout-логи с полем total_token_usage
• Таблица тарифов провайдера модели (у Anthropic опубликована на сайте)
• Оба варианта документа Сбера: короткая версия и полная на 175 страниц
• Примерно 3 часа на первый подсчёт, включая исправление типичных ошибок

Пошаговая инструкция

1. Скачайте обе версии AI Disrupt PDLC. Найдите разделы 2.9 и 5.2 полной версии. Выпишите две формулировки про мультиагентный расход: в 2.9 сказано «в 15 раз больше токенов, чем одиночный агент», в 5.2 сказано «агенты потребляют примерно в 4 раза больше токенов, чем чат, а мультиагентные системы примерно в 15 раз больше». Зафиксируйте: по 5.2 мультиагент к одиночному агенту выходит 15/4, то есть 3,75x, а по 2.9 те же 15x отнесены прямо к одиночному агенту.

2. Соберите логи Claude Code. Файлы лежат в формате JSONL. У каждого ответа модели есть блок usage с полями input_tokens, output_tokens, cache_creation_input_tokens, cache_read_input_tokens. Пример чтения одной сессии:

cat ~/.claude/projects/myproject/session-abc123.jsonl \
  | jq -s '[.[] | select(.usage)] | unique_by(.message.id) | [.[].usage.output_tokens] | add'

1. Избегайте первой ловушки: дедупликация по message.id. Claude Code повторяет блок usage в каждой строке одного ответа. Если ответ состоит из нескольких блоков, строк будет несколько, а usage во всех одинаковый. Суммирование построчно завышает результат в 1,7 раза (на реальном 30-дневном окне), а по основным файлам сессий без субагентов — в 2,1 раза. Считайте один раз на message.id.

2. Не забудьте субагентов. Их транскрипты лежат отдельно, в <session-id>/subagents/*.jsonl. Если обходить только верхний уровень, сессии с субагентами (субагент — дочерний ИИ-агент, которого запускает основной агент для подзадачи) выглядят дешевле реального расхода. Припишите расход субагентов к родительской сессии.

3. Для Codex CLI берите приращения total_token_usage. Поле last_token_usage повторяется в служебных событиях без нового запроса. Надёжный способ: считать разницу между последовательными значениями накопительного total_token_usage.

4. Разделите сессии на две группы: с субагентами и без. Посчитайте средний расход токенов на сессию в каждой группе. Именно это соотношение и есть ваш эмпирический мультиагентный коэффициент.

5. Пересчитайте кэш-экономию. В разделе 4.4 короткой версии AI Disrupt PDLC заявлено «до 10-кратного снижения стоимости входных токенов при повторах». Возьмите свои входные токены, разбейте по моделям (у разных моделей разный множитель чтения кэша: 0,1 у большинства, 0,05 у Opus 5.5, 0,025 у Fable 5.1), учтите стоимость записи (1,25 или 2 от цены входа в зависимости от срока хранения) и сравните итоговую цену с ценой без кэша.

6. Сопоставьте результат с документом. Ваши данные покажут, насколько ориентиры Сбера совпадают с реальным расходом при вашем характере работы.

Противоречие в документе: 15x от чего?

Ключевое, что стоит понять перед любым планированием бюджета. В разделе 5.2 полной версии AI Disrupt PDLC цифра 15x атрибутирована Anthropic и относится к сравнению мультиагентной системы с чатом. Одиночный агент при этом даёт 4x к чату. Значит мультиагент к одиночному агенту выходит 3,75x.

В разделе 2.9 те же 15x отнесены уже напрямую к одиночному агенту. К чату это было бы 60x. Разница между двумя прочтениями — четырёхкратная.

Цифра 15 при этом не принадлежит Сберу: в исходной публикации Anthropic она тоже про сравнение с чатом. В 2.9, вероятно, её пересказали с потерей базы сравнения. Документ не объясняет, что речь о разных режимах или выборках.

Почему 33x не равно «мультиагентной надбавке»?

Сравнение не контролируемое. Субагенты запускались на крупных задачах, а среди сессий без них много коротких автоматических прогонов. В соотношении 33x смешаны цена мультиагентной схемы и размер задачи, и развести их такие данные не позволяют — для этого нужен замер одинаковых задач в двух режимах.

Дополнительный фактор — состав моделей. По выходным токенам субагенты на две трети работали на Sonnet 5, основной контекст сессий с ними — на Opus 5 и Fable 5.1, а сессии без субагентов — в основном на Opus 5. Модели различаются по «многословности», поэтому токены у двух групп не вполне сопоставимы.

Сессий с субагентами всего 29, так что средние неустойчивы.

Что делать с этим прямо сейчас?

Автору Дзена и копирайтеру. Если вы используете ИИ-агентов для подготовки контента, проверьте, сколько токенов реально уходит на сессию. Логи пишутся сами. Сравните свой расход с ориентирами документа Сбера и решите, окупается ли мультиагентный режим для ваших задач или одиночный агент выгоднее.

Маркетологу и менеджеру продукта. Прежде чем закладывать бюджет на агентную архитектуру, разберитесь, какую базу сравнения берёт ваш поставщик. Четырёхкратная разница между прочтениями одного документа — это разница между «укладываемся» и «перерасход».

Предпринимателю в РФ. Claude Code и Codex CLI доступны, хотя и с нюансами оплаты через зарубежные карты. Из доступных в РФ инструментов для агентной работы — GigaChat от того же Сбера и YandexGPT, но их логирование устроено иначе и аналогичный подсчёт потребует адаптации скриптов.

Планировать бюджет на ИИ-агентов по чужому документу без собственных замеров — всё равно что верстать смету по чужой квартире: метраж похож, а стены не там. Скачайте свои логи, прогоните скрипт, и через три часа у вас будет собственная цифра, которая точнее любого ориентира.