Счета за ИИ-агентов взлетают — что с этим делать

На прошлой неделе LangChain опубликовал откровенное предупреждение: расходы на ИИ-агентов выходят из-под контроля, и большинство команд не могут объяснить, куда уходят деньги. В блог-посте, написанном Эми Ру 2 июля 2026 года, описывается паттерн, который LangChain наблюдает у клиентов по всей отрасли — от стартапов до крупнейших технологических компаний мира.

Цифры впечатляют. Руководитель инженерного отдела в стартапе среднего размера рассказал LangChain, что счёт его команды за ИИ-агентов вырос в 6 раз за два квартала — не потому что работа стала сложнее, а потому что никто не следил. Uber, по имеющимся сведениям, исчерпал весь бюджет на ИИ на 2026 год за четыре месяца. Microsoft отменяет лицензии Claude Code по всем подразделениям. Salesforce столкнулся со счётом от Anthropic на $300 млн.

Авторы поста дали этой эпохе название: токенмаксинг — привычка начала 2026 года воспринимать высокие расходы на токены как знак прогресса. Больше сожжённых токенов означало больше возможностей, больше отдачи, больше доказательств того, что инвестиции в ИИ работают. Спустя несколько месяцев настроения изменились.

Почему счета взлетели

Главная проблема, которую выделяет LangChain, не в том, что агенты дорогие по своей природе. Всё дело в том, что расходы разрозненны по инструментам, которые не взаимодействуют друг с другом.

Одна фича может задействовать Claude Code для начальной реализации, Cursor для редактирования на лету и Copilot Chat для ревью коллеги. Каждый инструмент ведёт собственную активность в своём формате. Спросите команду: «сколько мы реально потратили на реализацию этой фичи и стоило ли оно того?» — и большинство не смогут ответить.

Эта фрагментация носит структурный характер. Copilot генерирует OpenTelemetry-спаны. OpenCode использует хуки сессий. Pi работает через расширение. Cursor опирается на хуки. Вызов инструмента в Claude Code и вызов инструмента в Cursor фиксируются по-разному, и их нельзя сравнить напрямую. Стоит команде перейти за пределы одного инструмента — а LangChain говорит, что это происходит «практически мгновенно» — встроенных дашбордов уже недостаточно.

Четырёхэтапное решение: от прозрачности к управлению

Предлагаемое LangChain решение — не единичная функция, а цикл из четырёх связанных этапов:

1. Прозрачность. Вместо пяти дашбордов в пяти форматах командам нужно единое представление по всем используемым ИИ-агентам. LangSmith теперь трассирует сессии из Claude Code, Codex, Cursor, GitHub Copilot Chat, Pi и OpenCode в единую модель трассировки — одинаковые метаданные, одинаковый синтаксис запросов, независимо от того, какой инструмент запускал сессию.

2. Стандартизация. Когда сессии представлены рядом, команды могут честно их сравнивать: расход токенов, стоимость сессии, вызовы инструментов и активность субагентов — всё приведено к единому формату. На этом этапе выясняется, действительно ли Cursor или Claude Code приносит больше пользы за деньги в конкретном рабочем процессе.

3. Оптимимизация. Данные делают оптимизацию возможной, но у большинства команд нет ресурсов вручную просматривать каждую сессию агента в поисках потерь. Функция Engine от LangChain анализирует сессии и выдаёт конкретные рекомендации — такого рода, какие дал бы старший инженер, если бы у него было время просмотреть каждый пул-реквест, созданный агентом. Например, если агент делает избыточные вызовы инструментов для повторного получения одного и того же контекста в рамках сессии, Engine это фиксирует и рекомендует объединить вызовы.

4. Управление. LLM Gateway от LangSmith позволяет устанавливать лимиты расходов на уровне пользователя, команды и организации. В посте отмечается, что скоро система будет маршрутизировать запросы на open-source модели там, где они подходят — авторы утверждают, что open-source модели «достаточно хороши и дешёвы», чтобы быть вариантом по умолчанию в каждом агентном стеке, а флагманские модели оставлять для задач, которые действительно в них нуждаются.

Каждый этап подпитывает следующий. Прозрачность показывает, где оптимизировать. Оптимизация выявляет, где управление должно быть жёстче. Управленческие ограничения закрепляют результат, чтобы следующий цикл прозрачности показывал прогресс, а не новые потери.

Что это значит для команд с самохостируемым ИИ

Подход LangChain — расходы на ИИ-агентов как проблема наблюдаемости и управления — имеет конкретное значение для всех, кто строит решения на базе самохостируемого ИИ или собственной агентной инфраструктуры: контроль расходов начинается на уровне архитектуры, а не на странице счёта.

Когда вы запускаете агентов на собственной инфраструктуре, у вас есть структурное преимущество, которого нет у команд на чистом SaaS: вы управляете маршрутизацией моделей. Вы решаете, какая модель обрабатывает какую задачу. Вы можете направить рутинную работу — сжатие контекста, извлечение текста, форматирование — на дешёвую локальную модель, а дорогой платный ключ беречь для настоящего рассуждения.

Именно эту модель используют самохостируемые ИИ-команды вроде OfficeForge. Агент-программист получает сильную модель. Агент-исследователь — что-то подешевле. Рутинные операции — сжатие контекста под окно модели, извлечение текста со страниц — работают на локальной модели за $0. Платный API-ключ тратится только на реальную работу.

Главный урок поста LangChain касается памяти и непрерывности. Агенты сжигают токены не всегда из-за плохих промптов или расточительных циклов — часто причина в том, что они заново исследуют то, что команда уже решила. Двухуровневая система памяти — векторный поиск по фактам и решениям плюс граф знаний о связях между ними — позволяет агентам вспоминать, а не переисследовать. Эмбеддинги, вычисленные локально на вашем оборудовании, ничего не стоят. Платный ключ касается только новых вопросов.

Это принципиальное отличие от SaaS-инструментов для агентов, которые обнуляют контекст каждую сессию. Когда у вашей агентной команды есть постоянная память на вашей инфраструктуре, расход токенов снижается не за счёт лимитов и ограничений, а за счёт меньшего количества избыточных вызовов изначально.

Пробел в управлении, о котором никто не говорит

Пост LangChain честен в одном: их решение «создано для команд, использующих более одного ИИ-агента». Это большинство команд, но это порождает вопрос.

Если ваш ИИ-стек — это набор SaaS-инструментов: Claude Code здесь, Cursor там, Copilot сверху — вы зависите от ценовой модели каждого вендора, от логирования каждого вендора и от ценовых решений каждого вендора. Microsoft может отменить лицензии Claude Code. Anthropic может поднять цены. Вы арендуете возможности, а арендодатель диктует условия.

Самохостинг меняет уравнение. Вы владеете рантаймом. Вы выбираете модели. Вы видите каждый запрос. В сравнении OfficeForge и ChatGPT Teams это затрагивается напрямую: когда вы перестаёте арендовать ИИ на каждого сотрудника и начинаете владеть инфраструктурой, кривая расходов склоняется в вашу пользу.

Это не значит, что самохостинг бесплатен — нужен VPS, нужно управлять ключами, нужно грамотно выбирать модели. Но проблема фрагментированных расходов по инструментам, которые вы не контролируете, — та самая, что описывает LangChain — просто не существует, когда весь стек работает на вашей машине.

Вывод

Эпоха токенмаксинга подходит к концу. Команды, которые рассматривали расходы на ИИ как неограниченную статью бюджета, теперь ломают голову, как объяснить финансам шестизначные счета. Четырёхэтапная рамка LangChain — прозрачность, стандартизация, оптимизация, управление — это обоснованный подход для организаций, использующих несколько SaaS-инструментов для программирования.

Но для многих команд более разумным ходом может быть обойти проблему вовсе. Когда ваша ИИ-команда самохостируема, управление расходами — не функция, которую вы прикручиваете после получения счёта. Оно встроено в сам способ развёртывания: ваш сервер, ваш ключ, ваш выбор модели, ваши логи — с первого дня.

Команды, которые смогут масштабировать ИИ устойчиво, — это не те, у кого лучшие дашборды. Это те, кто заложил осознание расходов в архитектуру.