Доступные модели нейросетей

Показывать стоимость в Caps

		Стоимость в руб
Модель	Размер контекста (в токенах)	Стоимость промта (за 1M токенов)	Стоимость ответа (за 1M токенов)
gpt-4o-realtime-preview-2024-10-01	4,095	133.333	133.333
o1-preview	128,000	1,500	6,000
o1-preview-2024-09-12	128,000	1,500	6,000
o1-mini	128,000	300	1,200
o1-mini-2024-09-12	128,000	300	1,200
gpt-4o	128,000	250	1,000
gpt-4o-2024-05-13	128,000	500	1,500
gpt-4o-2024-08-06	128,000	250	1,000
gpt-4o:extended	128,000	600	1,800
gpt-4o-mini	128,000	15	60
gpt-4o-mini-2024-07-18	128,000	15	60
gpt-4-vision-preview	128,000	1,000	3,000
gpt-4-turbo	128,000	1,000	3,000
gpt-4o-realtime-preview	4,095	133.333	133.333
gpt-4-turbo-preview	128,000	1,000	3,000
gpt-4o-audio-preview-2024-10-01	4,095	133.333	133.333
gpt-4o-audio-preview	4,095	133.333	133.333
gpt-4-turbo-2024-04-09	128,000	133.333	133.333
gpt-4-1106-preview	128,000	1,000	3,000
gpt-4	8,191	3,000	6,000
gpt-4-0125-preview	128,000	133.333	133.333
gpt-4-0613	8,192	133.333	133.333
gpt-4-32k-0314	32,767	6,000	12,000
gpt-4-32k	32,767	6,000	12,000
gpt-4-0314	8,191	3,000	6,000
gpt-3.5-turbo	16,385	50	150
gpt-3.5-turbo-16k	16,385	300	400
gpt-3.5-turbo-0613	4,095	100	200
gpt-3.5-turbo-0125	16,385	50	150
gpt-3.5-turbo-1106	16,385	100	200
gpt-3.5-turbo-instruct	4,095	150	200
gpt-3.5-turbo-instruct-0914	4,095	133.333	133.333
claude-3-5-haiku	200,000	100	500
claude-3-5-haiku-20241022	200,000	100	500
claude-3.5-sonnet	200,000	300	1,500
claude-3-opus	200,000	1,500	7,500
claude-3.5-sonnet-20240620	200,000	300	1,500
claude-3-haiku	200,000	25	125
claude-3-sonnet	200,000	300	1,500
claude-2.1	200,000	800	2,400
claude-2	200,000	800	2,400
claude-2.0	100,000	800	2,400
grok-vision-beta	8,192	500	1,500
grok-beta	131,072	500	1,500
gemini-pro-1.5	4,000,000	125	500
gemini-flash-1.5-8b	1,000,000	3.75	15
gemini-exp-1114	1,000,000	0	0
gemini-flash-1.5	4,000,000	7.5	30
gemini-flash-1.5-8b-exp	1,000,000	0	0
gemini-pro	131,040	50	150
gemini-pro-vision	65,536	50	150
gemini-pro-1.5-exp	4,000,000	0	0
gemini-flash-1.5-exp	4,000,000	0	0
gemma-2-9b-it:free	8,192	0	0
gemma-2-27b-it	8,192	27	27
gemma-2-9b-it	8,192	6	6
llama-3.2-3b-instruct:free	131,072	0	0
llama-3.1-lumimaid-70b	131,072	337.5	450
llama-3.1-lumimaid-8b	131,072	18.75	112.5
llama-3.1-sonar-huge-128k-online	127,072	500	500
llama-3.1-405b	131,072	200	200
llama-3.2-1b-instruct:free	131,072	0	0
llama-3.1-sonar-large-128k-chat	131,072	100	100
llama-3.1-70b-instruct	131,072	34	39
llama-3.1-sonar-small-128k-chat	131,072	20	20
llama-3.1-405b-instruct	131,072	179	179
llama-3.1-sonar-large-128k-online	127,072	100	100
llama-3.1-8b-instruct:free	131,072	0	0
llama-3.1-70b-instruct:free	131,072	0	0
llama-3.2-90b-vision-instruct:free	4,096	0	0
llama-3.1-8b-instruct	131,072	5	5
llama-3.1-70b-instruct:nitro	64,000	325	325
llama-3.1-sonar-small-128k-online	127,072	20	20
llama-3.2-90b-vision-instruct	131,072	35	40
llama-3.2-3b-instruct	131,072	3	5
llama-3.1-405b-instruct:free	131,072	0	0
llama-3-lumimaid-70b	8,192	337.5	450
llama-3.2-1b-instruct	131,072	1	2
llama-3.2-11b-vision-instruct	131,072	5.5	5.5
llama-3.1-405b-instruct:nitro	8,000	1,462	1,462
llama-3-lumimaid-8b	24,576	18.75	112.5
llama-3.2-11b-vision-instruct:free	131,072	0	0
llama-3-lumimaid-8b:extended	24,576	18.75	112.5
llama-guard-2-8b	8,192	18	18
llama-3-8b-instruct:free	8,192	0	0
llama-3-sonar-small-32k-chat	32,768	20	20
llama-3-8b-instruct	8,192	4	4
llama-3-sonar-large-32k-online	28,000	100	100
llama-3-sonar-large-32k-chat	32,768	100	100
llama-3-8b-instruct:nitro	8,192	20	20
llama-3-8b-instruct:extended	16,384	18.75	112.5
llama-3-70b-instruct	8,192	35	40
llama-3-70b-instruct:nitro	8,192	79.2	79.2
llama-2-13b-chat	4,096	19.8	19.8
llama-3.1-nemotron-70b-instruct	131,072	35	40
mn-inferor-12b	32,000	25	50
mistral-large-2411	4,095	200	600
mistral-large-2407	128,000	200	600
pixtral-large-2411	128,000	200	600
mixtral-8x22b-instruct	65,536	90	90
ministral-8b	128,000	10	10
mistral-nemo	128,000	13	13
pixtral-12b	4,096	10	10
ministral-3b	128,000	4	4
mixtral-8x7b-instruct	32,768	24	24
mixtral-8x7b-instruct:nitro	32,768	54	54
mixtral-8x7b	32,768	54	54
codestral-mamba	256,000	25	25
mistral-7b-instruct-v0.3	32,768	5.5	5.5
mistral-7b-instruct:free	32,768	0	0
mistral-large	128,000	200	600
mistral-7b-instruct	32,768	5.5	5.5
mistral-7b-instruct:nitro	32,768	7	7
mistral-small	32,000	20	60
mistral-medium	32,000	275	810
mistral-tiny	32,000	25	25
mistral-7b-instruct-v0.2	32,768	18	18
mistral-7b-instruct-v0.1	4,096	18	18
wizardlm-2-7b	32,000	5.5	5.5
wizardlm-2-8x22b	65,536	50	50
rocinante-12b	32,768	25	50
unslopnemo-12b	32,000	50	50
inflection-3-productivity	8,000	250	1,000
inflection-3-pi	8,000	250	1,000
lfm-40b	32,768	100	200
lfm-40b:free	32,768	0	0
chatgpt-4o-latest	128,000	500	1,500
noromaid-20b	8,192	150	225
command-r-03-2024	128,000	47.5	142.5
command-r-plus-04-2024	128,000	285	1,425
command-r-08-2024	128,000	14.25	57
command-r-plus-08-2024	128,000	237.5	950
command-r-plus	128,000	285	1,425
command	4,096	95	190
command-r	128,000	47.5	142.5
qwen-2.5-coder-32b-instruct	128,000	18	18
qwen-2.5-72b-instruct	131,072	35	40
qwen-2.5-7b-instruct	131,072	27	27
qwen-2-vl-72b-instruct	32,768	40	40
qwen-2-7b-instruct:free	32,768	0	0
qwen-2-7b-instruct	32,768	5.4	5.4
qwen-2-vl-7b-instruct	32,768	10	10
qwen-2-72b-instruct	32,768	34	39
palm-2-codechat-bison-32k	131,040	100	200
palm-2-chat-bison-32k	131,040	100	200
palm-2-codechat-bison	28,672	100	200
palm-2-chat-bison	36,864	100	200
l3.1-euryale-70b	8,192	35	40
l3-euryale-70b	8,192	35	40
jamba-1-5-mini	256,000	20	40
jamba-1-5-large	256,000	200	800
jamba-instruct	256,000	50	70
phi-3.5-mini-128k-instruct	128,000	10	10
phi-3-mini-128k-instruct:free	128,000	0	0
phi-3-mini-128k-instruct	128,000	10	10
phi-3-medium-128k-instruct:free	128,000	0	0
phi-3-medium-128k-instruct	128,000	100	100
hermes-3-llama-3.1-70b	131,072	40	40
hermes-3-llama-3.1-405b	131,072	179	249
hermes-3-llama-3.1-405b:free	131,072	0	0
hermes-2-pro-llama-3-8b	8,192	14	14
nous-hermes-2-mixtral-8x7b-dpo	32,768	54	54
nous-hermes-llama2-13b	4,096	17	17
magnum-72b	16,384	187.5	225
goliath-120b	6,144	937.5	937.5
dolphin-mixtral-8x22b	65,536	90	90
dolphin-mixtral-8x7b	32,768	50	50
mythomax-l2-13b	4,096	8	8
mythomax-l2-13b:free	4,096	0	0
mythomax-l2-13b:nitro	4,096	20	20
mythomax-l2-13b:extended	8,192	112.5	112.5
openchat-7b	8,192	5.5	5.5
toppy-m-7b:free	4,096	0	0
toppy-m-7b	4,096	7	7
toppy-m-7b:nitro	4,096	7	7
remm-slerp-l2-13b	4,096	112.5	112.5
remm-slerp-l2-13b:extended	6,144	112.5	112.5
sorcererlm-8x22b	16,000	450	450
eva-qwen-2.5-32b	4,095	50	50
magnum-v4-72b	32,768	187.5	225
deepseek-chat	128,000	14	28
dbrx-instruct	32,768	108	108
midnight-rose-70b	4,096	80	80
yi-large	32,768	300	300
openhermes-2.5-mistral-7b	4,096	17	17
lzlv-70b-fp16-hf	4,096	35	40
auto	200,000
airoboros-l2-70b	4,096	50	50
xwin-lm-70b	8,192	375	375
mythalion-13b	8,192	112.5	112.5
weaver	8,000	150	225
zephyr-7b-beta:free	4,096	0	0

* Наша наценка к этим ценам составляет 50%, которая включена в стоимость пакетов кроме Basic (Premium и выше)

Стоимость использования Whisper API 3000 caps/минута

Стоимость использования TTS 7.5 caps/символ

Стоимость использования TTS HD 15 caps/символ

Для генерации изображений:

Стоимость одной генерации MidJourney в режиме Relax20 000 CAPS / 4 ₽

Стоимость одной генерации MidJourney в режиме Fast40 000 CAPS / 8 ₽

Стоимость одной генерации MidJourney в режиме Turbo80 000 CAPS / 16 ₽

Стоимость одной генерации в модели Dall‑e20 000 CAPS / 4 ₽

Premium: 200000 токенов ChatGPT-4-Turbo. Примерно 400000 русских символов. Хватит, чтобы написать роман «Мастер и Маргарита» или чтобы сгенерировать 300 изображений

Elite: 2000000 токенов ChatGPT-4-turbo. Примерно 4000000 русских символов. Хватит, чтобы написать роман «Война и Мир» или чтобы сгенерировать 3000 изображений

Цена Caps привязана к стоимости базовой версии токенов GPT-3.5 на сайте OpenAI. Изменение цены может произойти в случае значительного колебания валютного курса доллара США. Текущий обменный курс: 1 000 000 Caps = 200 рублей. Чтобы перевести стоимость токенов GPT-3.5 из долларов в Caps, вы можете использовать следующую формулу: Количество Caps = (Стоимость токенов ChatGPT-3.5 в долларах × Курс доллара / Стоимость 1 000 000 Caps в рублях) × 1 000 000. Для расчетов в данный момент времени берем стоимость 1 доллар = 100 рублей. При существенных колебаниях валютного курса доллара, цена caps будет корректироваться соответственно.

Сравнение моделей Chat GPT-3.5 и Chat GPT 4.0

Многие спрашивают, в чем разница между ChatGPT-3.5 и ChatGPT-4 и почему стоит переплатить и приобрести четвертую модель. Чтобы наглядно показать различия в способностях версий, мы дали им решить одну и ту же загадку.

Запрос:В повозку запряжены две лошади. Каждая бежит со скоростью 45 км/ч. Какова скорость повозки?

Ответ ChatGPT-3.5

Скорость повозки равна сумме скоростей двух лошадей. Так как обе лошади бегут со скоростью 45 км/ч, то скорость повозки будет равна 45 км/ч + 45 км/ч = 90 км/ч.

Ответ ChatGPT-4

Если две лошади запряжены в одну повозку и бегут в одном и том же направлении, то скорость повозки будет равна скорости лошадей, поскольку они двигают её вместе. То есть скорость повозки также будет 45 км/ч, при условии, что лошади синхронизированы и никакие внешние факторы не замедляют движение повозки (например, трение, сопротивление воздуха, уклон дороги и т.д.).

Запрос:Под каким деревом сидит заяц, когда идет дождь?

Ответ ChatGPT-3.5

Под никаким деревом. Заяц обычно не сидит под деревом во время дождя, а ищет укрытие от влаги.

Ответ ChatGPT-4

Это старая загадка. Под каким деревом сидит заяц, когда идет дождь? Ответ: под мокрым. Этот ответ основан на игре слов, поскольку вопрос задается таким образом, что ожидается название конкретного дерева, но ответ заключается в описании состояния дерева, а не в его виде.

Запрос:Какая птица яиц не несёт, но сама из яйца вылупилась?

Ответ ChatGPT-3.5

Какая птица яиц не несёт, но сама из яйца вылупилась?

Ответ ChatGPT-4

Эта загадка классическая. Ответ на неё — петух. Петух является самцом курицы, поэтому сам он яиц не несет, но как и все птицы, петух вылупляется из яйца.

Запрос:На берёзе росло 90 яблок. Подул сильный ветер, и 10 яблок упало. Сколько осталось?

Ответ ChatGPT-3.5

Осталось 80 яблок.

Ответ ChatGPT-4

Эта задача звучит как шутка или игра слов, поскольку яблоки обычно не растут на берёзе. Скорее всего, это шутка или головоломка, и правильный ответ зависит от контекста, в котором задан вопрос. Если рассматривать вопрос буквально, то ответ будет таков: на берёзе осталось 0 яблок, потому что яблоки не могут расти на берёзе. Но если предположить, что это часть шутки, и мы принимаем заданные условия как данность, то после того как 10 яблок упало, на берёзе осталось 80 яблок (90 - 10 = 80).

Запрос:Мужчина ехал по дороге на своем грузовике. Фары не были включены. Луна не светила. Перед грузовиком женщина в черной одежде переходила дорогу. Как мужчина ее увидел?

Ответ ChatGPT-3.5

Мужчина увидел женщину в черной одежде благодаря фарам на грузовике.

Ответ ChatGPT-4

Мужчина увидел женщину потому, что происходило это днем. Указание на то, что фары были выключены и луна не светила, может ввести в заблуждение, однако это не исключает возможности дневного света.