Себестоимость локализации 200 карточек товара нейросетью

Задача, которую нужно посчитать заранее

Представьте типичную ситуацию: у магазина есть каталог из двух сотен товаров, и он решает выйти на новый языковой рынок — локализовать карточки под соседнюю страну или под маркетплейс на другом языке. Двести описаний — это не гигантский объём, но и не пара абзацев. Перевести их силами фрилансеров или агентства дорого и небыстро, а прогнать через бесплатный онлайн-переводчик — значит получить сухой машинный текст, который не продаёт и часто не вписывается в требования площадки.

Нейросеть выглядит очевидным компромиссом. Но как только доходит до планирования бюджета, всплывает вопрос без единственного правильного ответа: «А сколько это будет стоить?» Цена зависит от выбранной модели, от того, сколько описаний вы прогоняете за один запрос, от глубины редактуры и от количества переделок. Поэтому полезнее не искать волшебную цифру, а собрать методологию, которую вы приложите к своему каталогу и получите честную смету. Ниже разбираем её по шагам на примере тех же двухсот карточек — в каталоге Most AI, без VPN, с оплатой в рублях по факту использования.

Почему локализация — это не просто перевод

Первое, что путает расчёты: люди подсознательно приравнивают локализацию к переводу. Но это разные задачи, и стоят они по-разному.

Перевод — это когда текст на одном языке становится текстом на другом с сохранением смысла. Локализация идёт дальше: она адаптирует описание под конкретный рынок. Это значит пересчитать единицы измерения и размерные сетки, подобрать формулировки под то, как люди реально ищут товар на площадке, учесть тон и вежливые обороты, вписаться в лимиты символов маркетплейса, не потерять ключевые характеристики и при этом не превратить карточку в набор канцелярских штампов.

Из-за этого локализация требовательнее к модели и почти всегда предполагает человеческую вычитку хотя бы части текста. И то, и другое — статьи расходов, которые машинный переводчик «за ноль рублей» просто прячет, перекладывая их на возвраты и низкую конверсию. Если вам интересна базовая механика, как нейросеть вообще переводит текст, есть отдельный разбор про перевод текста нейросетью.

Из чего складывается себестоимость: четыре статьи

Чтобы смета была честной, разложим стоимость на четыре части. Пропуск любой из них — самая частая причина, почему «дешёвый» вариант оказывается дороже.

1. Машинная генерация. Обращения к модели: вы платите в рублях за объём текста — по числу токенов на входе и выходе. Это единственная часть, которую можно посчитать почти точно заранее.
2. Человеческая редактура. Время на вычитку и правку. Обычно самая недооценённая статья.
3. Подготовка и постобработка. Собрать исходные описания в единый формат, написать промт, залить результат обратно в карточки.
4. Риск переделок. Брак и повторные прогоны, если модель или промт подобраны неудачно.

Дальше считаем каждую часть отдельно.

Считаем машинную часть в рублях

В каталоге Most AI текстовые модели оплачиваются по простому принципу: вы платите в рублях за объём текста — по числу токенов, отдельно за вход (ваш запрос с промтом) и выход (ответ модели), только за факт использования и без месячной подписки. Значит, единица расчёта — тысяча токенов (примерно 700–750 слов). Формула себестоимости машинной части выглядит так:

Всего рублей = входные токены × цена входа + выходные токены × цена выхода (цены — за 1000 токенов у выбранной модели).

Цена зависит от модели. Вот ориентиры из каталога — рубли за 1000 токенов, отдельно за запрос (вход) и ответ (выход):

Обратите внимание: выход почти всегда дороже входа, а разброс между лёгкими и флагманскими моделями большой — например, ответ у GPT-5.5 (5,04 ₽) обходится примерно в 6–7 раз дороже, чем у GPT-5.4 Mini (0,756 ₽) за те же 1000 токенов.

Теперь объём текста. Чтобы получить конкретные суммы, примем рабочую оценку: одно короткое описание — это около 0,3 тыс. токенов на входе и 0,3 тыс. на выходе, а общий промт с глоссарием (его модель получает в каждом запросе) — ещё около 0,5 тыс. токенов. Если гнать по одному описанию за раз, на 200 карточек уйдёт 200 обращений, и промт оплачивается 200 раз. Но короткие описания можно объединять: уложив, скажем, по пять карточек в один запрос с чёткой разметкой, вы сокращаете число обращений до 40 — и общий промт оплачивается уже не 200, а 40 раз. Это ключевой рычаг экономии на входных токенах.

Посчитаем несколько сценариев на наши 200 карточек:

• Экономичный, по одному описанию. GPT-5.4 Mini, 200 запросов: вход ≈ 160 тыс. токенов, выход ≈ 60 тыс. → около 66 ₽.
• Экономичный, по пять в пакете. GPT-5.4 Mini, 40 запросов: вход ≈ 80 тыс. токенов, выход ≈ 60 тыс. → около 55 ₽.
• Качественный, по одному описанию. Claude Sonnet 4.6, 200 запросов → около 232 ₽.
• Качественный, по пять в пакете. Claude Sonnet 4.6, 40 запросов → около 192 ₽.
• Флагманский на сложных карточках. Claude Opus 4.8, 40 запросов → около 319 ₽.

Разброс — от полусотни до трёх с лишним сотен рублей, и всё это за счёт двух решений: какую модель взять и по сколько карточек упаковывать в запрос. Цены указаны на дату публикации статьи; актуальные тарифы — на странице цен Most AI. Сами тарифы могут меняться, а формула себестоимости остаётся верной всегда.

Какую модель брать под локализацию

Соблазн взять самую дешёвую модель на все 200 карточек понятен, но не всегда оправдан. Практичнее двухуровневый подход.

Для типовых товаров с простыми характеристиками — техника по спецификациям, расходники, аксессуары — хватает лёгких моделей: GPT-5.4 Mini, Gemini 2.5 Flash, Gemini 3.1 Flash Lite, Claude Haiku 4.5 (выход у них — примерно от 0,25 до 0,84 ₽ за 1000 токенов). Они уверенно переносят факты и не разоряют бюджет.

Для карточек, где важен тон, эмоция и продающая подача — флагманы, товары для дома, всё, что покупают «сердцем», — берите модели посильнее: Claude Sonnet 4.6, GPT-5.4, Gemini 3.1 Pro Preview. На самых ответственных описаниях, которые формируют лицо бренда на новом рынке, оправданы Claude Opus 4.8 или GPT-5.5.

Отдельная роль у моделей с поиском — Perplexity Sonar и Sonar Pro: они помогают проверить, как именно называют товар и его свойства на целевом рынке, чтобы попасть в реальные поисковые запросы, а не в кальку с исходника. Если сомневаетесь в выборе, есть разбор сравнения текстовых моделей и памятка по подбору модели под задачу. А для тех, кому нужен нулевой бюджет и небольшой объём, в каталоге есть безлимитный бесплатный чат ChatGPT — им можно перевести карточки вручную, без пакетной автоматизации.

Куда уходит время: человеческая часть

Машинная смета почти всегда выходит скромной — и именно поэтому редактуру так легко забыть. А она обычно и есть главный расход при локализации.

Считать её тоже стоит по методу, а не на глаз. Возьмите пилотную выборку — 10–20 карточек, — прогоните через выбранную модель и честно засеките, сколько времени уходит на вычитку и правку одной штуки. Дальше экстраполируйте на весь каталог. При этом не обязательно вычитывать всё одинаково глубоко: топовые и дорогие позиции проверяйте полностью, а по массовым товарам достаточно выборочного контроля — просмотреть каждую пятую-десятую и убедиться, что промт держит стабильное качество.

Именно поэтому вложение в хорошую модель и хороший промт окупается: чем чище черновик, тем меньше часов на редактуру, а час специалиста почти всегда дороже всей машинной сметы.

Как удешевить прогон, не теряя качество

Несколько приёмов, которые ощутимо влияют на итоговую смету.

Пакетируйте описания. Как показал расчёт выше, упаковка по несколько карточек в один запрос сокращает число обращений в разы и уменьшает долю входных токенов, которые уходят на повторяющийся промт. Главное — задать модели строгий формат входа и выхода, чтобы результат легко разбирался обратно по товарам.

Соберите один сильный промт с глоссарием. Один раз опишите тон бренда, список терминов с их правильными переводами, лимиты символов площадки и запреты — и переиспользуйте этот промт на всех 200 карточках. Глоссарий убирает разнобой в терминологии, из-за которого чаще всего и приходится переделывать.

Сделайте пилот на 10–20 карточках. Прежде чем запускать весь каталог, прогоните небольшую партию, оцените качество и стоимость и только потом масштабируйте. Это защищает от сценария, когда брак обнаруживается уже после двухсот прогонов.

Стройте и тестируйте промт на бесплатном ChatGPT. Отладить формулировки и глоссарий можно в безлимитном чате, а на платную модель тратиться уже на финальном прогоне.

Сохраните наработки. Собранный глоссарий и промт пригодятся, когда каталог обновится или появится следующий рынок — повторная локализация обойдётся заметно дешевле первой. Всё это удобно держать и запускать в одном рабочем пространстве студии.

Что в итоге даёт методология

Главный вывод простой: себестоимость локализации 200 карточек — это не одна цифра, а результат нескольких ваших решений. Машинная часть считается точно и почти всегда оказывается небольшой, а настоящая экономика прячется в выборе модели, пакетировании запросов и объёме редактуры. Применив эти четыре статьи расходов к своему каталогу, вы получите смету, которой можно доверять, — и увидите, что выход на новый рынок через агрегатор нейросетей обходится в разы дешевле классического перевода, при этом остаётся полностью под вашим контролем.

Частые вопросы

Сколько это стоит в рублях?

Точная сумма зависит от выбранной модели и объёма текста, а актуальные тарифы всегда есть на странице цен. Методология же неизменна: оцените объём в токенах на входе и выходе и умножьте на цену выбранной модели за 1000 токенов. Для 200 карточек машинная часть обычно укладывается в диапазон от нескольких десятков до пары-тройки сотен рублей.

Хватит ли одной модели на весь каталог?

Чаще выгоднее двухуровневый подход. Типовые карточки прогоняйте недорогой моделью, а флагманские и эмоциональные описания — моделью посильнее вроде Claude Sonnet 4.6 или GPT-5.4. Так вы не переплачиваете за простые товары и не экономите там, где текст должен продавать.

Можно ли локализовать бесплатно?

Да, для небольшого объёма подойдёт безлимитный бесплатный чат ChatGPT в каталоге: переводите карточки вручную, по одной. Минус в том, что нет удобной пакетной обработки и придётся копировать тексты руками, поэтому на объёме в 200 позиций это скорее вариант для пилота или отладки промта, чем для потока.

Нужна ли вычитка носителем языка?

Для ключевых и дорогих позиций — желательно, потому что именно они формируют первое впечатление на новом рынке. По массовым товарам достаточно выборочного контроля: проверить часть карточек и убедиться, что модель держит стабильное качество. Полная ручная вычитка всех 200 описаний обычно избыточна и заметно удорожает проект.

Правда ли, что один запрос — это одно описание?

Не обязательно. Короткие товарные описания можно объединять по несколько штук в один запрос, если задать модели строгую разметку на входе и выходе. Это снижает число обращений в разы и, соответственно, стоимость. Компромисс в том, что очень большие пакеты сложнее контролировать по качеству, поэтому обычно берут по 3–5 карточек.

Как масштабировать расчёт на 1000+ товаров?

Методология не меняется — растёт только множитель. Но на больших объёмах сильнее окупаются глоссарий и отлаженный промт: один раз собрав их, вы переиспользуете наработки на каждом следующем пакете и рынке. Поэтому первый прогон всегда дороже за штуку, а последующие обновления каталога обходятся ощутимо дешевле.