Длинный контекст в API: сколько стоит и как сократить расходы

Коротко. Модель ничего не помнит между запросами, поэтому в каждый запрос уходит весь контекст: системный промпт, документы, вся история диалога. Если отправить 50 запросов с контекстом 150 тыс. токенов, вы 50 раз заплатите за одни и те же 150 тыс. Счёт снижают три вещи: кэш (у Claude, GPT и DeepSeek повторный контекст в 10 и более раз дешевле), меньший объём контекста и модель, у которой цена не растёт на длинных запросах. Ниже — расчёты и конкретные шаги. Все суммы посчитаны по странице цен RuAPI на 7 ноября 2026 года, базовый тариф; для вашего аккаунта цена может быть ниже. Эта статья — для тех, кто сам вызывает API: боты, чаты с длинной историей, анализ документов, агенты. Про Claude Code и Cline есть отдельный разбор — Экономия в Claude Code и Cline.

​

Почему длинный контекст дорогой

Стоимость запроса ≈ (токены на входе × цена ввода) + (токены на выходе × цена вывода). Ответ обычно короткий — сотни или тысячи токенов. А вход растёт с каждым ходом: к истории добавляются новый вопрос и прошлый ответ, и всё это снова уходит модели. Пример: чат-бот с документацией на 100 тыс. токенов в системном промпте. Пользователь задаёт 30 вопросов — это 30 × 100 тыс. = 3 млн входных токенов только на документацию, даже если каждый вопрос — одна строка. Поэтому на длинном контексте экономить нужно прежде всего на входе.

​

Сколько стоит один запрос

Запрос на 150 тыс. токенов входа и 2 тыс. токенов ответа. «С кэшем» — 140 тыс. токенов совпали с прошлым запросом и прочитаны из кэша, 10 тыс. — новые. Для Claude новые 10 тыс. токенов посчитаны по цене записи в кэш (в 1,25 раза дороже обычного ввода), у GPT и DeepSeek — по цене обычного ввода. claude-haiku-5-5 при 150 тыс. токенов уже за порогом в 100 тыс. и считается по старшей ступени (см. следующий раздел). Два вывода. Первый: в этом примере кэш снижает счёт в 4–5,5 раза на любой из этих моделей. Второй: разница между моделями на длинном контексте — до 40 раз, и она важнее, чем кажется по коротким тестам.

​

Где цена растёт после порога

У части моделей цена ступенчатая: пока весь промпт короче порога, действует младшая ступень, а если длиннее — весь запрос оплачивается по старшей, а не только токены сверх порога. В порог входят и токены из кэша. Цены — за 1 млн токенов, ввод / вывод: Одна цена при любой длине — у deepseek-flash, deepseek-v4-pro, claude-sonnet-5-5, claude-opus-5-5, glm-5.3, kimi-k3.1-pro, gemini-3.8-flash и gemini-2.5-flash-lite. В таблице — примеры. Порог 272 тыс. есть у всех моделей GPT-5.x и GPT-6, кроме gpt-5.4-mini и gpt-5.4-nano (у них одна цена), 200 тыс. — у gemini-2.5-pro; полный список с ценами обеих ступеней — на странице цен. Как это выглядит на деле: если увеличить контекст вдвое, со 150 до 300 тыс. токенов, запрос без кэша к deepseek-flash или claude-sonnet-5-5 подорожает примерно вдвое, а к gpt-6-luna и gpt-5.4 — почти в 4 раза: контекст вырос, и весь запрос перешёл на старшую ступень. На 300 тыс. токенов deepseek-flash ($0,053 за запрос) уже дешевле gpt-6-luna ($0,074).

​

Шесть способов платить меньше

​

1. Включите кэш

У Claude, GPT и DeepSeek повторный контекст из кэша стоит в 10 и более раз дешевле обычного ввода. У GPT и DeepSeek кэш включается сам. У Claude он работает через нативный Anthropic API или через метки cache_control в OpenAI-совместимом формате; RuAPI умеет ставить метки и сам. Как проверить, что кэш сработал: Консоль → Журнал запросов → детали записи → «Токены из кэша». Подробно — в разделе Кэширование промптов.

​

2. Не меняйте начало промпта

Кэш срабатывает, только если запрос с самого начала совпадает с прошлым, токен в токен. Одно изменение в начале — и весь длинный контекст оплачивается заново, по полной цене. Частые причины:

• текущая дата, время или случайный ID в системном промпте;
• список инструментов, который меняется от запроса к запросу (другой порядок, добавили или убрали инструмент);
• документы, которые каждый раз вставляются в разном порядке;
• служебная пометка, которую программа дописывает в начало истории.

Правило простое: всё постоянное — в начало (инструкции, инструменты, документы), всё меняющееся — в конец. Новые сообщения только добавляйте, ничего не правьте в середине.

​

3. Сжимайте старую историю

После 20–30 ходов замените старую часть диалога коротким резюме, а последние несколько сообщений оставьте как есть. Резюме можно делать дешёвой моделью, например deepseek-flash. Делайте это редко — раз в несколько десятков ходов, а не на каждом: после сжатия начало промпта меняется, и кэш один раз пишется заново.

​

4. Отправляйте нужное, а не всё

Если из большого документа или базы знаний для ответа нужен один раздел, не отправляйте целиком. Разбейте текст на части, найдите подходящие по смыслу (модели text-embedding-3-small и text-embedding-3-large доступны по тому же ключу) и отправляйте только их. Запрос на 5 тыс. токенов вместо 300 тыс. дешевле в десятки раз, а модель меньше отвлекается на лишнее.

​

5. Выберите модель под длину контекста

• Длинная переписка, ролевые чаты, поддержка, черновики — deepseek-flash: одна цена при любой длине, контекст до 1 млн токенов.
• Самая низкая цена за токен, задачи попроще — gemini-2.5-flash-lite: одна цена при любой длине, контекст до 1 млн токенов.
• До 272 тыс. токенов и нужна GPT — gpt-6-luna, самая дешёвая GPT у нас.
• Короткие промпты, нужен именно Claude — claude-haiku-5-5, пока промпт короче 100 тыс. токенов.
• Сложный анализ длинного документа, где важна точность — claude-sonnet-5-5 с кэшем: цена не растёт на длинных запросах, а кэш снимает основную часть счёта.

Сравнение качества и цены на реальной нагрузке — в статье DeepSeek или Claude.

​

6. Задавайте вопросы пачкой

Если у вас несколько вопросов к одному и тому же длинному документу, отправляйте их подряд, без перерывов: у Claude кэш по умолчанию живёт 5 минут после последнего запроса, и после паузы длинный контекст снова оплачивается полностью. А если вопросы известны заранее, их можно задать одним запросом и получить ответы списком — длинный документ уйдёт модели один раз.

​

Частые вопросы

​

Дальше