Сравнение цен и скорости ИИ моделей Midjourney

Осенью 2026 года рынок больших языковых моделей обновился за считаные дни: 1 сентября Anthropic выпустила Claude Fable 5.1, 3 сентября OpenAI показала GPT-6 Astra, следом отчитались xAI и DeepSeek. Публикации об этих релизах расходятся в цифрах на десятки процентов, и без понимания, откуда берётся каждое число, сравнивать модели бессмысленно. Ниже разбираем метод пошагово, от источников данных до конкретных цен за задачу, по материалам сводного разбора dzen.guru с опорой на данные Artificial Analysis.

Что понадобится?

• Доступ к сайту Artificial Analysis (искать по названию в поиске) для независимых замеров качества и цены
• Прейскуранты моделей на официальных страницах Anthropic, OpenAI, xAI, DeepSeek
• Калькулятор или таблица (Google Sheets, Excel), чтобы пересчитать цену токена в цену задачи
• 30 минут на первый прогон; дальше обновление занимает 5 минут при выходе новой модели

Как сравнить модели по-честному: пошаговая инструкция

1. Разделите три сорта цифр и не смешивайте их.

Первый сорт: таблицы самих компаний. Они выбирают тесты, настраивают обвязку (программу подачи задач и проверки ответов) и уровень рассуждения под лучший результат. По данным Artificial Analysis, один и тот же Terminal-Bench 4.0 для Grok 4.7 показывает 37,6 % у xAI и 33 % в независимом замере. Вывод: по фирменным таблицам сравнивать можно только грубо.

Второй сорт: независимые замеры. Artificial Analysis держит одинаковые условия для всех и сводит десять тестов в один индекс. Слабость индекса: это средняя температура по больнице, модель с сильной нишей в нём проигрывает.

Третий сорт: прямые сравнения блогеров и изданий. Берут одно-два задания на несколько моделей. Это ближе всего к реальной работе, но выборка крошечная: иллюстрация, а не статистика.

2. Проверяйте уровень рассуждения при каждом сравнении.

Уровень рассуждения (reasoning level) идёт ступенями от low до max. Одна и та же модель на разных ступенях ведёт себя как разные модели. По данным Artificial Analysis, Opus 5.5 на low и на max отличается на 16 баллов индекса, а цена задачи вырастает в 11 раз. Сравнивать лучшие результаты стоит только на одинаковом, желательно максимальном, уровне.

3. Пересчитайте прейскурант в цену задачи.

Прейскурант показывает цену слова, а вы платите за решённую задачу. Расход слов у моделей очень разный, и токены размышлений (thinking tokens, внутренние рассуждения модели, которые вы не видите, но оплачиваете) идут по цене выходного токена (токен, единица текста примерно в 3-4 русских буквы, за которую списываются деньги).

Вот где midjorney нейросеть цена и аналогичные запросы обычно сбивают с толку: человек видит цену за миллион токенов, умножает на свой объём и думает, что посчитал бюджет. Но модель может потратить на ту же задачу в пять раз больше токенов, чем конкурент.

Конкретные цифры задачи на максимальном уровне рассуждения по данным Artificial Analysis:

• Sonnet 5.5: $7,67 за задачу (420 млн выходных токенов на прогон, при том что медиана класса 81 млн)
• Fable 5.1: $7,63 за задачу (190 млн токенов)
• Opus 5.5: $5,98 за задачу (260 млн токенов)
• GPT-6 Astra: $3,26 за задачу, вдвое дешевле Opus
• GPT-6.1 Sol: 72 цента за задачу при 52 баллах индекса и 67 млн токенов на прогон
• Grok 4.7: $3,74 за задачу (по прейскуранту в пять раз дешевле Astra, но расход 81 тысяча выходных токенов против 36 тысяч у предыдущего Grok 4.6)
• GPT-6 Luna: 7 центов за задачу, 38 баллов
• DeepSeek V4.1 Flash: 27 центов, 39 баллов
• DeepSeek V4 Pro: 67 центов, 36 баллов (дороже Flash при худшем результате после летнего подорожания)

4. Сверьте индекс с отраслевыми тестами по вашей нише.

Сводный индекс Artificial Analysis на 3 октября 2026, лучшие результаты:

• Claude Opus 5.5: 58 баллов (первое место из 224 моделей)
• Claude Sonnet 5.5: 56
• Claude Fable 5.1: 53
• GPT-6 Astra: 53
• GPT-6.1 Sol: 52
• Grok 4.7: 46
• DeepSeek V4.1 Flash: 39
• GPT-6 Luna: 38
• DeepSeek V4 Pro: 36

Пять первых мест делят Anthropic и OpenAI, разрыв между ними шесть баллов. Это меньше, чем разница между ступенями low и medium у одной модели: наверху плотная группа, и настройка решает не меньше, чем выбор поставщика.

Но если ваша задача узкая, индекс может врать. Terminal-Bench 4.0 (агентные задачи в терминале) расставляет модели иначе: Sonnet 5.5 лидирует с 70,6 %, а Fable 5.1 отстаёт до 55,8 %. В юридическом тесте Harvey Grok 4.7 набирает 19,6 % против 6,7 % у Fable 5.1.

5. Проверяйте источник каждой цифры.

По данным Artificial Analysis, расхождения индекса для одной модели в разных пересказах доходят до 15 баллов. Сверяйтесь с первоисточниками: официальными анонсами, прейскурантами и страницами моделей на Artificial Analysis.

Что делать с этим прямо сейчас?

Автору Дзена. Прежде чем оплачивать подписку или API для генерации текстов, проверьте цену задачи, а не токена. Для типовых текстовых задач GPT-6.1 Sol по данным Artificial Analysis даёт лучшее соотношение качества и цены среди моделей выше 50 баллов: 72 цента за задачу. Если бюджет минимален, DeepSeek V4.1 Flash (открытая модель, опенсорс) обойдётся в 27 центов при 39 баллах.

Маркетологу. Закладывайте в бюджет не «стоимость 1 млн токенов», а «стоимость 1000 обработанных задач». Разница между моделями на одной и той же работе достигает десятикратной. Это критично при масштабировании рассылок, аналитики, генерации карточек товаров.

Предпринимателю в РФ и СНГ. Прямой доступ к API Anthropic и OpenAI из России ограничен, но DeepSeek доступен напрямую. Из российских аналогов работают YandexGPT и GigaChat. Методика сравнения та же: считайте цену задачи, а не токена, и проверяйте на своих реальных промптах (промпт, текстовая инструкция для нейросети), прежде чем масштабировать.

Экономия на ИИ начинается не с выбора «самого дешёвого тарифа», а с одного вопроса: сколько токенов модель потратит на мою конкретную задачу. Ответ почти всегда удивляет, и почти всегда в пользу кошелька, если считать заранее.