Сравнение семи ИИ-агентов: стоимость и скорость генерации схем

VC.ru AI · оригинал

Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.

В ходе эксперимента семь нейросетевых моделей создали схемы по одной теме, демонстрируя различия в цене и времени выполнения. Анализ показывает, что выбор инструмента зависит от баланса между бюджетом, срочностью задачи и качеством итогового результата.

Понимание экономических и временных характеристик различных ИИ-агентов помогает компаниям оптимизировать рабочие процессы и выбирать подходящие инструменты для конкретных задач.

В недавнем эксперименте, описанном в материале vc.ru, семь различных ИИ-агентов получили задание нарисовать одну и ту же схему. Среди участников оказались Grok, MiniMax, GPT-6, Claude, Kimi, Gemini и DeepSeek. Результаты показали, что модели существенно различаются по скорости работы и стоимости генерации контента. Так, Grok оказался самым медленным, но при этом единственным, кто полностью закрыл все пять заданных тем, включая сложную тему обучения языковых моделей. По мнению автора эксперимента, версия схемы от MiniMax в этой категории получилась особенно удачной и достойна сравнения с работой GPT-6.

Вопрос стоимости генерации оказался не таким однозначным, как кажется на первый взгляд. Для моделей, работающих по подписке (GPT-6, Claude, Grok), автор пересчитал расходы по тарифам API. В результате стоимость одной схемы составила примерно 1,40 доллара для GPT-6, 2,09 доллара для Claude и 2,30 доллара для Grok. Для остальных участников суммы были взяты из реальных счетов API: Kimi и Gemini обошлись примерно в 1,41 доллара за схему, MiniMax — в 33 цента, а DeepSeek — всего в 23 цента. Автор подчеркивает, что эти цифры являются расчетными для конкретного эксперимента и могут не отражаться отдельной строкой в биллинге пользователей с уже оплаченной подпиской.

Практическая ценность этих данных зависит от контекста использования. В одном из описанных сценариев редактору нужно к утру подготовить десяток простых тем для курса. В такой ситуации, когда итоговый результат все равно будет дорабатываться человеком, дешевый черновик от DeepSeek или MiniMax может стать выгодным решением. Однако во втором сценарии, где требуется срочно подготовить презентацию через десять минут, разница между двумя и шестнадцатью минутами генерации становится критической. В таком случае скорость работы модели важнее минимальной стоимости токенов.

Автор эксперимента отмечает важный пробел в методологии: не было замерено время, которое человек тратит на приемку и доработку схемы. Он предполагает, что в следующем тесте стоит дать коллегам холсты без подписей моделей и запустить таймер, чтобы оценить, сколько усилий потребуется для приведения каждого рисунка в состояние, готовое к отправке заказчику. Возможно, одна схема потребует лишь двух движений мышью, а другую придется исправлять вместе с инженером из-за логических ошибок.

Таким образом, выбор ИИ-агента не сводится к поиску самого дешевого или самого быстрого инструмента. Счет за токены в обоих описанных случаях может быть одинаковым, но рабочий день сотрудника сложится по-разному в зависимости от качества исходного материала и времени на его доработку. Эксперимент демонстрирует необходимость комплексного подхода к оценке эффективности ИИ-инструментов с учетом всех факторов: стоимости, скорости и трудоемкости постобработки.