Главная → Блог

Что такое токены в ИИ-сервисах и почему видео дороже текста

Ден Ах · 19 сентября 2026

Человек пополняет баланс, делает десять роликов и обнаруживает, что от пакета ничего не осталось. Причина не в жадности сервиса, а в том, как считается работа моделей.

Первое столкновение с токенами выглядит так: текстовых запросов сделано полсотни, и баланс почти не сдвинулся. Потом три видео — и половины пакета нет.

Это не тариф, а физика. Разные модели требуют принципиально разного объёма вычислений.

Что такое токен

Токен — это внутренняя единица сервиса, в которой измеряется работа. Не минута и не запрос, а именно объём вычислений, который потребовался, чтобы выдать результат.

У языковых моделей есть своё понятие токена — кусочек текста примерно в три-четыре символа. Сервисы-агрегаторы обычно вводят собственную единицу поверх: одна для всех моделей, чтобы не считать в разных валютах.

Смысл в обоих случаях один: платите не за факт обращения, а за тяжесть задачи.

Почему разница такая большая

Текст модель генерирует по кусочку: слово за словом, каждое опирается на предыдущие. Страница текста — это тысячи мелких шагов, но шаги дешёвые.

Картинка рождается иначе: модель несколько десятков раз проходит по всему изображению, постепенно превращая шум в осмысленный кадр. Каждый проход — это работа со всем полотном сразу.

Видео — это те же картинки, только их десятки. И между ними нужно держать связность: чтобы предметы не прыгали, свет не менялся, лицо оставалось тем же. Пять секунд ролика — это несколько сотен кадров и постоянная сверка их друг с другом.

Отсюда порядок цен: страница текста дешевле картинки, картинка дешевле секунды видео. Разрыв не в разы, а в десятки раз.

На что уходит баланс на самом деле

Не на генерации, а на перебор. Модели вероятностные: два одинаковых запроса дают разный результат, и удачный вариант редко приходит первым.

Практика такая. Картинка: два-три варианта на кадр. Видео: три-четыре генерации, пока движение не сядет. Песня: пять-десять попыток, пока сойдутся текст, стиль и вокал.

Значит, стоимость задачи — это цена одной генерации, умноженная на число попыток. Именно её и стоит закладывать, планируя работу.

Как тратить меньше

Доводить дешёвое до запуска дорогого. Исходную картинку правят в генераторе изображений — это копейки. И только когда кадр устраивает, отправляют его в видеомодель, где каждая попытка стоит дорого.

Менять по одному параметру. Переписали сразу три детали промта — и непонятно, что дало результат. Придётся перебирать заново.

Сохранять удачные формулы. Отлаженный промт работает на всю серию: меняется только сюжет. Библиотека из пяти-шести рабочих формул снимает половину расхода на эксперименты.

Не брать максимальные настройки по умолчанию. Предельное разрешение и максимальная длительность нужны реже, чем кажется, а считаются заметно дороже.

Планировать объём. Сорок карточек товара — это примерно сто двадцать генераций с учётом перебора. Такую цифру лучше знать до того, как пополнили баланс.

Подписка или токены

Подписка списывается целиком, сколько бы вы ни сгенерировали. Выгодна при постоянной равномерной нагрузке.

Токены списываются по факту. Это выгоднее, когда объём скачет: в один месяц сорок карточек, в другой ни одной.

Отдельная арифметика возникает, когда моделей нужно несколько. Одна для картинок, другая для видео, третья для реставрации, четвёртая для текста. Четыре подписки оплачиваются целиком каждая. Общий баланс тратится только на то, чем вы пользовались.

Границы

Точную цену задачи заранее не назовёт никто: она зависит от количества попыток, а их число заранее неизвестно.

Цены и лимиты у зарубежных сервисов меняются чаще, чем у привычных подписок, и расчёт полугодовой давности может не сойтись.

И последнее, что стоит держать в голове: экономия на генерациях редко окупается временем. Десять минут на продуманный промт дешевле, чем десять генераций вслепую, и это единственное правило, которое работает во всех сервисах сразу.