Сколько стоит создать 1 000 карточек товаров через API

В заданном примере текст для 1 000 карточек стоит 300 ₽ через GPT-5 Mini: по 2 000 входных и 500 выходных токенов на товар. Проверка человеком, повторы и картинки оплачиваются отдельно. Ниже — смета этих этапов и порядок проверки фактов перед публикацией.

Фиолетовая кружка, сложенная ткань и карточки товаров с фотографиями рядом со стеклянным лотком и монетами

Текст для 1 000 карточек товаров в нашем учебном сценарии стоит 300 ₽ через GPT-5 Mini. В эту сумму входят токены запроса и результата. Чтобы получить готовые к публикации карточки, добавьте проверку характеристик, повторы, изображения и загрузку в магазин.

Тарифы взяты из каталога на 8 октября 2026 года и сверены с первоисточниками 9 октября. Размеры запросов, доля повторов и время проверки заданы для расчёта.

Что считать одной готовой карточкой

До выбора модели запишите состав результата: название, описание, характеристики и нужные изображения. Для каждого поля задайте источник и правило принятия.

Часть карточки Из чего создавать Что проверять
Название Категория, модель, подтверждённые признаки Соответствие товару и ограничениям поля магазина
Описание Проверенные характеристики и инструкции поставщика Отсутствие неподтверждённых обещаний
Характеристики Структурированные данные товара Значения, единицы, комплектность
Изображения Собственные исходные фото или разрешённые материалы Сохранение внешнего вида, цвета и комплектации
Результат выгрузки Требуемый формат вашего магазина Схема, идентификатор товара, обязательные поля

Сгенерированный текст может быть пригоден как черновик, но ещё требовать исправлений. Для сравнения моделей нужна стоимость принятого результата, включая проверку и доработку.

Смета токенов на 1 000 товаров

Зададим один текстовый запрос на товар: 2 000 токенов входа и 500 токенов полного выхода. Во вход входят правила редакции, сведения о товаре и формат ответа. В выход входят название, описание, характеристики и оформление JSON, если оно используется.

За 1 000 товаров получится 2 миллиона входных и 0,5 миллиона выходных токенов.

Цена партии = число товаров × (вход на товар × ставка входа + выход на товар × ставка выхода) ÷ 1 000 000.

Ниже базовые ставки одного провайдера, AITUNNEL. Сравниваем только заданный объём токенов: одинаковый расход не означает одинаковое качество или одинаковые ответы.

Модель Вход за 1М Выход за 1М Заданный расход на 1 000 товаров
GPT-5 Mini 50 ₽ 400 ₽ 300 ₽
Qwen3.5 Plus 2026-04-20 60 ₽ 360 ₽ 300 ₽
Claude Haiku 4.5 200 ₽ 1 000 ₽ 900 ₽

Для GPT-5 Mini и Haiku используем нижние базовые значения опубликованных диапазонов. Для Qwen берём короткий вход по базовой ступени. На каждой странице по ссылке в таблице указаны соответствующие ставки.

GPT-5 Mini и Qwen в этой смете дают одинаковую сумму: у второй модели дороже вход, но дешевле выход. Если соотношение входа и выхода изменится, изменится и сравнение.

Расчёт исключает кеш, дополнительные reasoning-токены и платные инструменты. Если модель генерирует оплачиваемые рассуждения сверх заданных 500 токенов, добавьте их в выход. Например, дополнительные 500 reasoning-токенов на каждый товар добавят GPT-5 Mini 0,5 миллиона × 400 ₽ = 200 ₽ на партию. Этот объём задан для расчёта чувствительности; реальный расход нужно измерить. Как учитывать reasoning-токены.

Для рабочего прогноза измерьте полные категории usage на пробной партии.

Как длина карточки меняет бюджет

По тем же базовым ставкам GPT-5 Mini получаются такие учебные сценарии:

Состав запроса Вход на товар Выход на товар Цена 1 000 товаров
Короткие сведения и короткое описание 500 токенов 250 токенов 125 ₽
Основной сценарий статьи 2 000 токенов 500 токенов 300 ₽
Подробные инструкции и длинный результат 5 000 токенов 1 000 токенов 650 ₽

Эти объёмы не привязаны к числу символов. Токенизация зависит от текста и модели. Для русского текста используйте подходящий токенизатор или реальные счётчики API; вопрос разобран в статье про стоимость русского текста.

Сколько добавляют повторы и проверка человеком

Продолжим основной сценарий: 1 000 первых запросов стоят 300 ₽. Зададим, что 100 товаров требуют ровно одного дополнительного вызова с тем же расходом. Это ещё 100 × 0,30 = 30 ₽, итого 330 ₽ за 1 100 попыток.

Дополнительная попытка для 100 из 1 000 товаров означает 10% партии. Эта доля задана для примера, а не измерена на моделях. Если повторный вход содержит неудачный ответ и замечания, пересчитайте его отдельно: он может быть длиннее исходного.

Теперь зададим проверку каждого товара: 1,5 минуты при стоимости рабочего часа 600 ₽. Получится 1 000 × 1,5 ÷ 60 = 25 часов, или 15 000 ₽. Время и ставка выбраны для примера, а не взяты из статистики зарплат.

Строка учебной сметы Сумма
Первые текстовые запросы 300 ₽
100 дополнительных запросов 30 ₽
Проверка всех 1 000 карточек 15 000 ₽
Итого без изображений и внедрения 15 330 ₽

Более дорогая модель может оказаться выгоднее, если её результаты требуют меньше исправлений. Этот вывод нужно проверять на своих товарах: задавать моделям выдуманную долю ошибок для такого сравнения нельзя.

Изображения требуют отдельной сметы

Если готовые фотографии уже есть, текстовая генерация не требует создавать их заново. Подготовку и проверку исходных фото включите в смету работ отдельно.

Для примера генерации изображений возьмём Seedream 4.5 у Polza.ai. На странице модели опубликованы 5 ₽ за изображение, а в публичном API-каталоге та же сумма указана за запрос. Для сметы зададим один запрос на одно изображение; условия нескольких результатов в одном вызове нужно проверять отдельно.

Зададим 1 000 первых запросов и 500 запросов дополнительных вариантов. При неизменной ставке получится 1 500 × 5 = 7 500 ₽. Это расход генерации при заданном числе запросов, без оценки доли пригодных изображений и без подтверждения качества редактирования товарных фото.

Тогда учебная сумма текста, повторов, заданной проверки и генерации изображений составит 15 330 + 7 500 = 22 830 ₽. Отдельная проверка и обработка картинок, интеграция и загрузка в магазин в эту сумму не включены.

При работе с фотографией сверяйте форму, цвет, маркировку и комплектность с исходным товаром. Для другого разрешения, редактирования и другого маршрута сначала проверьте единицу тарифа. Как считать стоимость изображений.

Как проверять характеристики перед публикацией

Пример исходных сведений о вымышленном товаре:

{
  "sku": "demo-mug-indigo",
  "category": "кружка",
  "material": "керамика",
  "volume_ml": 350,
  "color": "фиолетовый",
  "dishwasher_safe": null
}

Описание может сообщить материал, объём и цвет. Разрешение на посудомоечную машину в исходных данных отсутствует, поэтому такое обещание добавлять нельзя. Задайте правило: неизвестные характеристики возвращать пустыми и направлять на уточнение.

Для структурированного результата используйте поддерживаемую схему и проверку ответа. Structured Outputs помогает соблюдать формат, но допускает ошибки в содержимом. OpenAI отдельно предупреждает об этом в документации.

Числовые характеристики можно автоматически сопоставить с исходными полями. Текстовые обещания проверяйте отдельно: отсутствие выдуманной гарантии или свойств не подтверждается одним лишь корректным JSON.

Как выбрать модель на пробной партии

Соберите товары с разными условиями: полные характеристики, пропущенные поля, длинные инструкции и похожие названия. До генерации задайте правила принятия. Такие проверки должны отражать вашу задачу; общий подход описан в рекомендациях по оценке OpenAI.

Сравнивайте версии моделей по полному расходу, числу принятых товаров и времени исправления. Сохраняйте результат под идентификатором товара, чтобы повторять только задания, которым нужна доработка. Сначала проверьте формат выгрузки на небольшом наборе.

Если партия допускает отложенное выполнение, рассмотрите Batch API и условия конкретного маршрута. Для синхронных вызовов согласуйте параллельность с лимитами API.

В каталоге API найдите модели со структурированным выводом и подходящими ставками. Через подбор под бюджет посчитайте токены, а к результату добавьте стоимость проверки, изображений и подготовки публикации по условиям своего магазина.

Частые вопросы

Сколько стоит текст для 1 000 карточек товаров?

В учебном сценарии с 2 000 входных и 500 выходных токенов на товар получается 300 ₽ по базовым ставкам GPT-5 Mini у AITUNNEL. Это цена токенов без кеша, дополнительных reasoning-токенов, повторов, изображений и ручной проверки.

Считаются ли JSON и характеристики частью выхода?

Да. Ключи JSON, значения характеристик, название и описание занимают выходные токены. Оценивать только длину описания недостаточно.

Гарантирует ли Structured Outputs правильные характеристики товара?

Нет. Соблюдение поддерживаемой схемы помогает обработать ответ, но факты внутри полей нужно сверять с исходными сведениями о товаре.

Включает ли смета фотографии?

Текстовый расчёт их не включает. Для генерации или редактирования изображений нужна отдельная строка с тарифом операции, числом вариантов и повторов. В статье показан отдельный учебный сценарий.

Читайте также