Почему русский текст в API стоит в 2–3 раза дороже английского
Компании, которые строят продукты на базе GPT, Claude или других LLM, сталкиваются с неочевидной проблемой: API-расходы растут быстрее, чем ожидалось. Одна из скрытых причин — язык системных промптов.
В чём проблема
LLM считают стоимость в токенах, а не в словах или символах. Токенизатор — это алгоритм, который разбивает текст на фрагменты перед обработкой. Поскольку большинство моделей обучались преимущественно на английском тексте, их словари оптимизированы под латиницу.
Кириллица в UTF-8 кодируется двумя байтами на символ и значительно реже встречается в обучающих корпусах. Результат: русские слова разбиваются на 3–7 токенов там, где английские эквиваленты занимают 1–2.
Практический пример:
"automation strategy"→ ~3 токена"стратегия автоматизации"→ ~9–12 токенов
Для одного запроса разница незаметна. При тысячах запросов в день — это десятки процентов от бюджета.
Двойной удар: стоимость и контекст
Перерасход токенов бьёт сразу по двум метрикам:
Стоимость. Системный промпт на 300 слов по-русски занимает ~2500 токенов. Тот же промпт на английском — около 900 токенов. Разница в стоимости пропорциональная.
Контекстное окно. Каждый токен в системных инструкциях — это токен, который недоступен для диалога или документов. В агентных системах с длинными сессиями это напрямую влияет на то, как быстро модель начинает «забывать» контекст.
Решение: гибридная языковая стратегия
Модели прекрасно выполняют инструкции на английском и при этом отвечают на языке пользователя — если об этом явно сказать.
Правило: всё, что пишется один раз и хранится в инфраструктуре, — на английском. Всё, что генерируется пользователем динамически, — на любом языке.
На английском:
- Системные промпты
- CLAUDE.md и конфигурации агентов
- Описания функций и инструментов
- Шаблоны в n8n, LangChain, AutoGen
На русском:
- Сообщения пользователей
- Финальные ответы (управляются инструкцией
respond in the user's language)
Результат
Команды, перешедшие на английские системные промпты, снижают расходы на токены на 40–60% при том же функционале. Для SaaS-продуктов и агентных систем с высокой нагрузкой это превращается в тысячи долларов экономии в месяц — без изменений в логике или качестве ответов.