Тест в OpenCode: Claude Opus обошёлся в 13 раз дороже DeepSeek при одинаковом результате
Автор независимого теста прогнал DeepSeek и Claude через OpenCode на 156 запусках и показал, что при одинаковом результате 39 из 39 реальные списания различаются в 13 раз: от $0,67 до $8,76.

Цена за миллион токенов не говорит, сколько обойдётся готовая задача. На одинаковой работе дешёвая модель вышла в 13 раз выгоднее дорогой, а по прайсу разрыв выглядел бы как 38,6 раза.
Обычно модели сравнивают по прайсу или по рейтингам качества. Автор теста пошёл другим путём: дал четырём моделям одинаковые задачи в OpenCode и посчитал реальные списания с баланса. Его имя в переданном материале не указано. Вывод получился прикладной: за одинаковый результат платят очень разные деньги, и решает не только тариф.
| Что | Когда | Кто выпустил | Цена за 39 запусков |
|---|---|---|---|
| DeepSeek V4.1 Flash | тарифы на 18 ноября 2026 | DeepSeek | $0,67 |
| DeepSeek V4 Pro | тарифы на 18 ноября 2026 | DeepSeek | $2,89 |
| Claude Sonnet 5.5 | тарифы на 18 ноября 2026 | Anthropic | $3,65 |
| Claude Opus 5.5 | тарифы на 18 ноября 2026 | Anthropic | $8,76 |
| Весь тест, 156 запусков | дата запуска не названа | автор сравнения | $15,98 |
Что показал тест OpenCode кроме цены?
OpenCode здесь работает как среда, где нейросеть становится ИИ-агентом (agent), то есть программой, которая сама правит файлы и запускает код, а не просто отвечает в чате. Автор взял версию 1.19.6 и запретил агенту всё, кроме редактирования файлов в рабочей папке и нескольких безопасных команд.
- Задачи. 13 задач на языке программирования Python. Десять отдельных функций (разбор размеров файлов, расписаний и номеров версий) и три небольших проекта объёмом от 87 до 299 строк кода.
- Результат. После исправления ошибки в скрипте проверки все четыре модели прошли 39 запусков из 39. Решения проверяли скрытыми тестами, от 17 до 34 проверок на задачу.
- Деньги. Opus обошёлся в 13 раз дороже Flash, Sonnet в 5,4 раза.
- Поведение. В задаче с транзакциями Claude оставил в проекте десятки новых тестов, а DeepSeek проверил код и убрал временные файлы за собой.
- Посредник. Все запросы шли через TeamoRouter, API-шлюз (сервис, который пересылает запросы к разным моделям через один счёт). Напрямую у DeepSeek и Anthropic автор задачи не запускал.
Важная для практики деталь кроется в устройстве счёта. Токен, это кусочек текста, за который модель берёт деньги. Агент на каждом шаге дописывает контекст и сохраняет его в кеш, своеобразный черновик для повторного чтения.
У Anthropic запись в кеш стоит на четверть дороже обычного ввода. В пересчёте по прайсу на неё пришлось 40% расходов Opus и 48% расходов Sonnet. У DeepSeek отдельной платы за такую запись нет.
Второй фактор, это «размышления» (reasoning), внутренние рассуждения модели перед ответом, которые тоже оплачиваются. Opus выдал 776 тыс. выходных токенов против 287 тыс. у Flash, и больше половины объёма у Opus ушло на размышления. Sonnet в настройках OpenCode по умолчанию работал без этого режима.
Одна модель на одной задаче идёт разными путями. Самый дорогой из трёх запусков в среднем обходился в полтора раза дороже самого дешёвого, а в крайнем случае разница доходила до 4,2 раза. Сам автор не советует делать выводы о мелких различиях в цене по трём попыткам. Набор задач до предела сложности моделей не добрался, все справились.
Как повторить сравнение у себя?
- Возьмите две или три модели и одну типовую задачу из своей работы, лучше многошаговую.
- Прогоните её минимум три раза на каждой модели, как делал автор: разброс между попытками заметный.
- Смотрите реальные списания в выгрузке счёта, а не прайс за миллион токенов.
- Проверьте не только «сделано или нет», но и что осталось после агента: лишние файлы, тесты, правки.
А что с российскими нейросетями?
Из доступных в РФ аналогов, YandexGPT и GigaChat. В этом тесте их не проверяли, поэтому прямого сравнения цен нет. О доступности TeamoRouter и самих моделей в России источник не сообщает.
Что делать с этим прямо сейчас, по ролям
Автору Дзена: если вы пишете о нейросетях, подавайте сравнение моделей через стоимость готового результата. Фраза «одна задача за 67 центов и за 8,76 доллара» понятнее читателю, чем таблица тарифов.
Маркетологу: при выборе модели для автоматизации закладывайте в бюджет многошаговость. Агент тратит больше, чем одиночный запрос, и считать надо по факту первой недели работы.
Предпринимателю: перед подпиской на дорогую модель прогоните свою реальную задачу на двух вариантах. Если результат одинаковый, разница в счёте за год может оказаться кратной.
На мой взгляд, главный урок этого теста не в победе DeepSeek, а в методе: считать стоимость задачи, а не токена. Оговорка: задачи узкие, только Python, и через посредника цифры могли сдвинуться. Сегодня сделайте простое: выберите одну рутинную задачу и сравните, сколько она реально стоит на двух моделях, к которым у вас есть доступ.
Частые вопросы
Значит, дорогая модель хуже?
Нет. На этих 13 задачах результат совпал, но сложнее задачи в наборе не было. Где у моделей появится разница в качестве, тест не показал.
Почему прайс и реальный счёт так расходятся?
Пересчёт по официальным тарифам дал $47,64 против реальных $15,98. Автор связывает это с условиями оплаты через TeamoRouter во время теста. Кроме того, от 73 до 94% входных токенов читалось из кеша, а это дешевле обычного ввода.
Нужно ли уметь программировать, чтобы применить вывод?
Нет. Принцип переносится на любые задачи: сравнивайте модели на своей работе и смотрите итоговую сумму, а не цену за миллион токенов. Тот, кто считает расходы по факту, уже в первом месяце видит, какая модель окупается.

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».
Читайте также

Google построила фальшивый интернет для ИИ-агентов Chrome: их проверяют на копиях банков
Google впервые подробно описала в своём блоге «Зеркальное измерение», изолированный интернет для тренировки ИИ-агентов Chrome на базе Gemini, где агентов…

Бывшая топ-менеджер Alibaba привлекла $48,5 млн: Everful связывает ритейлеров с фабриками Китая
Компания Everful бывшей руководительницы Alibaba Сиси Сун привлекла $48,5 млн в раунде серии A на фоне пошлин и торговых споров США и Китая, которые напрямую…

От разработки к FDE: спрос на инженеров у заказчика вырос в 4,6 раза при росте рынка на 2,5%
Бывший программист, а ныне ИТ-менеджер, разобрал на Хабре рост вакансий FDE, инженеров у заказчика, в 4,6 раза за год, пока инженерный рынок в целом прибавил…
Комментарии