Себестоимость партии SEO-текстов: как считать, а не гадать

Каждый раз, когда кто-то спрашивает «сколько стоит написать 20 SEO-статей нейросетью», хочется получить одно число. И почти всегда это неправильный вопрос. Партия из 20 текстов на одной модели и партия из 20 текстов с чередованием черновика на дешёвой модели и финальной правки на дорогой — это два разных бюджета, и оба зависят от того, сколько раз вы реально прогоняете каждую статью через модель, а не от того, что написано в прайсе.

Это не статья с готовым ответом «партия обошлась в N рублей». Такого ответа не существует в вакууме — итоговая цифра зависит от вашей темы, требований к качеству и количества правок. Зато есть методология: как раскладывать партию на операции, где считать рубли, а где — время редактора, и как выбирать модель под конкретный шаг, а не под весь процесс сразу.

Из чего вообще складывается себестоимость

Первая ошибка почти всегда одна и та же: считают только плату за успешную генерацию финального текста. Но партия текстов — это цепочка операций, и у каждой своя цена:

• Генерация черновика — первый прогон модели по брифу и ключевым словам.
• Повторные прогоны — если черновик не подошёл по структуре, тону или фактам, и его приходится генерировать заново.
• Правка и дожим — генерация уточнённого варианта после ручной редактуры (второй запрос к модели с новым промтом, а не редактура руками).
• Служебные тексты — мета-описание, заголовок, варианты для A/B, FAQ-блок — это отдельные запросы, даже если они короткие.
• Время оператора — бриф, чтение результата, сверка фактов, финальная вычитка. Эта часть не отражается в счёте за токены, но именно она чаще всего съедает бюджет проекта, если её не планировать заранее.

Если считать только последний пункт из списка — «во сколько обошлась генерация финального текста» — партия всегда будет казаться дешевле, чем есть на самом деле. Реальная себестоимость — это сумма по всем операциям, а не по одной.

Шаг 1. Разложите партию на операции, а не на статьи

Прежде чем открывать /pricing и смотреть тарифы, разложите одну типовую статью партии на шаги. Например:

1. Черновик текста по брифу.
2. Один прогон на переработку структуры (если черновик пришёл «простынёй»).
3. Генерация мета-описания.
4. Генерация 2-3 вариантов заголовка.
5. Финальная правка после вычитки редактором (второй содержательный прогон).

Это уже пять операций на одну статью, а не одна. Если партия — 20 статей, и по каждой в среднем 5 операций, это 100 запросов к модели, даже если про них никто не думал как про «100 генераций». Именно здесь чаще всего теряется реалистичная оценка: бюджет считают по формуле «1 статья = 1 запрос», а по факту получается «1 статья = 4-6 запросов».

Шаг 2. Сопоставьте операции с ценовой категорией модели

У текстовых моделей в каталоге разброс цены — больше, чем на порядок: платят за токены, отдельно за вход (ваш запрос) и выход (ответ модели). Вот ориентир по цене за 1000 токенов (оплата идёт по факту использования, без месячной подписки):

Цены указаны на дату публикации; актуальные — на странице цен Most AI.

Разница между самыми дешёвыми платными моделями и флагманом — больше, чем на порядок: по выходному токену это более чем тридцатикратный разрыв — около 0,15 ₽ за 1000 токенов у DeepSeek V4 Pro или GLM 5.2 против 5,04 ₽ у GPT-5.5. Если черновик партии из 20 статей прогнать на дешёвой модели, а не на флагмане, сама генерация обойдётся в разы дешевле — вопрос в том, сколько повторных прогонов потребуется, чтобы черновик стал приемлемым. Экономия на цене имеет смысл только вместе с оценкой количества итераций.

Шаг 3. Учтите количество итераций, а не только цену запроса

Здесь и прячется главная методическая ошибка при прикидке себестоимости: сравнивать модели по цене за 1000 токенов, как будто прогон нужен всего один. На практике дешёвая модель для сложной технической темы иногда требует два-три прогона, чтобы получить структуру и факты в приемлемом виде, а более сильная модель может закрыть задачу с одного раза.

Формула для оценки партии выглядит так:

Стоимость партии ≈ Σ по операциям (
    количество статей
    × среднее число прогонов на операцию
    × объём в тысячах токенов за прогон
    × цена за 1000 токенов выбранной модели
)

Ключевое слово — «среднее число прогонов». Это не константа из документации, а показатель, который нужно снять на своих же данных: взять 3-5 статей вашей тематики, прогнать через модель-кандидата и честно посчитать, со скольки попыток получился пригодный черновик. Именно так методология превращается из абстрактной формулы в рабочую оценку бюджета — тестовая мини-партия перед большой всегда дешевле, чем ошибка в расчёте на 50 статьях.

Пример того, как это меняет расчёт: если черновик на дешёвой модели вроде Gemini 2.5 Flash (0,42 ₽ за 1000 токенов выхода) в среднем требует три прогона, а на модели среднего уровня вроде Claude Sonnet 4.6 (2,52 ₽ за 1000 токенов выхода) такой же черновик получается с одного прогона, то разница в деньгах при большом объёме не такая уж и шестикратная, как казалось по прайсу, — она сокращается примерно до двукратной. Экономика меняется не от цены модели, а от того, сколько раз её пришлось перезапускать.

Время — вторая половина уравнения

Рубли считаются легко, потому что цена за 1000 токенов — конкретное число из тарифа. Время — сложнее, потому что нигде не публикуется гарантированная скорость ответа: она зависит от длины запроса, загрузки на момент генерации и модели. Здесь тоже работает принцип «не берите чужой бенчмарк — снимите свой»: засеките время генерации на тестовой мини-партии по тем операциям, которые реально будете гонять, и заложите медиану, а не оптимистичный минимум.

К времени генерации модели прибавляется время оператора — и вот эта часть в расчётах пропадает почти всегда:

• время на составление брифа под каждую статью (или под партию, если бриф общий);
• время на чтение и сверку фактов в черновике — особенно важно для моделей с меньшей ценой запроса, где выше риск фактических неточностей;
• время на формирование промта для повторного прогона, если черновик не подошёл;
• финальная вычитка перед публикацией.

Если партия из 20 статей требует в среднем 15-20 минут внимания редактора на статью только на проверку и правку промта — это уже 5-6 часов рабочего времени, которые никак не отражены в счёте за токены, но напрямую входят в реальную себестоимость партии для заказчика.

Как выбирать модель под операцию, а не под весь процесс

Из методологии выше следует практический вывод: не нужно закрывать всю партию одной моделью. Разумнее развести операции по ценовым уровням:

• Черновик и служебные тексты (мета-описания, варианты заголовков) — самые дешёвые модели, от ~0,05 ₽ за 1000 токенов на входе и от ~0,15 ₽ на выходе: Gemini 2.5 Flash, DeepSeek V4 Pro, Kimi K2.6, GLM 5.2. Здесь важен объём, а не максимальная точность с первого раза.
• Бесплатное планирование — черновой план структуры, список подзаголовков, черновые тезисы можно проработать в ChatGPT без лимита по числу запросов и бесплатно — это хорошая точка входа перед тем, как переходить к платным моделям на генерации самого текста. Удобно, когда все модели партии доступны в одном месте — в студии most-ai.com — и переключение между ними не требует начинать расчёт заново.
• Финальная правка и сложные технические темы — модели среднего уровня, такие как Claude Sonnet 4.6 или Gemini 3.1 Pro Preview, где выше точность с первого прогона, а цена запроса ещё не на уровне флагмана.
• Тексты с высокими требованиями к точности формулировок (юридические нюансы, медицинская тематика, точные технические характеристики) — здесь имеет смысл разовая генерация на топовой модели вроде Claude Opus 4.8 или GPT-5.5, даже по цене 4-5 ₽ за 1000 токенов выхода, если это исключает две-три итерации на более дешёвой модели.

Сравнение моделей по возможностям и подходу к тексту стоит держать под рукой отдельно — это отдельная методология выбора, которую я разбирал в статье про сравнение ChatGPT, Claude, Gemini и DeepSeek. Актуальные цены за запрос удобнее всего сверять прямо на странице тарифов — она обновляется чаще, чем любая статья.

Частые ошибки при расчёте себестоимости партии

• Считать только плату за успешный финальный прогон, забывая про неудачные попытки и служебные тексты.
• Сравнивать модели по цене запроса, не учитывая среднее число итераций на конкретной теме.
• Не закладывать время оператора — бриф, сверку фактов, формирование повторного промта, финальную вычитку.
• Опираться на чужие оценки скорости и качества вместо тестовой мини-партии на своих данных.
• Использовать флагманскую модель там, где экономичная справляется за один-два прогона — и наоборот, экономить на модели там, где цена ошибки высока.

Частые вопросы