Как не сливать лимиты на ИИ

Больше тратишь не значит больше делаешь. Одна компания сожгла $500 млн на Claude за месяц просто потому, что не поставила лимиты. Разбираю, как держать расходы под контролем: от подписки до API.

Кейс на $500 миллионов, счёт, которого не должно было быть

Счёт за Claude за один месяц. Анонимная компания раздала сотрудникам доступ и не поставила лимиты. Причина не в злом умысле и не в дорогих моделях.

Это крайний случай той же ошибки, которую делает почти каждый, кто работает с AI: тратить, не понимая, на что уходят деньги и токены.

Принцип 1, осознанность важнее экономии

Сначала разберись, какую задачу решаешь и каким инструментом. Потом думай про экономию. Без понимания любой приём ниже бесполезен.

Принцип 2. 9 рабочих приёмов

Каждый приём идёт с блоком «Что делать»: конкретные шаги, а не абстракция. Начни с первого, он даёт самый большой выигрыш.

1. Следи за контекстом (главное)

Контекст это всё, что модель держит в голове прямо сейчас: история чата, файлы, инструкции. Чем его больше, тем дороже каждый ответ и тем чаще модель путается. Самый большой рычаг экономии: не тащить в один чат всё подряд.

1. Одна задача, один чат

   Закончил, начал другое, открой новый.

2. Сбрасывай контекст

   В Claude Code: команда /clear сбрасывает контекст, /compact сжимает историю в короткое резюме.

3. Не прикрепляй лишнее

   Не прикрепляй файлы и доки, которые не нужны прямо сейчас.

2. Держи системную инструкцию короткой

Модель не помнит переписку сама. При каждом сообщении ей заново отправляется вся история плюс системная инструкция (файл CLAUDE.md или AGENTS.md с правилами для агента). Файл на 2000 токенов при 200 сообщениях это 400 000 токенов только на правила.

1. Почисти CLAUDE.md

   Открой свой CLAUDE.md и выкини всё, чем не пользуешься каждый день.

2. Держи в пределах одной страницы

   Краткость экономит токены при каждом сообщении.

3. Вынеси редкие инструкции

   Редкие инструкции вынеси в отдельные файлы и подключай только когда нужно.

3. Включи кэширование запросов (prompt caching)

Это когда повторяющийся кусок контекста модель запоминает на время, и за его повторы ты платишь в разы меньше. На практике срезает счёт до 60% на том же объёме.

1. В обычном чате

   В claude.ai, ChatGPT включать ничего не надо, работает само.

2. В Claude Code

   Тоже автоматически. Главное не перезапускать сессию зря: каждый перезапуск обнуляет кэш.

3. Через API/код

   Добавь cache_control: {"type": "ephemeral"} на системную часть и стабильный контекст. В агрегаторах (OpenRouter) включается галочкой.

4. Дроби задачи и чаще начинай новые чаты

Не решай 10 разных задач в одной бесконечной сессии. Каждая новая задача в старом чате тащит за собой весь предыдущий контекст.

• Поменялась задача: новый чат плюс 2-3 строки резюме, что было
• Повторяющиеся инструкции вынеси в skills (навыки), а не копируй в каждый чат руками

5. Подбирай модель под задачу

Не гоняй самую мощную модель под мелочь. Топовая модель на черновике это переплата без выигрыша в качестве.

6. Бесплатные инструменты под мелочь

Для тестов, идей и небольших текстов часто хватает бесплатного. Не за всё нужно платить.

• Открывай LMArena, Google AI Studio, DeepSeek, Qwen или бесплатные версии ChatGPT/Claude/Gemini
• Но не загружай туда клиентские документы, финансы и личные данные

7. Чистка запросов (Caveman и подобное)

Инструменты, которые упрощают запросы и убирают воду из контекста, дают стабильные 20-30% экономии. Не магия, но на дистанции заметно.

• Поставь Caveman как плагин/скилл к Claude Code и прогоняй через него системные файлы и длинные запросы

8. Прослойка, которая чистит контекст (RTK)

Rust Token Killer и похожие утилиты встают между тобой и моделью и на лету выкидывают лишнее из контекста.

• Поставь RTK по инструкции (5 минут), запускай как прокси для кодинг-агентов
• Подходит, если много гоняешь задачи через Claude Code / Codex

9. Лимиты и контроль доступа (для команд)

Тот самый урок на $500 млн. Когда у команды есть доступ без лимитов, расход разгоняется незаметно, и ты видишь его только в счёте.

1. Поставь лимит расхода

   В админке/биллинге AI-сервиса поставь лимит расхода на каждого пользователя.

2. Включи уведомления

   Алерт, когда трата перевалила за порог.

3. Проверяй раз в неделю

   Проверяй расход раз в неделю, а не в конце месяца по счёту.

Принцип 3, когда платить, а когда нет

Платная подписка это не «хотелка», а рабочий расход. Но только когда AI реально экономит тебе часы.

Главный вывод

Контроль доступа и лимиты это не занудство. Это разница между рабочим инструментом и дырой, в которую утекают деньги.

AI экономит время только тогда, когда ты понимаешь, что делаешь. Сначала разберись в задаче, потом оптимизируй расход. В таком порядке.