Какую модель выбрать, чтобы ИИ самостоятельно разработал игру: сравнение цен 3 моделей и 5-шаговый алгоритм расчёта стоимости токенов

Какую модель выбрать, чтобы ИИ самостоятельно разработал игру: сравнение цен 3 моделей и 5-шаговый алгоритм расчёта стоимости токенов

Резюме: при выборе модели для разработки игр стоит смотреть на успешность выполнения одной и той же задачи, время работы, стоимость API и затраты на ручные исправления. Таблицы цен и общие бенчмарки для кода — лишь вспомогательные ориентиры.

Сначала главное: если AI самостоятельно разрабатывает игру, в итоге нужно сравнивать сквозную стоимость готовой к поставке версии, а не цену за миллион токенов. В кейсе Saltline Claude Fable 5.2 примерно за 8 часов, около 445 млн входных токенов и около 2,7 млн выходных токенов создал прототип 3D-шутера, который запускается в браузере. Разработчик по ценам API оценил расходы примерно в 550 долларов, причём большая часть входных данных шла через кэш. По состоянию на 16 ноября 2026 года стандартные цены API у трёх моделей различаются максимум примерно в 5 раз, но если более дешёвая модель требует больше раундов, суммарная стоимость может оказаться выше. Поэтому надёжный способ выбора такой: дать одну и ту же игровую задачу моделям-кандидатам, запустить несколько раз, собрать статистику по успешности, токенам, времени и объёму ручных исправлений, а затем посчитать «стоимость каждого годного варианта».

Что будет дальше: в разделе 1 на примере Saltline разбирается структура счёта за токены в одном эксперименте по разработке игры с AI. В разделе 2 сравниваются официальные цены трёх моделей и объясняется, как кэш влияет на итоговые расходы. В разделе 3 рассказывается, что именно показывают SWE-bench Verified, Aider Polyglot и исторические оценки NIST. В разделе 4 приводится воспроизводимая методика и код для отдельного бенчмарка по разработке игр. В разделе 5 результаты превращаются в стратегию выбора модели.

ai-game-development-model-selection-token-cost-ru-image-0

Table of Contents

Для справки: термины для выбора моделей в AI-разработке игр

Термин Объяснение
Входные токены Объём контента, передаваемого модели на обработку: промпты, файлы кода, результаты работы инструментов и т. д.
Выходные токены Объём контента, который генерирует модель: код, пояснения, параметры вызова инструментов.
Чтение из кэша Повторное использование уже закэшированного контекста; тарифицируется значительно ниже обычного ввода.
Запись в кэш Плата за первичное сохранение контекста в кэш; обычно немного выше обычного ввода.
SWE-bench Verified Бенчмарк из 500 вручную проверенных задач программной инженерии на реальных open-source проектах.
Aider Polyglot Оценка изменения кода на 6 языках программирования, включающая 225 упражнений.
Harness Среда выполнения, которая организует цикл работы модели, инструментов и задач, например каркас агента.
Доля успешно выполненных задач Доля задач, выполненных по заранее заданным критериям приёмки.
Стоимость полного цикла Сумма затрат на вызовы модели, выполнение инструментов и ручной труд за весь цикл задачи.
Ручные исправления Правки вручную, чтобы результат соответствовал критериям приёмки.
Процедурная генерация Создание геометрии, текстур и звука кодом и математическими функциями, а не импортом файлов ресурсов.
Шейдер Программа, выполняемая на GPU для расчёта цвета, освещения, материалов и других визуальных эффектов.

1. Сколько токенов стоила разработка игры силами ИИ: кейс Saltline

1.1. Что за игра Saltline и какого она масштаба

9 ноября 2026 года инженер Anthropic Felix Rieseberg публично представил эксперимент по программированию с Claude Fable 5.2. Он дал модели всего один промпт — сделать небольшую игру в жанре шутера от первого лица, визуально максимально близкую к AAA-проектам, — и на всём протяжении работы не давал никакой обратной связи от человека. Результатом стал Saltline: 3D-шутер, который запускается прямо в браузере. Действие разворачивается в контейнерном порту дождливой ночью: игроку нужно отключить три ретранслятора сигнала и эвакуироваться, а враги — это патрульные дроны в воздухе и механические псы-охотники на земле.

По масштабу Saltline — играбельный прототип для одного игрока с одним уровнем. «AAA» здесь — это цель эксперимента и визуальная аналогия для описания стиля картинки; по объёму он сильно уступает коммерческим AAA-продуктам. Ходившая по Китаю версия «几猫·国产3A大作» — это китайский вариант Saltline или его переупаковка; название появилось в процессе распространения и не говорит о том, кто на самом деле разработчик.

1.2 Разработчик о времени, токенах и затратах

Все данные ниже взяты из публикации самого разработчика в X. Это его собственные оценки, не проходившие независимый аудит:

  • Время разработки: около 8 часов
  • Входные токены: около 445 млн, причём значительная часть — из кэша
  • Выходные токены: около 2,7 млн
  • Оценка стоимости по ценам API: около 550 долларов
  • Подход к разработке: один промпт, без итераций с обратной связью от человека

Это разовые затраты на генерацию. После создания файлов игра запускается локально в браузере игрока, и во время игры Claude API не вызывается. Поэтому 550 долларов нельзя распределить как «AI-стоимость на каждого игрока».

1.3 Разбираем эту сумму по официальным ценам

По официальной стандартной цене Claude Fable 5.2 (выход — $40 за миллион токенов) 2,7 млн выходных токенов стоят около 108 долларов. Оставшиеся примерно 440 долларов относятся к входной стороне: запись в кэш, чтение из кэша и обычный ввод. Разработчик не раскрыл количество токенов по каждому из этих трёх пунктов, поэтому дальше сумму не разбить.

Достаточно сравнить два граничных значения, чтобы увидеть эффект кэша: если бы все 445 млн входных токенов тарифицировались как обычный ввод по $8, это составило бы около 3 560 долларов; если бы все шли по цене чтения из кэша $0.20 — около 89 долларов. Фактическая оценка лежит между ними и заметно ближе к нижней границе. Это показывает: в длительных задачах разработки с агентом доля попаданий в кэш на входной стороне определяет порядок суммы в счёте, а цена выходных токенов влияет относительно слабо.

1.4 Почему файл размером 1,4 МБ может израсходовать 445 млн токенов

Независимая HTML-версия Saltline занимает около 1,43 МБ (1 425 707 байт). Разработчик рассказывает, что модели и текстуры в игре — это код: геометрия строится программно, вид поверхности вычисляется шейдерами, звук тоже генерируется программой. Отдельных файлов изображений или 3D-моделей там нет.

Результат получился компактным, а вот процесс — долгим. За 8 часов агент многократно перечитывал растущий файл с кодом, запускал инструменты, смотрел на результат и снова вносил правки. На каждом таком витке ему приходилось заново отправлять в модель большой объём контекста. В итоге основные затраты токенов дал именно этот цикл, а не длина финального файла. Именно поэтому, оценивая модели для разработки игр, нужно измерять «стоимость процесса».

ai-game-development-model-selection-token-cost-ru-image-1

2 Сравнение цен на модели для разработки игр: различия в тарификации токенов у трёх API

2.1 Официальные стандартные цены трёх моделей

Все цены в таблице ниже взяты с официальных страниц вендоров по состоянию на 16 ноября 2026 года, указаны в долларах США за миллион токенов, соответствуют стандартному тарифу API и не учитывают скидки других каналов и региональные надбавки.

Модель Обычный ввод Вывод Чтение кэша Примечание
Claude Fable 5.2 $8 $40 $0.20 Запись в кэш на 5 минут — $10, на 1 час — $16; контекст 1M, максимальный вывод 128K
GPT-6 Astra $10 $50 $1 Стандартный тариф обработки; цены для других скоростных режимов, пакетной обработки и региональных опций могут отличаться
Gemini 4 Argon $2 $10 $0.10 Цена действует до 30 ноября 2026 года; с 1 декабря планируется изменение: ввод $4, вывод $20

У Claude Fable 5.2 есть ещё Fast Mode: ввод $16, вывод $80 — по заявлению вендора, скорость вывода можно поднять до 2,5 раза. Для длинных задач, которые нужно уложить в фиксированное время, скоростной режим меняет и время выполнения, и стоимость, поэтому при оценке его стоит записывать как отдельную конфигурацию.

💡 Совет по сравнению: у трёх моделей разные интерфейсы и поля тарификации, поэтому при сборке собственного стенда для оценки к каждой нужно подключаться отдельно. APIYI apiyi.com предлагает единый интерфейс, совместимый с OpenAI: с одним API-ключом можно вызывать Claude, GPT, Gemini и другие модели, что удобно для переключения моделей в рамках одного набора оценочных скриптов. Актуальный список доступных моделей и цены смотрите в каталоге платформы.

2.2 Разница в ценах при одинаковом объёме токенов

Чтобы наглядно почувствовать разницу в цене за единицу, можно подставить объём вывода Saltline (2,7 млн токенов) в цены всех трёх: Claude Fable 5.2 — около $108, GPT-6 Astra — около $135, Gemini 4 Argon — около $27. Если все 445 млн входных токенов попадут в чтение кэша, получится примерно $89, $445 и $45 соответственно.

Эти цифры говорят только о структуре тарификации и предполагают, что все три модели расходуют совершенно одинаковое число токенов, — а на практике это условие почти никогда не выполняется. Разным моделям нужно разное число раундов на одну и ту же задачу, разный объём контекста на каждом раунде и разная длина генерируемого кода, а повторные запуски после неудач ещё и умножают расходы.

2.3 Цена кэша важнее цены ввода

При агентной разработке большая часть ввода — это повторяющийся контекст. У GPT-6 Astra цена чтения кэша составляет 1/10 от обычного ввода, у Claude Fable 5.2 — 1/40, у Gemini 4 Argon — 1/20. Чем ниже отношение цены чтения кэша к цене обычного ввода, тем легче сжать стоимость ввода в длинных задачах.

У кэша есть ещё стоимость записи и срок действия. У Claude запись в 5-минутный и 1-часовой кэш стоит по-разному, и если интервал между двумя вызовами агента превышает срок жизни кэша, запись придётся делать заново. При оценке стоимости длинных задач нужно учитывать вместе число записей в кэш, долю попаданий и срок действия.

3 Что могут показать бенчмарки по программированию: ориентир возможностей моделей для разработки игр

3.1 SWE-bench Verified: задачи по программной инженерии на реальных репозиториях

SWE-bench Verified включает 500 задач, отобранных и проверенных вручную, из реальных open-source проектов. Модели нужно понять контекст репозитория и выполнить исправление багов, изменение существующего кода, устранение падений тестов и правки в нескольких файлах — это ближе к реальной инженерии, чем просто автодополнение кода.

При использовании стоит учитывать влияние Harness. Официально указано, что общий лидерборд смешивает разные агентные системы, а для сравнения самих моделей нужно использовать единую конфигурацию mini-SWE-agent. Конфигурация агента, инструменты, промпты и версии влияют на оценку, поэтому результаты разных конфигураций стоит рассматривать отдельно.

3.2 Aider Polyglot: фиксирует и точность, и стоимость

Aider Polyglot использует 225 задач по программированию на C++, Go, Java, JavaScript, Python и Rust — с помощью тестовых примеров проверяется, правильно ли модель изменила код. В открытых результатах помимо доли правильных ответов также фиксируются расход токенов, стоимость запуска, ошибочный вывод, ошибки форматирования и время выполнения каждой задачи.

Для выбора модели такой формат «точность + стоимость» очень ценен: он совпадает с подходом к оценке, о котором пойдёт речь дальше в статье. Сами задачи — отдельные учебные упражнения; по масштабу и формату они заметно отличаются от полноценного проекта 3D-игры.

3.3 Исторические оценки NIST: обращайте внимание на версии моделей и даты

В опубликованном в 2025 году отчёте об оценке моделей подразделения CAISI Национального института стандартов и технологий США (NIST) проверялись результаты группы моделей по SWE-bench Verified. Все приведённые ниже данные относятся к историческим моделям и экспериментальным конфигурациям из этого отчёта и не отражают рейтинг самых актуальных моделей по состоянию на ноябрь 2026 года.

Модель (тестируемая версия в отчёте 2025 года) Результат SWE-bench Verified
Anthropic Opus 4 66,7%
GPT-5 63,0%
DeepSeek V3.1 54,8%
DeepSeek R1-0528 44,6%
gpt-oss 42,6%
DeepSeek R1 25,4%

В отчёте также приводится стандартная ошибка — это говорит о том, что оценки в рамках одного и того же бенчмарка сами по себе подвержены статистическим колебаниям. Разница в несколько процентных пунктов в пределах погрешности может не давать реального различения. Сравниваемые в этой статье Claude Fable 5.2, GPT-6 Astra и Gemini 4 Argon в этот отчёт не попали. При выборе модели нужно искать свежие оценки именно для текущих версий с явно указанной конфигурацией — или проводить собственное тестирование.

3.4 Разрыв между универсальными навыками программирования и возможностями в разработке игр

Разработка игр включает массу задач, которые общие инженерные бенчмарки几乎 не покрывают: понимание 3D-пространства, написание шейдеров, рендеринг в реальном времени, анимационные системы, физическая симуляция, ощущение управления и оптимизация производительности. В проектах вроде Saltline от модели ещё требуется генерировать визуальные ассеты кодом — а это уже зависит от понимания графики и визуальных эффектов.

Модель может отлично ловить баги в Python-репозиториях, но на сложных сценах WebGL показывать средний результат. SWE-bench и Aider хорошо подходят для того, чтобы отсеять кандидатов с явно недостаточными навыками написания кода; итоговый же рейтинг требует отдельной оценки именно по разработке игр.

ai-game-development-model-selection-token-cost-ru-image-2

4 Как сравнивать модели для разработки игр с помощью ИИ: специализированный план оценки на одной задаче

4.1 Разрабатываем единую задачу: 3D-игра для браузера

Опираясь на подход Saltline, задачу можно определить так: по одному промпту сгенерировать прототип 3D-игры, который запускается в браузере. Все модели-кандидаты получают абсолютно одинаковые требования:

  1. Сгенерировать полноценный проект, который можно сразу открыть и запустить в браузере
  2. Включить управляемого персонажа и 3D-окружение
  3. Включить столкновения или базовую физику
  4. Включить чёткую цель задания и условия победы/поражения
  5. Во время оценки запрещено вручную править ключевой код

Сложность задачи должна соответствовать твоим реальным потребностям. Команда, которая делает казуальные мини-игры, при тестировании на прототипе FPS завысит нужный класс модели; команда, которая делает сложные 3D-проекты, на простой 2D-задаче, наоборот, занизит его.

4.2 Десять критериев оценки

Критерий Что оценивается Как рекомендуется фиксировать
Полнота функций Реализованы ли ключевые игровые функции Отмечать пункты по списку функций
Визуальное качество Сцены, материалы, освещение, анимация Слепое оценивание несколькими оценщиками
Возможность запуска Запускается ли нормально Да / Нет
Полнота взаимодействия Корректны ли ввод и обратная связь Тестировать по чек-листу действий
Стабильность Есть ли явные падения Играть фиксированное время и записывать число падений
Производительность FPS, время запуска, память Измерять на фиксированном оборудовании
Качество кода Читаемость, модульность, обработка ошибок Оценка по результатам код-ревью
Стоимость токенов Ввод, вывод, кеш Суммировать по полю API usage
Общее время От начала до работоспособной версии Замерять время
Ручные исправления Ручное вмешательство, необходимое для соответствия критериям Записывать человеко-часы

При этом «возможность запуска», «полнота функций» и «полнота взаимодействия» должны быть жёсткими критериями приёмки, определяющими успешность прогона; визуальное качество, производительность и качество кода используются для ранжирования успешных результатов.

4.3 Контроль тестовой среды

Сопоставимость результатов оценки зависит от того, все ли переменные под контролем. Согласовать нужно целый набор условий: один и тот же браузер, одно и то же устройство, одинаковые промпты, одинаковый порядок тестирования, одинаковый лимит времени, а также одинаковое разрешение или запрет на выход в сеть. Если модели разрешено самостоятельно вызывать инструменты, искать материалы или создавать файлы, то и права доступа к инструментам у всех моделей должны быть одинаковыми.

Тестовый стенд (harness) тоже нужно фиксировать. Если взять одну и ту же модель, но другой Agent-фреймворк, доля успешных прогонов и расход токенов могут заметно измениться. Поэтому в отчёте об оценке нужно указывать использованный фреймворк, его версию и параметры — например, температуру, максимальную длину вывода и скоростной режим.

4.4 Каждую модель прогоняйте несколько раз

Генерация большой языковой модели имеет случайный характер: один успех может оказаться везением, а одна неудача — случайностью. Каждую модель стоит запускать в одинаковых условиях несколько раз (скажем, от 5 до 10), а затем считать долю успешных прогонов, а также средние токены, время и оценку качества по успешным примерам. Saltline сам по себе — единичный эксперимент: он доказывает, что задача в принципе решаема, но не даёт доли успеха этой модели на подобных задачах.

Скрипт ниже вызывает модель через OpenAI-совместимый интерфейс и по полю usage считает стоимость одного вызова согласно ценам из раздела 2:

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Единый интерфейс APIYI: чтобы сменить модель, достаточно изменить model
)

# Единица: доллары за миллион токенов, официальные стандартные цены на 2026-11-16
PRICES = {
    "claude-fable-5.2": {"input": 8,  "output": 40, "cache_read": 0.20},
    "gpt-6-astra":      {"input": 10, "output": 50, "cache_read": 1},
    "gemini-4-argon":   {"input": 2,  "output": 10, "cache_read": 0.10},
}

def call_and_price(model: str, messages: list) -> tuple[str, float]:
    resp = client.chat.completions.create(model=model, messages=messages)
    u = resp.usage
    cached = getattr(getattr(u, "prompt_tokens_details", None), "cached_tokens", 0) or 0
    p = PRICES[model]
    cost = ((u.prompt_tokens - cached) * p["input"]
            + cached * p["cache_read"]
            + u.completion_tokens * p["output"]) / 1_000_000
    return resp.choices[0].message.content, cost

Названия моделей стоит брать из списка моделей той платформы, через которую вы на самом деле вызываете модель. Стоимость записи в кеш и надбавки за скоростной режим нужно добавлять в расчёт отдельно — по правилам каждого провайдера.

Посмотреть скрипт многократного прогона и сводки затрат
import time
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # через APIYI вызываем несколько моделей-кандидатов
)

PRICES = {
    "claude-fable-5.2": {"input": 8,  "output": 40, "cache_read": 0.20},
    "gpt-6-astra":      {"input": 10, "output": 50, "cache_read": 1},
    "gemini-4-argon":   {"input": 2,  "output": 10, "cache_read": 0.10},
}

TASK_PROMPT = "生成一个可在浏览器运行的单文件 3D 游戏原型……(所有模型使用同一提示词)"

def price(model, usage):
    cached = getattr(getattr(usage, "prompt_tokens_details", None), "cached_tokens", 0) or 0
    p = PRICES[model]
    return ((usage.prompt_tokens - cached) * p["input"]
            + cached * p["cache_read"]
            + usage.completion_tokens * p["output"]) / 1_000_000

def run_once(model, max_rounds=30):
    """Упрощённый цикл агента: генерация → проверка → возврат результата → доработка"""
    messages = [{"role": "user", "content": TASK_PROMPT}]
    total_cost, start = 0.0, time.time()
    for _ in range(max_rounds):
        resp = client.chat.completions.create(model=model, messages=messages)
        total_cost += price(model, resp.usage)
        code = resp.choices[0].message.content
        report = check_game(code)  # реализуйте сами: запись в файл, запуск headless-браузера, прогон чек-листа функций
        if report["passed"]:
            return True, total_cost, time.time() - start
        messages += [{"role": "assistant", "content": code},
                     {"role": "user", "content": f"检查结果:{report['log']},请修复"}]
    return False, total_cost, time.time() - start

def evaluate(model, trials=5, human_fix_cost=0.0):
    results = [run_once(model) for _ in range(trials)]
    successes = sum(r[0] for r in results)
    api_cost = sum(r[1] for r in results)
    rate = successes / trials
    per_success = (api_cost + human_fix_cost) / successes if successes else float("inf")
    print(f"{model}: 成功率 {rate:.0%},API 总费用 ${api_cost:.2f},"
          f"每个合格版本成本 ${per_success:.2f}")

for m in PRICES:
    evaluate(m)

🚀 Быстрый старт: когда будете собирать такой бенчмарк, сначала прогоните скрипт на маленькой задаче и только потом переключайтесь на полноценную игровую задачу. APIYI apiyi.com выдаёт новым пользователям бесплатный тестовый лимит — на нём удобно сначала проверить Harness и логику подсчёта расходов, а уже потом выделять бюджет на серьёзный прогон.

5 Как выбирать модель для AI-разработки игр: контроль расходов на токены в сложных задачах

5.1 Успешность определяет общую стоимость

Полная стоимость разработки складывается из трёх частей:

Общая стоимость задачи = стоимость вызова модели + стоимость работы инструментов + стоимость ручных доработок

Если учитывать успешность, практичнее сравнивать «стоимость одного годного результата»: все затраты на попытки делятся на число успешных. Допустим, модель A стоит 100 долларов за попытку при успешности 80% — выходит около 125 долларов за годный результат. Модель B стоит 30 долларов за попытку при успешности 20% — это примерно 150 долларов за годный результат, да ещё плюс время на разбор неудачных вариантов. В этом примере модель с низкой ценой за вызов в итоге выходит дороже.

Самая крупная статья расходов — часто именно ручные доработки. Если инженер тратит несколько часов на правку сгенерированного результата, стоимость его времени может превысить весь счёт за API. Поэтому при оценке честно фиксируйте часы ручного вмешательства и пересчитывайте их в общую стоимость по реальной ставке вашей команды.

5.2 Три стратегии выбора модели

Стратегия Когда подходит Плюсы На что смотреть по расходам
Модель высокой мощности Сложная архитектура, разработка с длинным контекстом, взаимодействие нескольких модулей, поиск сложных багов Высокая доля успешных выполнений, меньше повторных прогонов и ручных исправлений Высокая цена за вызов; входные расходы нужно сдерживать за счёт кэширования
Недорогая модель Простые функции, объяснение кода, рутинные правки, помощь с тестами Низкая цена за вызов, подходит для частых обращений На сложных задачах возможны несколько неудачных попыток, и итоговая стоимость может вырасти
Совместная работа нескольких моделей Одна модель отвечает за архитектуру, другая — за реализацию, независимая модель делает ревью кода Возможности и цена подбираются под каждый этап При передаче между моделями контекст пересылается повторно, растут расходы на токены и координацию

Экономия от совместной работы нескольких моделей зависит от стоимости передач между ними. При каждой передаче контекст проекта приходится заново отправлять другой модели, а кэш между разными моделями не разделяется. Схема сотрудничества окупается только тогда, когда недорогая модель берёт на себя достаточно много этапов, а передач немного — и это тоже стоит подтвердить практическими замерами.

💰 Совет по затратам: для совместной работы нескольких моделей приходится в одном проекте обращаться к моделям разных провайдеров. Если подключаться через APIYI apiyi.com с одним ключом и одним набором кода, меньше возни с несколькими аккаунтами и адаптацией интерфейсов, а после распределения архитектуры, реализации и ревью между разными моделями проще сводить расходы в одном месте.

5.3 Практический пятишаговый процесс выбора

  1. Определите задачу и критерии приёмки: чётко пропишите список функций, целевые платформы и минимальные требования к производительности — это станет основой для оценки успеха.
  2. Сделайте первичный отсев по публичным бенчмаркам: опирайтесь на актуальные результаты SWE-bench Verified и Aider Polyglot с явно указанной конфигурацией и отсекайте модели с очевидно недостаточными способностями к программированию.
  3. Проведите специализированное тестирование: в одинаковых условиях прогоните одну и ту же игровую задачу 5–10 раз для каждой модели-кандидата и зафиксируйте десять метрик из раздела 4.2.
  4. Посчитайте стоимость каждого подходящего варианта: расходы на API плюс расходы на инструменты плюс расходы на ручные исправления, разделить на число успешных прогонов.
  5. Комбинируйте модели по этапам: сложные этапы поручайте моделям с высокой долей успеха, повторяющиеся — малозатратным моделям, а затем проверьте на практике, действительно ли комбинация экономичнее.

Цены меняются: например, для Gemini 4 Argon уже объявлен пересмотр тарифов с 1 декабря. В результатах тестирования сохраняйте исходные данные по токенам — при изменении цен достаточно подставить новые цены за единицу, чтобы обновить выводы.

ai-game-development-model-selection-token-cost-ru-image-3

6. Частые вопросы (FAQ) о выборе моделей ИИ для разработки игр

Вопрос 1: 550 долларов в Saltline — это реальный счёт?

Это не аудированный счёт. 550 долларов — оценка разработчика Felix Rieseberg по ценам API; сопутствующие данные (около 8 часов, около 445 млн входных токенов, около 2,7 млн выходных токенов) тоже взяты из его собственных слов. Во входных данных активно использовался кэш, но точное соотношение записи в кэш и чтения из кэша не раскрыто.

Вопрос 2: Модель с минимальной ценой за токен — значит, самая выгодная?

Всё решает успешность. Цена за токен определяет только стоимость одного токена; сколько токенов модели нужно на задачу, сколько раз её перезапускать и сколько потом править руками — всё это зависит от способностей модели. Сравнивать имеет смысл по формуле «общие затраты ÷ число успехов».

Вопрос 3: Модель №1 в рейтинге SWE-bench лучше всего подходит для игр?

SWE-bench Verified измеряет навыки программирования в реальных открытых репозиториях и слабо покрывает шейдеры, понимание 3D-пространства, рендеринг в реальном времени и ощущение управления. Он годится для первичного отбора, а финальный рейтинг для разработки игр требует отдельных специализированных тестов.

Вопрос 4: Могут ли оценки из отчёта NIST отражать сегодняшние модели?

Нет. Отчёт NIST CAISI вышел в 2025 году и тестировал модели прошлых поколений вроде GPT-5, Opus 4, DeepSeek V3.1 и конкретные экспериментальные конфигурации. Для новых моделей ноября 2026 года нужно искать свежие оценки именно под их версии.

Вопрос 5: Как быстро собрать сравнительный тест нескольких моделей?

Проще всего взять агрегатор с OpenAI-совместимым интерфейсом. Зарегистрируйтесь на APIYI apiyi.com, получите API-ключ, укажите в скрипте из этой статьи `base_url` как `https://api.apiyi.com/v1` и меняйте параметр `model` — так можно тестировать несколько моделей в одном и том же скрипте. Новичкам можно сначала проверить скрипт на бесплатной квоте.

Вопрос 6: Как точнее всего считать стоимость токенов при тестировании?

Ориентируйтесь на поле usage в ответе API: суммируйте по каждому вызову обычные входные токены, чтение из кэша и выходные токены, а потом считайте по официальным ценам и тарифным уровням на день вызова. Дополнительные сборы за запись в кэш, уровни скорости и т.п. нужно добавлять отдельно по правилам каждого провайдера. При вызовах через APIYI apiyi.com можно также сверять результаты подсчёта с историей расходов в панели платформы.

Вопрос 7: Можно ли сразу выпустить в релиз прототип игры, созданный ИИ?

Прототипы вроде Saltline доказывают, что модель может без обратной связи от человека выдавать играбельную версию. Но коммерческий релиз — это ещё совместимость с разными браузерами, адаптация под мобильные устройства, оптимизация производительности и долгосрочная поддержка. Браузерные игры ограничены локальным железом и возможностями браузера; страница Saltline тоже предупреждает о медленной инициализации, необходимости переключаться на низкое качество графики при подтормаживаниях и т.п. Затраты на тестирование и оптимизацию перед релизом стоит включать в полную стоимость разработки.

7 Ключевые выводы о выборе модели для AI-разработки игр

  • Главная метрика: сравнивайте сквозную стоимость каждого годного релиза, а не цену за миллион токенов.
  • Счёт Saltline: около 550 долларов — это оценка самих разработчиков, на выход приходится примерно 108 долларов, остальное — на вход.
  • Кэш решает порядок величин: в длинных задачах почти всё приходится на вход, поэтому сильнее всего влияют цена чтения из кэша и доля попаданий.
  • Цены меняются: цены в статье актуальны на 2026-11-16, у Gemini 4 Argon с 1 декабря планируется изменение тарифов.
  • Бенчмарки — для первичного отсева: SWE-bench и Aider измеряют общее программирование, а игровые способности нужно оценивать отдельно.
  • Несколько прогонов: запускайте каждую модель 5–10 раз в одинаковых условиях и делайте выводы по доле успешных попыток, а не по одному результату.
  • Как начать: переключайте модели через единый интерфейс APIYI apiyi.com — так удобно сравнивать стоимость в одном и том же скрипте.

8 Итог: как выбрать модель, чтобы AI самостоятельно разработал игру

Если вы хотите, чтобы AI самостоятельно сделал игру, в выборе модели есть три главных момента:

  1. Считать всё целиком: общая стоимость задачи включает вызовы модели, работу инструментов и ручные правки — расходы на API лишь одна из статей.
  2. Способности нужно проверять на практике: публичные бенчмарки нужны для первичного отсева, а итоговый рейтинг для разработки игр получается из нескольких специализированных прогонов в одинаковых условиях.
  3. Комбинировать по этапам: на сложных участках берите модель с высокой долей успеха, на рутинных — недорогую; комбинированный вариант тоже нужно проверять на практике.

Saltline даёт ориентир порядка величин: один промпт, около 8 часов, примерно 550 долларов оценочных расходов — и на выходе играбельный 3D-прототип для браузера. Сколько уйдёт у вашего проекта, зависит от сложности задачи и доли успешных попыток выбранных моделей; надёжнее всего — прогнать собственный цикл оценки по методике из этой статьи.

Рекомендуем быстро собрать среду для сравнения нескольких моделей через APIYI apiyi.com: платформа предоставляет совместимый с OpenAI интерфейс и бесплатный лимит для новых пользователей, так что цены и долю успешных попыток удобно проверять в одном наборе скриптов.

Справочные материалы

  1. Отдельная страница демо-версии Saltline: описание игрового процесса и часто задаваемых вопросов
  2. Ссылка: saltline.games
  3. Описание: содержит информацию о запуске, переключении качества графики, управлении и т. д.

  4. Зеркало кода Saltline и README: указание авторства данных разработчика

  5. Ссылка: github.com/realcodebear/saltline-fable-5.2
  6. Описание: фиксирует источники данных о времени генерации, токенах и расчётной стоимости

  7. Репозиторий китайской версии Jimao: архив Saltline в китайской обёртке

  8. Ссылка: github.com/Megasu/jimao-3a-game
  9. Описание: содержит данные о размере файла index.html и т. п.

  10. Спецификации и цены модели Claude Fable 5.2: официальная документация Anthropic

  11. Ссылка: platform.claude.com/docs/en/models/fable-5-2/overview
  12. Описание: цены за входные и выходные данные, кэширование и Fast Mode

  13. Документация модели GPT-6 Astra: официальные цены OpenAI

  14. Ссылка: developers.openai.com/api/docs/models/gpt-6-astra
  15. Описание: здесь указаны цены для стандартного уровня обработки

  16. SWE-bench Verified: официальная страница бенчмарка по разработке ПО

  17. Ссылка: swebench.com/verified.html
  18. Описание: 500 задач, проверенных вручную, и описание единой конфигурации mini-SWE-agent

  19. Aider Leaderboards: результаты оценки Aider Polyglot

  20. Ссылка: aider.chat/docs/leaderboards
  21. Описание: одновременно фиксирует точность, расход токенов и стоимость запуска

  22. Отчёт об оценке NIST CAISI (2025 г.): независимая оценка прошлых моделей

  23. Ссылка: nist.gov/system/files/documents/2025/09/30/CAISI_Evaluation_of_DeepSeek_AI_Models.pdf
  24. Описание: содержит исторические результаты SWE-bench Verified и стандартные ошибки

Автор: техническая команда APIYI
Обратная связь: рады общению — пишите нам на главной странице сайта APIYI apiyi.com, а больше материалов по подключению найдёте в центре документации docs.apiyi.com

Читайте также

Похожие записи