Ваши инженеры выбрали себе кодовых агентов. Настройки, на которых эти агенты работают, не выбирал никто — а именно эти настройки решают, какая модель отвечает, какая часть разговора пересылается заново по полной цене и сколько субагентов запускается за одним нажатием клавиши. Препринт Accenture Responsible AI переоценил около 10 000 реальных сессий агентов из открытых наборов данных и обнаружил, что перенос работы на самую дешёвую подходящую модель, без вмешательства в идущие разговоры, возвращает от 13 до 21% агентных расходов на модели (Kwartler, Aqrawi и Abbasi, 2026).
Переносимая цифра — не процент. Это знаменатель под ним: 41 доллар на инженера за активный день.
Продукт, который запускает ваших кодовых агентов, — закупочное решение, которого никто не принимал
Термин, которым статья называет продукт, запускающий агента, — харнесс: Claude Code, Codex и ещё девятнадцать, которые авторы разметили в матрице сопряжения, собранной из лицензионных файлов и документации по конфигурации. Почти никто не строит его сам. Компании берут то, что поставщик модели даёт вместе с лицензиями, в настройках по умолчанию.
Именно там решается вопрос денег. Харнесс выбирает, какая модель отвечает на конкретный ход, сколько контекста эта модель читает, как используется кэш подсказок и какие субагенты запускаются. В формулировке авторов он, следовательно, выбирает тариф в прайс-листе и задаёт объём, купленный по этому тарифу. Обе половины счёта определяет конфигурационный файл, который никто не просматривал.
Сравните с тем, как та же организация относится к строке расходов на ПО в 30 000 евро: проверка поставщика, анкета по безопасности, ответственный по имени. Харнесс агентов пришёл через бюджет инструментов разработчика и сегодня двигает сумму на порядок больше — без какого-либо ответственного.
Что показала переоценка
Авторы построили маршрутизатор, поставили его между харнессом и эндпоинтом модели и смоделировали предприятие на 10 000 рабочих мест, используя поведение, измеренное в реальных сессиях, — включая исправления, паузы и запуски субагентов.
| Показатель | Результат |
|---|---|
| Годовые расходы на модели в текущем состоянии, 10 000 мест | 24,4 млн $, то есть 41 $ на инженера за активный день |
| Возвращено маршрутизацией, сохраняющей кэш | от 13 до 21%, это 3,3-5,1 млн $ в год |
| Длинные реальные сессии, которые дешевле на модели высшего уровня, чем на уровне ниже | от 51 до 80% |
| Доля общей экономии, приходящаяся на одну эту точку пересечения | около трёх четвертей |
Читайте диапазон внимательно: это не доверительный интервал. 3,3 млн $ — то, что даёт реально работающий классификатор авторов; 5,1 млн $ — то, что дал бы идеальный. Разрыв между этими числами — качество ваших решений о маршрутизации, а не статистический шум.
Одна строка их результатов делает механизм наглядным: правка в одну строку внутри длинной сессии программирования дешевеет с 0,90 $ до 0,36 $. Не потому, что модель подешевела. Потому, что запрос перестал тащить за собой весь разговор.
Треть счёта — переделка, а не работа
Результат, который с наибольшей вероятностью выдержит переоценку в вашей компании, к маршрутизации отношения не имеет.
В модели исправления — ходы, где человек говорит агенту, что тот ошибся, и агент пробует снова, — составляют более трети счёта в текущем состоянии. Уберите их, и месячные расходы падают с 2,03 млн $ до 1,31 млн $. Исправления же — и самая частая причина, по которой люди вообще прерывают кодового агента: 32% прерываний в выборке поставщика, на которую ссылаются авторы.
Это та же форма, что и результат о стоимости агентов, опубликованный QuantumBlack из McKinsey ранее в этом году: для агента клиентской поддержки в банке стоимость токенов составляет 20-25% переменных расходов на эксплуатацию агента, а человеческий надзор — 70-75% (McKinsey QuantumBlack, 2026). Другая нагрузка, другой метод, тот же вывод: дорогая часть агента — та, где человек должен перепроверять его результат.
Есть и сигнал о качестве, указывающий в ту же сторону. Анализ GitClear по 623 миллионам изменений кода с 2023 по 2026 год показал рост дублирования блоков на 81%, копирования-вставки внутри одного коммита на 41%, конструкций, маскирующих ошибки, на 47% и падение перемещений строк при рефакторинге на 70% (GitClear, 2026). Их термин для этого стоит заимствовать: вечные компоненты версии V1 — код, который выпускают и никогда не консолидируют, потому что никто не рефакторит то, что агент может сгенерировать заново.
За переделку вы платите дважды: один раз по счёту, второй — в кодовой базе.
Цена за токен — не стоимость за задачу
Результат с пересечением — тот самый контринтуитивный, и именно он ломает инстинкт любого внимательного к затратам руководителя операций.
В длинных сессиях с интенсивным использованием инструментов самая дорогая модель стоит за сессию меньше, чем уровень ниже, — в 51-80% реальных сессий стоимостью 100 $ и выше. Механизм — кэширование: модель высшего уровня, читающая кэшированный контекст по половинному тарифу уровня ниже, выигрывает на любой сессии, которая перечитывает свою историю достаточно много раз, а агентная работа перечитывает постоянно. Статья прямо говорит о зависимости: уберите топовую модель, и вся экономия обрушивается с 13% до 3,1%, потому что пересечению она необходима.
Так что «мы перевели всех на дешёвую модель» — не программа сокращения затрат. Это ставка на то, что ваши сессии короткие.
Кэш — скрытый счётчик
Три детали конфигурации из статьи стоят для компании на 200 человек больше, чем процент на обложке.
Первое — время жизни кэша. Кэш кодового агента живёт час на потребительской подписке, но пять минут на ключах API и у облачных провайдеров — а именно так подключается корпоративный шлюз. Anthropic документирует оба варианта и тарифицирует часовой кэш при записи по двойной базовой цене входных токенов (Anthropic, 2026). В двух открытых корпусах реальных сессий от 17 до 27% ходов пользователя приходили после паузы длиннее пяти минут. Каждый такой ход пересобирает кэш с нуля по полной цене. Более долгий TTL не бесплатен, но почти наверняка дешевле того, что с вами делает настройка по умолчанию.
Второе — сам шлюз. Если прокси между харнессом и моделью вырезает маркеры кэша или бета-заголовки, поставщик выставляет счёт за весь разговор как за некэшированный ввод на каждом ходу. Это тихая и полная потеря кэширования, вызванная корректно работающим сетевым компонентом.
Третье — настройки контекста по ролям. Десять тысяч холодных возвратов к истории на 300 000 токенов стоят 18 750 $ только за её пересылку; предварительная обрезка до 30 000 токенов стоит 1 875 $. Инженеру в середине задачи полная история может быть действительно нужна. Маркетологу, правящему черновик, рассуждения за предыдущей версией не нужны. Единый порог для всех — ценовое решение, замаскированное под настройку по умолчанию.
Честное возражение
Четыре ограничения, названные прямо.
Это препринт, и версия важна. arXiv 2609.28919 опубликован 24 сентября 2026 года и пересмотрен 26 сентября. Пересмотр сдвинул главную цифру с 14-21% на 13-21%, экономию с 5,0 до 5,1 млн $ и сменил название статьи. Рецензирование не завершено. Если вы видели прежние цифры в чужих цитатах — это числа первой версии.
Это эмуляция, а не проверенный счёт. Авторы моделируют предприятие на 10 000 мест, опираясь на поведение из открытых корпусов сессий, а не на счёт конкретной компании. Они откровенно пишут, что их сценарии недооценивают самые короткие ходы — четверть реальных запросов приходится на сессии короче семи запросов против 3,8% у них — и что сессии, по форме похожие на один из их эталонных корпусов, снизили бы 13% примерно до 9%.
Арифметика привязана к одному прайс-листу. Всё опирается на прейскурантные цены Anthropic на 21 сентября 2026 года. При единообразном режиме чтения кэша пересечение исчезает, а экономия падает до 6%. Поставщики меняют цены с коротким предупреждением. Переносится метод, а не число.
Сама маршрутизация несовершенна. Классификатор угадывает сложность лишь в 63% случаев, и 12,5% перенесённых им ходов оказались ошибочными понижениями — ниже уровня, который требовала работа. Ослабление порога с 0,8 до 0,5 переносит на 46% больше ходов и снижает экономию до 10%, потому что цепочки исправлений стоят дороже, чем экономят переносы. Агрессивная маршрутизация — это способ купить себе переделку.
И более широкая осторожность: если стоимость токенов действительно составляет четверть переменных расходов на эксплуатацию агента, то возврат 13-21% токеновой строки — это возврат примерно 3-5% того, во что агент вам реально обходится. Взять стоит. Стратегией это не является.
Что изменить в этом квартале
Четыре шага. Ни один не является покупкой, и только один технический.
- Достаньте из собственного счёта цифру на инженера за активный день. В этом всё упражнение. При 41 $ из эмуляции тридцать инженеров за примерно 220 активных дней дают около 271 000 $ в год; при заявленном поставщиком среднем около 13 $ — около 86 000 $. Это моя арифметика на их единице измерения, а не их вывод, и именно этот разброс — причина измерять, а не предполагать.
- Дайте конфигурации харнесса ответственного по имени, на том же уровне, что и любой другой расход такого размера. Сейчас настройки по умолчанию принадлежат тому, кто их поставил.
- Проверьте три настройки прежде, чем думать о маршрутизации: TTL кэша, передаёт ли ваш шлюз маркеры кэша без изменений и различаются ли лимиты контекста по ролям. Порядок рекомендаций в самой статье ставит это перед любым маршрутизатором, потому что маршрутизатор за шлюзом, вырезающим кэш, не экономит ничего.
- Смените метрику со стоимости за токен или за рабочее место на стоимость за проверенную задачу — единицу, включающую цепочку исправлений. Это заключительная рекомендация авторов и единственное число, которое двигается, когда работа становится действительно лучше, а не просто дешевле.
Последнее сложнее, чем звучит, потому что требует, чтобы стоимость куска работы агента и запись о том, что человек её принял, лежали в одном месте. Стоит посмотреть, как это устроено у Scovai на поверхности Digital Employees: три источника стоимости держатся намеренно раздельно — что вы платите по счёту, что измеряют собственные счётчики платформы и что декларирует поставщик — с месячными и потранзакционными лимитами, привязанными к рабочему месту, а не к инструменту, и с заявленным правилом: там, где числа не существует, поверхность так и говорит, вместо того чтобы печатать ноль.
Неудобный вывод этой статьи в том, что крупнейшую переменную технологическую статью расходов, которую большинство компаний добавит в этом десятилетии, сейчас задаёт конфигурационный файл, пришедший вместе с инструментом разработчика. Не переговоры с поставщиком, не бюджет, не чьё-либо решение.
Так что выясните, пока квартал не закрылся, сколько ваши кодовые агенты действительно стоят на инженера за активный день — и кому именно, по имени, разрешено менять настройки, которые это решают. Если ответ на второй вопрос «никому», вы нашли проблему, и ею никогда не была цена за токен.
