Сколько на самом деле стоит AI-агент: метод принятой задачи
Лимит в 2 000 минут CI израсходован на 90% за три с половиной дня. Лечится не более дешёвой моделью, а другим знаменателем: стоимостью принятой задачи, проверенной скриптом.
🎯 Для Teams paying for AI agents who suspect the bill and the value have drifted apart.
- Replace token or subscription counters with cost per accepted task
- Write the acceptance rule and the death criterion before the first run
- Report subscription quota and human minutes instead of calling a paid plan free
- Recognise five situations where the method produces precise numbers with no meaning
Ежемесячный лимит в 2 000 минут CI был израсходован на 90% за три с половиной дня, и никто не мог сказать, что именно дала та работа, которая его сожгла. В этом одном предложении — вся проблема: минуты, токены и подписку мы считать умели, а принятую работу — нет. Ниже метод, которым мы считаем её сейчас; он написан после разбора собственного случая 4 ноября 2026 года.
Короткий ответ: измерять надо стоимость одной принятой задачи — деньги, человеко-минуты, переделки и накладные, делённые на число результатов, прошедших машинную проверку с первого раза. Токены, запросы, «кредиты», минуты CI и фиксированная месячная цена — всё это входные величины этой дроби, а не сама дробь.
Почему очевидные счётчики обманывают
Подписка делает каждый отдельный прогон как будто бесплатным: платёж уже прошёл в прошлом месяце. Оплата по API делает каждый прогон как будто дорогим: у каждого вызова есть цена. Оба взгляда ошибаются в одну сторону — они оценивают вход и молчат о результате.
Наши собственные данные, снятые 4 ноября 2026 года из метаданных прогонов репозитория, а не с картинки дашборда:
| Наблюдение | Значение |
|---|---|
| Минут CI в месячном лимите | 2 000 |
| Израсходовано к моменту предупреждения | 1 812 (90%) |
| Сколько суток цикла прошло | 3,5 из 30 |
| Прогонов одного workflow за двое суток | 109 |
| Средняя длительность этого workflow | 14,1 минуты |
Дорогой частью был не модель. Это 109 push'ей за двое суток, каждый из которых запускал 14-минутное задание с установкой зависимостей и полным прогоном тестов. По два прогона на push, потому что один коммит запускал и событие ветки, и событие pull-request, а старый прогон никто не отменял. Push'и создала агентская волна; счёт пришёл в валюте, за которой никто не следил.
Метод
- Заморозить задачу до отправки. Записать вход, ожидаемый результат, правило приёмки, лимит попыток и дату. Всё, что оценивает исход, записывается до исхода.
- Принимать скриптом, а не мнением. Для текста проверка такая: каждое утверждение дословно сверено с заранее проверенным факт-пакетом, каждая ссылка отвечает 200. Для извлечения — точное совпадение с замороженной схемой. Для кода — названный файл тестов плюс линтер. Модель может высказаться о качестве, но приёмку решает не она.
- Одна строка на попытку. Задача, класс, вариант, принято, расход по API, человеко-минуты, секунды по часам, накладные, ссылка на доказательство, отметка времени и вид оплаты (
subscriptionилиmetered). У подписочной строкиapi_usd = 0.0и фактически израсходованная квота: написать «бесплатно» — это дефект, а не сокращение. - Считать только принятое. Отклонённая попытка — расход без результата: она остаётся в колонке затрат и никогда не попадает в знаменатель готовых задач.
- Публиковать не меньше 30 согласованных задач. Тридцать — минимальный порог выборки, а не статистическая значимость. По десять на класс, чтобы провал одного класса не выдавался за общий вывод.
- Объявить критерий смерти заранее. Наш: если у менее 80% задач есть однозначное машинно-проверяемое правило приёмки либо если разница между вариантами меньше разброса самого замера, работа публикуется как «разницы не показано» — без рейтинга и без рекомендации маршрута.
Сколько стоит одна задача с каждой стороны
Одну и ту же работу делают два вида исполнителей. Один привязан к редактору и покрыт фиксированной подпиской; другой вызывается пакетом и оплачивается по токенам — $0,20 за миллион входных и $0,60 за миллион выходных. Оба пишут одну и ту же статью или одну и ту же функцию.
У подписочной стороны предельная цена по API нулевая, а стоимость квоты и человеческого внимания — не нулевая: сессию кто-то ведёт, и это время и есть главная статья расходов. У оплачиваемой стороны есть измеримая цена за задачу — около половины цента для задачи, которая читает 15 000 токенов и пишет 4 000, — и никакого времени на ведение после того, как пакет написан.
Ни одна из колонок по отдельности не сравнима. Поставить их в одну строку — и сравнение становится честным: стоимость принятой задачи, где человеко-минуты переведены в деньги по опубликованной ставке, а расход квоты стоит рядом.
⚠️ Когда это НЕ работает
- Когда приёмка — вопрос вкуса. Маркетинговый текст, названия, визуальный дизайн и «похоже ли это на нас» машинной проверки не имеют. Считать их принятыми или отклонёнными — значит получить точные числа без смысла.
- Когда набор задач не согласован. Если вариант A получил четыре лёгкие задачи, а вариант B — четыре тяжёлые, сравнение измеряет распределение задач, а не исполнителей.
- Когда одну сторону нельзя автоматизировать. Агент, привязанный к редактору, не запускается без человека, поэтому в его замере человек присутствует всегда. Эта асимметрия — результат для отчёта, а не дефект, который надо «убрать», объявив человеческое время бесплатным.
- Когда выборка мала. Меньше 30 согласованных задач — публиковать сырые строки и остановиться. Победа на двух задачах — это анекдот с таблицей вокруг.
- Когда ограничение не в деньгах. Если узкое место — пропускная способность ревью или обязательный контроль, более дешёвая генерация не помогает, и оптимизация цены за задачу оптимизирует не то.
Что пока не измерено
Сравнение на 30 задачах между агентом в редакторе и оплачиваемым воркером мы ещё не провели. Протокол, шаблоны приёмки, инструмент учёта и оценка стоимости есть; выборки нет. Пока строк нет, честный статус — «без оценки»: ни рейтинга, ни процента, ни обещания экономии.
Смысл инцидента уже, чем кажется. Число менялось, мы видели, как оно меняется, и всё равно не могли ответить на единственный важный вопрос: что мы за это получили. Метод выше существует для того, чтобы в следующий раз, когда счётчик кончится, ответ уже был записан.
Источники
Ниже указаны источники и даты наблюдений. Статус проверки отмечен для каждого материала.
🔗 Связи статьи
Открыть полный граф знаний ↗Связи опубликованных статей. Выберите узел, чтобы открыть статью у заголовка.
Показать граф связей
Связи статей · клавиатура / текст
Та же тема
- Система агентов Tvijo: PRIZMA, RUNLEDGER и приёмка
- Как читать квитанции агента и не путать доставку с прочтением
- Проверяйте AI-радар по первоисточникам до добавления новости
- Сначала проверьте оценку AI-harness офлайн, до любого live-пилота
- DSHREM с телефона: SSH, tmux и безопасная передача задачи
- Практика владельца DSHREM: cwd, worktree, WIP и границы root
Следующие шаги
Связанные материалы
Система агентов Tvijo: PRIZMA, RUNLEDGER и приёмка
Tvijo развивает управляемый путь от задачи в репозитории до принятого результата: с разрешениями, ограничениями ресурсов и проверяемыми свидетельствами выполнения. PRIZMA описывает профиль ресурсов, RUNLEDGER связывает работу с проверками и…
Основа ИИ и процессовКак читать квитанции агента и не путать доставку с прочтением
Разберитесь, на каком этапе находится сообщение роя, не смешивая сохранение, доставку, приём runtime и просмотр. Руководство показывает локальные проверки, приватный экран наблюдения и отдельные квитанции, чтобы подтверждение доставки не превращалось в недоказанное обещание выполненного действия.
Основа ИИ и процессовПроверяйте AI-радар по первоисточникам до добавления новости
Проверьте технологическую новость по первоисточнику, версии и дате события до решения о внедрении. Руководство разбирает фиксированную выборку из десяти материалов, отделяет факты от выводов и прогнозов и показывает, как сохранить ограничения и условие следующей проверки.
💬 Комментарии