Вы умеете писать код. Вы слышали про LLM API. Вы попытались прочитать документацию — и закрыли вкладку. «Подсчёт токенов». «Контекстное окно». «Temperature». «Системный промпт». Названия моделей, звучащие как дроиды из «Звёздных войн» — GPT-5.5, Claude Opus 4.8, Gemini 3.1 Pro. Каждый туториал обрушивает на вас эти термины. Ни один не объясняет, что они значат. Все предполагают, что вы уже знаете. Вы копируете сниппет. Он работает — вроде бы. Вы не понимаете почему. Не можете его настроить. И точно не знаете, безопасно ли его выпускать. Один API-запрос похож на другой, пока вы не наткнётесь на непонятную ошибку, искажённый ответ или счёт, которого не ожидали.
Это руководство начинается с нуля. Без предположений о ваших знаниях. Без жаргона без объяснений. От «что такое API-ключ» до «моё приложение работает в продакшне». У каждого понятия есть рабочий код. Каждый блок кода запускается, если его скопировать. К концу у вас будет первое настоящее LLM-приложение — и вы будете точно знать, почему оно работает.
Что такое LLM API — и как они на самом деле работают
Версия на 30 секунд. LLM API — это HTTP-endpoint. Вы отправляете текст, вам возвращается текст. За endpoint стоит большая языковая модель — нейросеть, обученная на миллиардах документов, — работающая на кластерах GPU. Вам не нужно понимать, как модель работает внутри, точно так же, как не нужно понимать устройство топливной системы, чтобы водить машину.
Вот что происходит, когда ваш код вызывает client.chat.completions.create():
Your code —HTTP POST to api.tokspan.com/v1 —GPU cluster processes your text —JSON response —your codeПолный цикл запроса обычно занимает 1–5 секунд в зависимости от объёма текста и выбранной модели.
Токены, а не слова. LLM считают не слова, а токены — примерно 0.75 слова на токен в английском. «The quick brown fox» — это 4 слова, но 5 токенов. Статья на 1,000 слов — примерно 1,300 токенов. Это важно, потому что вы платите за токен: входные токены (что вы отправляете) стоят дешевле выходных (что модель генерирует). Типичный запрос с промптом на 200 токенов и ответом на 500 токенов стоит от $0.0001 (на самой дешёвой модели) до $0.015 (на самой дорогой).
Контекстное окно — сколько модель может «видеть». У каждой модели есть максимальный размер входа, измеряемый в токенах. В 2026 году большинство флагманских моделей поддерживают 1 миллион токенов — примерно 750,000 слов, или всю трилогию «Властелина колец». Когда история беседы + системный промпт + сообщение пользователя превышают лимит, API возвращает ошибку. Вы решаете это обрезкой старых сообщений или суммаризацией беседы.
Temperature — насколько модель «творческая». Temperature находится в диапазоне от 0 до 2. При 0 модель всегда выбирает наиболее вероятный следующий токен — детерминированно и предсказуемо, хорошо подходит для кода и фактических ответов. При 1 выборка шире — больше разнообразия, подходит для творческого письма. При 2 модель становится непредсказуемой — иногда полезна для брейншторминга, чаще просто странная. По умолчанию в большинстве API — 1.0. Начните с этого.
Системные и пользовательские сообщения. У каждого запроса есть массив messages. «Системное» сообщение задаёт поведение модели: «Ты полезный ассистент по программированию. Отвечай на TypeScript. Держи ответы в пределах 100 слов». «Пользовательское» сообщение — это сам вопрос или запрос. Модель отвечает на основе обоих.
Стандарт OpenAI. В 2020 году у каждого LLM API был свой формат. В 2026 году 90% следуют формату Chat Completions API от OpenAI — /v1/chat/completions с параметрами model, messages и temperature. Это значит, что вы можете использовать Python SDK от OpenAI почти с любым провайдером, изменив две строки: base_url и api_key. Эта стандартизация — самое важное, что нужно понять новичку: она означает, что вы не привязаны ни к одному провайдеру.
Выбор первой модели: не усложняйте
Ландшафт моделей подавляющий — более 180 вариантов на середину 2026 года. Вот основа, которая решает всё это.
Начните с бесплатного. Переходите выше, когда упрётесь в лимиты.
- Бесплатный тариф: Google Gemini 2.5 Flash через Google AI Studio (1,500 запросов в день, без кредитной карты). Бесплатный тариф Groq (Llama 3.3 70B со скоростью 300 токенов/сек). GLM-4.7 Flash (бесплатно навсегда, контекст 128K). Начните здесь. Соберите прототип. Проверьте идею.
- Бюджетный тариф ($0.10–$0.50 за миллион токенов): DeepSeek V4 Flash — основной выбор — $0.14/$0.28, качество кода в пределах 1 пункта от GPT-4o. Менее чем за $10 в месяц можно запустить продакшн-чатбота на тысячи бесед.
- Тариф производительности ($2–$30 за миллион): GPT-5.5, Claude Opus 4.8, Gemini 3.1 Pro. Используйте, когда задача требует максимальной глубины рассуждений или когда цена ошибки выше стоимости запроса.
Быстрые рекомендации для новичков:
| Что вы строите | Начните с | Почему |
|---|---|---|
| Чат-бот | DeepSeek V4 Flash | $0.14/M, естественно ведёт беседу |
| Генератор кода | DeepSeek V4 Pro | 92% HumanEval, $0.44/M |
| Анализатор документов | Gemini 2.5 Flash | Контекст 1M, есть бесплатный тариф |
| Помощник для письма | GPT-5.4 Mini | $0.75/M, высокое качество текста |
| «Просто попробовать» | Gemini Flash (бесплатно) | Ноль стоимости, ноль настройки, 1,500 запросов/день |
Преимущество агрегационной платформы для новичков. Прямой доступ к провайдеру требует создания отдельного аккаунта под каждую модель. У каждой модели свои региональные требования, этапы проверки и минимальные депозиты. Агрегационная платформа даёт один аккаунт, один API-ключ и доступ ко всем моделям из таблицы выше — включая бесплатные. Вы можете попробовать GPT-5.5, Claude и Gemini рядом друг с другом, не создавая три аккаунта и не внося $15 минимальных балансов. Это путь за пять минут от «интересно» до «я получил ответ».
Ваш первый API-запрос: Python + Node.js
Python — 10 строк.
# Install: pip install openai
from openai import OpenAI
client = OpenAI(
base_url="https://api.tokspan.com/v1",
api_key="ts-your-key-here" # Get yours at api.tokspan.com/sign-in
)
response = client.chat.completions.create(
model="deepseek-v4-flash",
messages=[
{"role": "system", "content": "You are a helpful assistant. Keep answers under 50 words."},
{"role": "user", "content": "What is an API key?"}
]
)
print(response.choices[0].message.content)Node.js — 10 строк.
// Install: npm install openai
import OpenAI from 'openai';
const client = new OpenAI({
baseURL: "https://api.tokspan.com/v1",
apiKey: "ts-your-key-here"
});
const response = await client.chat.completions.create({
model: "deepseek-v4-flash",
messages: [
{ role: "system", content: "You are a helpful assistant. Keep answers under 50 words." },
{ role: "user", content: "What is an API key?" }
]
});
console.log(response.choices[0].message.content);Понимаем объект ответа. Ключевые поля:
response.choices[0].message.content— текстовый ответ модели (то, что вы показываете пользователям)response.choices[0].finish_reason— почему модель остановилась:"stop"(завершилась естественно),"length"(достигнут max_tokens),"content_filter"(заблокировано фильтром безопасности)response.usage.prompt_tokens— сколько токенов потребил входresponse.usage.completion_tokens— сколько токенов потребил выходresponse.usage.total_tokens— сумма обоих
Частые ошибки новичков и что они значат:
| Ошибка | Что произошло | Решение |
|---|---|---|
401 Unauthorized | Неверный или отсутствующий API-ключ | Проверьте ключ. Убедитесь, что он не истёк. |
429 Too Many Requests | Превышен лимит запросов | Снизьте темп. Добавьте ретраи с backoff. |
403 Forbidden | Регион не поддерживается или у ключа нет прав | Используйте агрегационный endpoint для более широкого доступа. |
500 Internal Server Error | Проблема на стороне провайдера | Повторите с backoff. Если повторяется — смените модель. |
context_length_exceeded | Вход слишком длинный | Обрежьте историю беседы или используйте модель с большим контекстом. |
Поймите тарификацию, прежде чем получить счёт на $500
Вопрос, который задаёт каждый разработчик после первого успешного запроса: «Сколько это мне будет стоить?»
Как работает тарификация токенов. Каждая модель берёт плату отдельно за входные токены (текст, который вы отправляете — промпт, историю, системное сообщение) и выходные (текст, который модель генерирует). Входные дешевле, потому что требуют меньше вычислений. Выходные дороже, потому что модель генерирует их по одному.
Пример с GPT-5.5 при $5.00/M на вход и $30.00/M на выход: запрос с 500 входных и 1,000 выходных токенов стоит (500/1,000,000 × $5) + (1,000/1,000,000 × $30) = $0.0025 + $0.03 = $0.0325.
Скрытые расходы, которые удивляют новичков. Reasoning-токены — внутренняя цепочка рассуждений, которую такие модели, как GPT-5.5 и Claude Opus, генерируют перед ответом, — тарифицируются по ставке выхода, но никогда не появляются в ответе. Запрос, который показывает 500 видимых выходных токенов, мог потребить 1,500 reasoning-токенов за кулисами. Ваш запрос за $0.015 на самом деле стоил $0.045.
Разрастание промпта — другой тихий фактор роста расходов: ваш промпт «простой классификации» на 200 токенов вырастает до 2,500 токенов по мере добавления примеров. Проводите аудит промптов раз в месяц.
Оценка стоимости. Хорошее эмпирическое правило: определите среднее число токенов на запрос (вход + выход), умножьте на дневной объём запросов и воспользуйтесь таблицей цен в нашем руководстве по ценам на все модели, чтобы рассчитать месячный расход. Чат-бот на DeepSeek V4 Flash, обрабатывающий 200 бесед в день по 1,500 токенов каждая, стоит примерно $2.50 в месяц.
Тот же объём на GPT-5.5 стоит примерно $270 в месяц. Выбор модели — а не объём запросов — доминирует в вашем счёте для большинства приложений.
Бюджетные лимиты. Установите жёсткие лимиты расходов на уровне платформы до развёртывания. Незавершённый цикл, вызывающий API на каждой итерации, может сжечь $100 токенов, пока вы пьёте кофе. Бюджетные лимиты автоматически останавливают такие расходы. Большинство агрегационных платформ поддерживают лимиты расходов на ключ — установите $10 для разработки, $100 для стейджинга и производственный бюджет для продакшна.
Полное объяснение экономики токенов — входные против выходных цен, reasoning-токены, надбавки за контекстное окно и методы оценки затрат — покрыто в статье выше. Управление ключами и безопасность в продакшне описаны отдельно в нашем комплексном руководстве по безопасности.
От прототипа к продакшну: чек-лист из 8 пунктов
Ваш прототип работает. Вы получили ответ. Вот что нужно, прежде чем приложение увидят реальные пользователи.
1. Перенесите API-ключи в переменные окружения. Никогда не хардкодьте ключи в исходниках. Один git push в публичный репозиторий с захардкоженным ключом может привести к неавторизованному использованию на тысячи долларов в течение нескольких часов. Используйте os.environ.get("TOKSPAN_API_KEY") или process.env.TOKSPAN_API_KEY. Добавьте .env в .gitignore.
2. Добавьте обработку ошибок. Сетевые таймауты, лимиты запросов и сбои провайдеров случаются. Каждый запрос к API нуждается в try/except, обрабатывающем 429 (backoff и повтор), 5xx (повтор с другой моделью) и таймауты (один повтор, затем корректное завершение). Цепочка fallback из трёх строк — попробуйте модель A, при исключении модель B, затем верните ошибку — не даёт «падению чат-бота» стать видимой пользователю проблемой.
3. Внедрите стриминг. Нестриминговые ответы заставляют пользователей ждать 3–8 секунд, прежде чем они что-то увидят. Стриминг показывает первый токен за 0.3–0.8 секунды. Воспринимаемая разница в производительности огромна. Установите stream=True и итерируйте по чанкам — та же стоимость, гораздо лучше UX.
4. Добавьте лимит запросов на своей стороне. Защитите бюджет от зациклившихся программ. Простое ведро токенов с лимитом 60 запросов/минуту — это 10 строк кода и защита от понедельничной паники «я оставил скрипт работать на ночь».
5. Настройте логирование. Логируйте каждый вызов API: временную метку, модель, потреблённые токены, стоимость и ID пользователя. Когда ваш CFO спросит «что это за счёт на $800», вы предъявите точные цифры по пользователям, фичам и моделям — до того, как вопрос будет полностью задан.
6. Настройте запасные модели. Если основная модель возвращает ошибки более 30 секунд, автоматически переключайтесь на резервную. Пользователю не важно и неинтересно, какая модель ответила — важно, что ответ пришёл.
7. Версионируйте промпты. Относитесь к промптам как к коду. Храните их в системе контроля версий. Тестируйте изменения перед развёртыванием. Кажущееся незначительным изменение промпта может утроить потребление токенов или неожиданно изменить качество вывода.
8. Следите за расходами ежедневно. Не ежемесячно. Аномалия в $10/день, замеченная во вторник, — это проблема на $50. Та же аномалия, обнаруженная в конце месяца, — проблема на $300. Настройте ежедневную сводку расходов, которую можно просмотреть за 10 секунд.
Короткий путь через агрегационную платформу
Каждый пункт чек-листа выше вы можете построить сами. Или — для пунктов 2, 5, 6 и 8 — получить по умолчанию от агрегационной платформы. Автоматический fallback. Встроенное логирование расходов. Ежедневные сводки использования. Управление лимитами запросов на уровне платформы.
Для одиночного разработчика или небольшой команды вопрос не в том, «могу ли я это построить», а в том, «стоит ли тратить первую неделю на строительство LLM-инфраструктуры или на строительство моего продукта». Ответ агрегационной платформы: стройте продукт. Инфраструктура уже готова.
Когда имеет смысл прямой доступ: вам нужны специфические сертификаты корпоративной безопасности, которых нет у платформы. Вы работаете в масштабе, где наценка платформы за токен (если она есть) превышает стоимость создания и поддержки собственного шлюза. У вас есть выделенная ML-инфраструктурная команда. Для всех остальных пятиминутный старт на агрегационной платформе превосходит двухнедельную настройку инфраструктуры при прямом доступе.
FAQ
Нужна ли кредитная карта, чтобы начать использовать LLM API?
Нет, при бесплатных тарифах (Google AI Studio, Groq, GLM-4.7 Flash) или агрегационных платформах, принимающих альтернативные способы оплаты (Alipay, WeChat, PayPal). Полную разбивку бесплатных тарифов смотрите в нашем руководстве по самым дешёвым LLM API.
Какой язык программирования лучше всего для LLM API?
У Python лучшая поддержка SDK и самое большое сообщество. JavaScript/TypeScript — близкий второй. Оба работают отлично. Используйте язык, который уже знает ваша команда. API — это HTTP + JSON, поэтому любой язык с HTTP-клиентом может его вызвать.
Сколько стоит запустить небольшой проект?
$5–20 в месяц для личного проекта с умеренным использованием (50–200 запросов/день). Агрегационные платформы позволяют начать с предоплаченного баланса $5 — без ежемесячных обязательств. Точную настройку описывает наш гайд быстрого старта TokSpan.
В чём разница между GPT-5.5 и GPT-5.4?
GPT-5.5 — самая новая флагманская модель ($5/$30 за 1M токенов) с самыми высокими результатами бенчмарков. GPT-5.4 на поколение старше, но в 2 раза дешевле ($2.50/$15). Для большинства задач — суммаризации, классификации, простого кодинга — GPT-5.4 выгоднее. Используйте GPT-5.5, когда задача требует максимальной глубины рассуждений.
Могу ли я позже сменить модель, не переписывая приложение?
Да, если вы используете паттерн OpenAI SDK. Измените один параметр model=. Агрегационные платформы делают это тривиальным — все модели доступны через один endpoint. Протестируйте новую модель в продакшне, изменив одну строку конфигурации, а не репозиторий кода.
Ваш первый API-запрос занял 10 строк кода. Ваш продакшн-чек-лист — 8 пунктов. Разрыв между ними — это опыт, и самый быстрый способ его сократить — отправить второй запрос с другой моделью, тем же SDK и посмотреть, как расходятся ответы.
Ваш ход: откройте терминал. Вставьте 10-строчный пример на Python из раздела «Ваш первый API-запрос». Измените строку модели с "deepseek-v4-flash" на "gpt-5.5". Отправьте оба. Сравните задержку, стиль вывода и стоимость. Это пятиминутное упражнение научит вас выбору моделей больше, чем любая таблица цен.
Отправить первый сравнительный запрос — один endpoint, все основные модели, ноль начальных затрат.