Русскоязычный текст при обработке американской нейросетью Claude может обходиться пользователю значительно дороже, чем тот же текст в GPT. Исследование автора Donseo показало, что один и тот же русский текст в Claude Opus 5 занимал примерно в 3,9 раза больше токенов, чем в GPT-5.5. При одинаковой стоимости токена это приводит почти к четырёхкратной разнице в расходах.
Разница становится заметной при пересчёте на реальные тарифы. Автор исследования сравнил медианные цены российских сервисов и получил около 0,53 рубля за 1000 русских символов при использовании Claude Opus 5 против примерно 0,14 рубля для GPT-5.5. На одном запросе разница составляет всего несколько копеек, но для чат-ботов, служб поддержки и других сервисов с миллионами сообщений дополнительные расходы могут стать существенными.
Причина связана не с отдельной платой за русский язык, а с работой токенизатора. Перед обработкой нейросеть разбивает текст на токены — отдельные элементы, с которыми затем работает модель. Разные модели делают это по-разному: GPT способен объединять несколько русских символов в один токен, тогда как Claude Opus 5 в исследовании часто разбивал кириллический текст на значительно большее количество токенов.
В результате одинаковая по смыслу фраза может иметь совершенно разный объём для разных нейросетей. Чем больше токенов требуется модели для обработки запроса, тем выше расход при оплате по количеству токенов.
Автор исследования сравнил 11 семейств нейросетей. У GPT, Gemini, Grok и GLM русский текст требовал примерно на 18–23% больше токенов, чем аналогичный английский. У DeepSeek разница составляла около 38%, у Qwen — 52%, а у Kimi — 86%.
Наибольший разрыв показал Claude Opus 5: русский вариант текста занимал почти втрое больше токенов, чем английский. При сравнении именно с GPT-5.5 разница для одинакового русского текста достигала примерно 3,9 раза.
Российские модели показали противоположный результат. В YandexGPT и GigaChat русский текст занимал даже меньше токенов, чем его английский перевод. Это означает, что при выборе модели для русскоязычного сервиса одной цены за миллион токенов недостаточно: необходимо учитывать и количество токенов, которое модель расходует на обработку реального текста.
Для небольших запросов такая разница почти незаметна, однако при больших объёмах данных она напрямую влияет на стоимость работы сервиса. Поэтому сравнивать нейросети для русскоязычных продуктов имеет смысл не только по заявленному тарифу, но и по фактическому расходу токенов на русском языке.