Русский промпт дороже английского: на 6–18 %, не в разы

Запрос на русском действительно стоит дороже английского, но не в разы. В нашем замере 11 ноября 2026 года один и тот же текст на русском занял на 6–18 % больше входных токенов, чем на английском, в зависимости от модели. Громкая цифра «в 180 раз» из исследования Мичиганского университета касается энергии и редких языков вроде пушту, а не русского.

Исследование о «налоге на неанглийский язык» разошлось по новостям с заголовками про дискриминацию. Мы решили не пересказывать его, а проверить на деле: сколько токенов, а значит денег, теряет русскоязычный разработчик. Ниже — что нашли в Мичигане, что показал наш замер и когда стоит что-то менять.

Что нашли в Мичиганском университете

Исследователи Мичиганского университета измерили, сколько энергии тратят три открытые модели — Qwen 3, Gemma 3 и Llama 3.1 — на одни и те же задачи на 122 языках. Работу представили на конференции EMNLP. Главные выводы из пресс-релиза университета:

• на неанглийский текст модели тратят от 1,4 до 180 раз больше энергии;
• для большинства западноевропейских языков разница — двукратная или меньше;
• хинди требует в 7,9 раза больше энергии, бенгали — в 15,3 раза;
• языки с большим расходом энергии обычно дают и худшую точность ответов;
• около 5,2 млрд человек тратят на текст на родном языке больше чем вдвое больше энергии, чем носители английского.

Разрыв не исчезает на крупных моделях и на разном железе. Исследователи предлагают направлять запросы на модели под конкретные языки или переводить промпты на английский, если перевод надёжный.

Почему неанглийский текст дороже

Причина — в токенах. Модель не читает буквы, она режет текст на токены: целые слова, части слов или отдельные символы. Токенизаторы обучены в основном на английском, поэтому английские слова чаще укладываются в один токен. Слова других языков дробятся сильнее.

Исследователи описывают два эффекта, которые усиливают друг друга:

1. Больше токенов. Тот же смысл на другом языке занимает больше токенов — модели приходится больше читать и больше писать.
2. Меньше пакеты. Больше токенов занимают больше памяти, модель обрабатывает их меньшими пакетами, и энергия на каждый токен растёт.

Для письменностей с составными символами, например деванагари в хинди, разрыв особенно велик: базовые знаки меняют форму и сочетаются с огласовками, давая огромное число вариантов. Кириллица в этом смысле простая: 33 буквы без составных символов.

Сколько токенов теряет русский: наш замер

Мы взяли деловой абзац о рисках перевода поддержки на ИИ-ассистента — 77 слов на английском и 60 слов на русском, по 450 знаков. Отправили его в четыре модели каталога KeyDealer и сравнили, сколько входных токенов насчитала каждая.

Чтобы убрать служебные токены запроса, каждый текст отправили один раз и пять раз подряд. Разница, делённая на четыре, — чистая стоимость одной копии текста.

Сырые данные замера с текстами и ответами API лежат в нашем репозитории. GPT-6 Astra и GPT-6 Luna используют один токенизатор, поэтому совпали. Qwen, обученная на большом объёме неанглийских текстов, проигрывает меньше всех. Замер DeepSeek в этот день не получился — модели отвечали ошибкой, поэтому их в таблице нет.

Что это значит в рублях

Разница на входе пропорционально переходит в счёт. Пример на ставках KeyDealer: бот поддержки, 10 000 запросов в месяц, по 2000 входных токенов в английском варианте.

Для GPT-6 Astra это примерно +200 ₽ в месяц на входе, для GPT-6 Luna — около +30 ₽. Выходные токены дорожают в той же пропорции, если модель отвечает по-русски. На масштабе небольшого продукта разница незаметна, на миллионах запросов — уже статья бюджета.

Официальные цены OpenAI для сравнения, по курсу ЦБ на 11 ноября 2026 года, 82,5486 ₽ за доллар: GPT-6 Astra — $10 ≈ 826 ₽ за миллион входных и $50 ≈ 4127 ₽ за миллион выходных токенов, GPT-6 Luna — $0,10 ≈ 8,3 ₽ и $0,50 ≈ 41,3 ₽. У нас одна ставка на вход и выход, кэш тарифицируется по полной ставке, а к запросам на маршруте 2 добавляется служебный контекст около 5000 токенов. Как пересчитывать такие цены — в статье Сколько стоит 1 млн токенов в рублях.

Стоит ли переводить промпты на английский

Чаще всего нет. Экономия 6–18 % на входе легко теряется:

• перевод сам стоит токенов или времени;
• ошибки перевода меняют смысл инструкций;
• ответ на английском придётся переводить обратно для пользователя;
• современные модели хорошо понимают русский, и качество от языка промпта почти не зависит.

Перевод имеет смысл в одном случае: длинная служебная инструкция, которая повторяется в каждом запросе и которую никто, кроме модели, не читает. Если системный промпт на 3000 токенов уходит в каждом из миллиона запросов, его английская версия сэкономит сотни миллионов токенов. Пользовательский текст и ответы при этом остаются на русском.

Что даёт больше экономии, чем язык

Язык промпта — далеко не главный рычаг. Сильнее влияют:

1. Выбор модели. Разница в ставках между моделями — в разы, а не на проценты. Сравните на своих задачах, как описано в статье Как сравнивать модели.
2. Длина контекста. Лишняя история диалога и ненужные документы в запросе стоят больше, чем любой «налог на язык».
3. Длина ответа. Выходные токены обычно дороже входных у вендоров. Просите модель отвечать коротко, если подробность не нужна.
4. Повторяющиеся инструкции. Сократите системный промпт: каждое лишнее предложение оплачивается в каждом запросе.

Как считать токены в своих запросах, мы подробно разбирали в статье Как считать токены.

Как проверить расход на своих текстах

Это занимает десять минут и стоит копейки. Ключ KeyDealer даёт доступ к GPT, Claude, Gemini, Qwen и другим моделям через один OpenAI-совместимый API с оплатой в рублях, а в ответе каждого запроса есть поле usage.prompt_tokens.

Порядок:

1. Возьмите типичный запрос вашего продукта на русском и его точный перевод.
2. Отправьте каждый вариант один раз и пять раз подряд в одном сообщении.
3. Посчитайте (токены пяти копий − токены одной копии) / 4 для каждого языка.
4. Разделите русский результат на английский — это ваш языковой коэффициент для этой модели.

Повторите для двух-трёх моделей, которые рассматриваете. Коэффициент заметно отличается: в нашем замере от 1,06 до 1,18. Как держать расход под контролем, мы описывали в статье Лимит расхода на ключ.

Чего мы не утверждаем

Наш замер сделан на одном деловом абзаце. На других текстах — с кодом, терминами, числами — разница может быть другой.

Мы не мерили энергию и не проверяли выводы Мичиганского университета. Цифры исследования взяты из пресс-релиза университета.

Мы не утверждаем, что качество ответов на русском ниже. Исследование нашло связь энергии и точности для многих языков, но русский язык отдельно мы не оценивали.

Что держать в голове

Исследование Мичигана показало: ИИ тратит на неанглийский текст до 180 раз больше энергии, но крайние цифры — про редкие языки. Для русского разница скромная.

В нашем замере русский текст занял на 6–18 % больше токенов, чем английский: меньше всего у Qwen 3.8 Max, больше всего у GPT-6 Astra и Luna.

Переводить стоит только длинные повторяющиеся инструкции. Выбор модели и длина контекста экономят больше, чем язык. Подробнее о сервисе — на странице о проекте, ключ — на keydealer.ru/login.