Google API обрабатывает 32 миллиарда токенов в минуту: кто потребляет эти вычислительные мощности?

Примечание автора: в этой статье мы разбираем заявление из отчёта Alphabet за третий квартал 2026 года о том, что «API собственных моделей обрабатывают почти 32 млрд токенов в минуту», и отделяем выводы, подтверждённые данными, от вопросов, на которые пока нет ответа.

28 октября 2026 года по американскому времени Alphabet опубликовала отчёт за третий квартал. CEO компании Сундар Пичаи назвал важную цифру: API собственных моделей Google обрабатывают почти 32 млрд токенов в минуту. Это примерно на 40% больше, чем в предыдущем квартале, и более чем в четыре раза больше, чем год назад.

Это не сторонняя оценка. Вот точная цитата из выступления CEO по итогам квартала, опубликованного в официальном блоге Google: “Our first-party model APIs are now processing nearly 32 billion tokens per minute”. Однако эту цифру легко понять неверно: например, принять её за 32 млрд вызовов API или за показатель использования приложения Gemini. Оба толкования ошибочны.

Главное: за 3 минуты разберёмся, что именно учитывается в показателе Google API в 32 млрд токенов, как он растёт и на что расходуются вычислительные ресурсы в сценариях разработчиков, корпоративных клиентов и AI-агентов.

32 миллиарда токенов в Google API: главное

Сначала соберём известные факты в таблицу — дальнейший анализ опирается именно на них.

Что именно входит в показатель 32 млрд токенов Google API

Чтобы разобраться в новости, сначала нужно разделить несколько показателей, которые часто путают. 32 миллиарда — это количество токенов, а не API-запросов: один запрос на анализ длинного документа может содержать сотни тысяч токенов. Кроме того, речь идёт о текущей скорости обработки на 28 октября, а не о среднем значении за весь третий квартал.

В финансовом отчёте и во время звонка также упоминались данные о количестве разработчиков, корпоративных лицензиях и использовании Gemini Enterprise. Эти показатели рассчитываются по-разному: их нельзя ни складывать, ни выводить один из другого.

Важно также понимать: на основании этой цифры нельзя утверждать, что приложение Gemini потребляет 32 млрд токенов в минуту. Приложение, Поиск, корпоративные лицензии и токены API — это разные направления бизнеса и разные показатели.

Как росла пропускная способность Google API в токенах

Если собрать последние публичные данные вместе, крутизна роста расскажет больше, чем любое отдельное число.

Если считать напрямую по цифрам 22 и 32 млрд, рост составит около 45,5%. Но оба значения приблизительные («около» и «почти»), поэтому стоит ориентироваться на официальную оценку Google — «около 40%». Это не означает, что компания ошиблась в расчётах.

Что означают 32 млрд токенов в минуту

Чтобы представить масштаб, пересчитаем эту цифру для постоянной скорости. Важно: данные за день и месяц — лишь расчёт при заданных условиях, а не фактическое потребление, раскрытое Google.

• В секунду: около 533 млн токенов
• В час: около 1,92 трлн токенов
• За 24 часа при постоянной скорости: около 46,08 трлн токенов
• За 30 дней при постоянной скорости: около 1382,4 трлн токенов

Кто расходует 32 миллиарда токенов через Google API

Именно этот вопрос вынесен в заголовок. По опубликованным Google данным можно выделить три важные категории пользователей, но точная доля каждой из них не раскрывается.

Первая категория: экосистема разработчиков Google API

Согласно финансовому отчёту за второй квартал, каждый месяц более 9 миллионов разработчиков создают приложения с помощью API моделей Google и основных продуктов компании для разработчиков. Это говорит об огромном потенциальном сообществе, но не означает, что все 9 миллионов — платящие клиенты или что каждый из них напрямую вызывает Gemini API.

В тот же период у платформы для разработки ИИ-агентов Antigravity было более 2,4 миллиона активных пользователей в неделю. Разработчики расходуют токены в основном в следующих сценариях:

• Программирование и разработка ПО: изучение репозиториев кода, рефакторинг, создание тестов, поиск ошибок и циклические вызовы агентов для программирования
• Разработка ИИ-приложений: чат-боты на сайтах и в приложениях, автоматизация поддержки клиентов, поиск внутри компании, анализ PDF-файлов и длинных документов
• Рабочие процессы ИИ-агентов: планирование задач, вызов внешних инструментов, чтение их результатов, исправление ошибок и выполнение следующих шагов

Вторая категория: корпоративные клиенты Gemini Enterprise

Генеральный директор Google Cloud Томас Куриан на конференц-звонке по итогам третьего квартала привёл данные о корпоративных клиентах. За последние 12 месяцев более 2600 клиентов использовали в Gemini Enterprise не менее 100 млрд токенов, а около 75 из них — не менее 10 трлн токенов. Почти 90% компаний из списка Fortune 100 используют Gemini Enterprise.

Ещё один показательный сигнал — рост расходов: клиенты, которые уже использовали Gemini Enterprise в третьем квартале 2025 года, в третьем квартале 2026 года увеличили расходы более чем в 4 раза по сравнению с предыдущим годом. Это говорит о том, что корпоративный ИИ переходит от небольших пилотных проектов к масштабному внедрению. При этом использование Gemini Enterprise и 32 млрд токенов через API собственных моделей Google — показатели с разными границами учёта. Нельзя предполагать, что большая часть этих 32 млрд токенов пришлась на упомянутых 2600 клиентов.

Третья категория: отраслевые ИИ-агенты и сложные бизнес-процессы

Во время конференц-звонка и в блоге Cloud Google рассказал о нескольких примерах внедрения в разных отраслях. Все приведённые ниже результаты основаны на официальных данных Google и не подтверждены независимой проверкой. Компания также не раскрыла, сколько токенов использовало каждое из предприятий.

Общее у этих примеров одно: модели больше не ограничиваются чатом, а встраиваются в реальные процессы — от производственной безопасности и управления цепочками поставок до принятия решений о покупках и анализа данных. Трёхкратный показатель Ulta Beauty относится к конверсии помощника для покупок, а не к росту общих продаж в 3 раза.

Мультимодальность: ещё один фактор расхода токенов в Google API

Текстовые вопросы и ответы, проверка договоров, анализ целого репозитория кода, распознавание изображений и видео, транскрибация речи — во всех этих задачах токены расходуются по-разному. Количество изображений, длительность видео и размер файлов нельзя напрямую перевести в токены по тем же правилам, что и обычный текст.

Google не раскрыла, как 32 миллиарда токенов распределились между текстом, изображениями, видео и аудио. Компания также не уточнила, сколько токенов пришлось на входные и выходные данные и сколько — на внутренний процесс рассуждения моделей.

Почему агенты увеличивают расход токенов Google API

Обычный чат может ограничиться одним вопросом и ответом. А программирующий агент при выполнении задачи может последовательно прочитать файлы, проанализировать проблему, изменить код, запустить тесты, изучить ошибки, снова внести изменения и повторить тестирование. На каждом этапе возможен вызов модели, причём накопленный контекст обычно передаётся заново.

Поэтому утверждение «агенты — важный потенциальный источник спроса» опирается на механизм их работы. А вот публичных данных, подтверждающих, что «на агентов приходится бо́льшая часть из 32 миллиардов токенов», нет. При подготовке материалов и принятии решений важно различать эти два утверждения.

Как проследить накопление токенов агента с помощью кода

Чтобы наглядно разобраться, проще всего записывать значение поля usage, которое возвращается при каждом вызове. Следующий пример имитирует многоэтапный процесс исправлений и выводит количество входных и выходных токенов на каждом шаге:

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI OpenAI 兼容接口
)

messages = [{"role": "user", "content": "写一个计算斐波那契数列的 Python 函数"}]
resp = client.chat.completions.create(model="YOUR_GEMINI_MODEL", messages=messages)
print(resp.usage.prompt_tokens, resp.usage.completion_tokens)

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

MODEL = "YOUR_GEMINI_MODEL"  # 替换为平台模型列表中的 Gemini 模型名称

steps = [
    "写一个计算斐波那契数列的 Python 函数",
    "为这个函数补充单元测试",
    "测试报错：输入负数时没有处理，请修复",
    "再检查一遍边界条件并给出最终版本",
]

messages = [{"role": "system", "content": "你是一个严谨的编程助手"}]
total_in, total_out = 0, 0

for i, step in enumerate(steps, 1):
    messages.append({"role": "user", "content": step})
    resp = client.chat.completions.create(model=MODEL, messages=messages)
    reply = resp.choices[0].message.content
    messages.append({"role": "assistant", "content": reply})

    usage = resp.usage
    total_in += usage.prompt_tokens
    total_out += usage.completion_tokens
    print(f"第 {i} 步：输入 {usage.prompt_tokens}，输出 {usage.completion_tokens}")

print(f"累计输入 {total_in}，累计输出 {total_out}")

После запуска вы увидите, что с каждым шагом количество входных токенов растёт из-за накопленной истории. Именно поэтому структура расхода токенов в рабочем процессе агента намного сложнее, чем при обычном вопросе и ответе.

🚀 Совет для быстрого старта: если хотите самостоятельно измерить, как растёт расход токенов разных моделей в цикле агента, зарегистрируйтесь на APIYI apiyi.com и получите бесплатные тестовые кредиты. С одним API-ключом можно переключаться между Gemini, Claude, GPT и другими моделями, чтобы сравнить их расход токенов на одной и той же задаче.

Что означают 32 млрд токенов для Google API

Влияние на разработчиков

• Затраты зависят не столько от отдельных вызовов, сколько от всей цепочки: стоимость задачи агента определяется числом циклов и длиной контекста. Поэтому бюджет токенов стоит продумывать уже на этапе проектирования: например, сокращать историю контекста и кешировать неизменное содержимое.
• Выбор моделей разных классов становится важнее: наряду с высокопроизводительными доступны и экономичные модели. Чтобы контролировать расходы, сложное планирование обычно поручают мощной модели, а пакетную классификацию — экономичной.
• Стоимость мультимодальных задач нужно оценивать отдельно: токены для изображений, видео и аудио рассчитываются иначе, чем для текста. Перед запуском стоит провести замеры на реальных примерах.

💡 Совет по выбору: расход токенов и качество выполнения одной и той же задачи могут сильно различаться в зависимости от модели. Попробуйте обработать реальные примеры через единый интерфейс APIYI apiyi.com и только после этого выбирайте сочетание моделей для продакшена.

Влияние на отрасль и Google Cloud

Во время телефонной конференции Куриан отдельно пояснил: при создании агентов компаниям, помимо вызова моделей, часто нужны вычислительные ресурсы, сервисы для хранения памяти агентов и базы данных, которые обеспечивают их контекстом. Поэтому внедрение моделей может способствовать росту и других продуктов облачного бизнеса.

Важно подчеркнуть два момента. 30,7 млрд долларов — это выручка всего Google Cloud, а не Gemini API. Также нельзя оценивать выручку Google от API, умножая 32 млрд токенов на публичные цены: распределение по моделям неизвестно, цены у них различаются, а корпоративным клиентам могут быть доступны пакетная обработка, кеширование, индивидуальные контракты и скидки.

Ловушка с датами

Финансовый период Alphabet за III квартал длился с 1 июля по 30 сентября 2026 года; Gemini 4 Argon официально представили 13 октября 2026 года; показатель в 32 млрд токенов в минуту раскрыли 28 октября. Поэтому нельзя считать 32 млрд средним значением за третий квартал и тем более утверждать, что рост API за весь III квартал был главным образом обусловлен Argon, вышедшей только в октябре. Корректнее сказать так: запуск Argon и достижение отметки в 32 млрд токенов вместе отражают прогресс Google в развитии моделей и коммерческого направления в октябре 2026 года.

Часто задаваемые вопросы FAQ

32 млрд токенов в минуту через Google API: главное

• Ключевая цифра: API моделей Google обрабатывают почти 32 млрд токенов в минуту — более чем в 4 раза больше, чем годом ранее
• Динамика роста: примерно за год показатель вырос с 10 млрд до почти 32 млрд
• Три группы пользователей: разработчики, корпоративные клиенты Gemini Enterprise и компании, внедряющие отраслевых агентов
• Как работают агенты: многошаговые циклы и накопление контекста многократно увеличивают расход токенов на одну задачу
• Границы показателей: токены, количество запросов, лицензий и разработчиков, а также выручку Cloud нельзя смешивать или складывать
• Главная неизвестная: Google пока не раскрыла, какая доля из 32 млрд токенов приходится на разные группы клиентов и сценарии использования
• Практический совет: используйте единый интерфейс APIYI apiyi.com, чтобы измерить реальный расход токенов в своих задачах

Итоги

Главное о новости про 32 млрд токенов в минуту через Google API:

1. Масштаб быстро растёт: рост более чем в 4 раза за год показывает, что вызовы моделей переходят от экспериментов к масштабному использованию
2. Источники спроса понятны: разработчики, корпоративные клиенты и отраслевые агенты действительно потребляют большие объёмы токенов
3. Доли пока неизвестны: Google не опубликовала разбивку данных. Это граница доступной информации, которую важно учитывать
4. Коммерческую ценность ещё предстоит оценить: стоит следить за тем, какая часть этих вызовов превратится в устойчивые и прибыльные корпоративные приложения

Для разработчиков главный вывод такой: из-за агентов и мультимодальности бюджет токенов становится ещё важнее. Выбор моделей и управление контекстом стоит учитывать уже на этапе проектирования архитектуры. С помощью APIYI apiyi.com можно сравнить качество работы и расход токенов нескольких популярных моделей, используя один API-ключ, а затем выбрать подходящее решение.

📚 Источники

1. Финансовый отчёт Alphabet за 3-й квартал 2026 года (SEC): первоисточник финансовых данных
2. Ссылка: sec.gov/Archives/edgar/data/1652044/000165204426000080/googexhibit991q32026.htm

3. Описание: выручка Alphabet, выручка и операционная прибыль Google Cloud

4. Заявление CEO Google по итогам 3-го квартала 2026 года: первоисточник данных о 32 млрд токенов в минуту

5. Ссылка: blog.google/company-news/inside-google/message-ceo/alphabet-earnings-q3-2026/

6. Описание: ключевые цифры и официальные данные о росте

7. Стенограмма конференц-звонка Alphabet по итогам 3-го квартала 2026 года: данные о корпоративных клиентах и примеры

8. Ссылка: fool.com/earnings/call-transcripts/2026/10/29/alphabet-googl-q3-2026-earnings-call-transcript/

9. Описание: данные о Gemini Enterprise, раскрытые Томасом Курианом

10. Заявление CEO Google по итогам 2-го квартала 2026 года: данные о разработчиках и 22 млрд токенов

11. Ссылка: blog.google/company-news/inside-google/message-ceo/alphabet-earnings-q2-2026/

12. Описание: 9 млн активных разработчиков в месяц и данные о еженедельной активности в Antigravity

13. Заявление CEO Google по итогам 1-го квартала 2026 года: данные о 16 млрд токенов

14. Ссылка: blog.google/company-news/inside-google/message-ceo/alphabet-earnings-q1-2026/

15. Описание: один из этапов роста

16. Презентация Google для инвесторов за июнь 2026 года: данные о 19 млрд токенов и использовании инструментов разработчика

17. Ссылка: blog.google/alphabet/investor-presentation-june-2026/

18. Описание: инструменты разработчика обрабатывают более 3 трлн токенов в день

19. Google Cloud: Gemini at Work 2026: примеры использования ИИ-агентов корпоративными клиентами

20. Ссылка: cloud.google.com/blog/products/ai-machine-learning/welcome-to-gemini-at-work-2026
21. Описание: примеры внедрения в Hitachi и других компаниях

Автор: техническая команда APIYI
Технические вопросы: свяжитесь с нами через главную страницу сайта APIYI. Дополнительные материалы по подключению доступны в центре документации docs.apiyi.com

Читайте также

• 5 главных причин низкого процента попаданий в кэш Gemini: подробное разъяснение различий в тарификации кэширования в AI Studio и Vertex: Почему уровень попаданий в кэш текстовых моделей Gemini намного ниже, чем у OpenAI и Claude? В этой статье на основе официальной документации разбираются неявное и явное кэширование, минимальный порог токенов и изоляция проектов Vertex, а также объясняются правила тарификации кэша и методы сверки расходов в AI Studio и Vertex.