
Экономика AI в разработке
Почему токены дешевеют, а бюджет растёт — и как считать принятую работу

Почему токены дешевеют, а бюджет растёт — и как считать принятую работу
Почему токены дешевеют, а бюджет растёт — и как считать принятую работу
Авторская схема прогноза по рынку, FinOps и агентным сценариям
Три независимых сигнала с разными границами выборки
Синтез исторических трендов, тарифов и расширения спроса
Расход растёт через объём задач, вызовов и инфраструктурные слои
Деньги, шаги, время и полномочия ограничиваются на весь workflow
Место, эксперимент, production, платформа и риск имеют разных владельцев
Сначала показать стоимость и результат, затем распределять ответственность
Токены — единица биллинга, но плохая единица ценности
Сравнивать можно только маршруты, прошедшие общий критерий приёмки
Наблюдаемый риск
METR: −19% скорости
Ожидание участников: +20%
Узкая выборка 2025
Правильный вывод
Не универсальный штраф
Инструменты уже изменились
Нужен собственный baseline
Prompts, tools, evals и процессы мигрируют труднее HTTP-клиента
Состояние, данные, evals и приёмка принадлежат компании
SLA, capacity, data terms и критичность важнее скидки
Auto, Быстро, Глубоко и Чувствительные данные скрывают волатильность рынка
Политики, наблюдаемость и evals образуют независимые контуры
Learned router — последний шаг, а не точка старта
Сначала общий quality gate, затем полная стоимость
Локальная модель берёт стабильный поток, frontier — сложный хвост
Видимость, ограничения и портфельное управление вводятся последовательно
Итоговая модель измерения по каждому task class
Считать принятую задачу
Ставить бюджет на трейс
Бюджетировать по естественным владельцам
Владеть state, evals и контрактом
Начинать routing с телеметрии
Дешёвый интеллект расширяет спрос быстрее, чем сокращает счёт