# Claude Sonnet API за рубли: подключение за 10 минут Source: https://provod.ai/ru/blog/claude-sonnet-rubli Если ты пишешь production-код на LLM из России — у тебя три проблемы одновременно: карта Anthropic не принимает, нужны закрывающие документы на юр.лицо, и хочется платить в рублях по понятному курсу, без сюрпризов от валютного контроля. В этой статье разбираем, как подключить Claude Sonnet 4.6 через [provod.ai](https://provod.ai) за 10 минут, со счётом на ООО, и почему сейчас Sonnet — самая разумная ставка для большинства боевых сценариев в 2026 году. Дальше — конкретные числа, рабочий Python-код, который ты можешь скопировать в свой проект прямо сейчас, и три реальных сценария с расчётом стоимости в рублях по курсу ЦБ. ## Что такое Claude Sonnet 4.6 и почему сейчас Sonnet 4.6 — это релиз Anthropic от 17 февраля 2026 года, средняя по мощности модель в линейке Claude 4-го поколения. По [официальной странице модели](https://www.anthropic.com/claude/sonnet) у неё три ключевых параметра, которые делают её sweet-spot'ом для большинства задач. **Контекст.** Стандартное окно — 200K токенов, beta-режим — 1M токенов (передаётся через header `anthropic-beta: context-1m-2025-08-07`). На практике это значит: ты можешь скормить модели весь свой репозиторий целиком — типичный Next.js-проект на 50-80K строк TypeScript умещается в 700-800K токенов с запасом. **Качество.** По бенчмарку [SWE-Bench Verified](https://localaimaster.com/models/swe-bench-explained-ai-benchmarks) (стандарт для оценки агентов на реальных GitHub-issue) Sonnet 4.6 показывает 79.6% — это в районе топ-3 на момент написания. Opus 4.6 даёт 80.8%, разница чуть больше одного пункта, но цена за токены у Opus в 5 раз выше. То есть на 95% задач Sonnet — это «80% качества Opus за 20% цены». **Скорость.** Time-to-first-token у Sonnet 4.6 — порядка 0.6-1.2 секунды, output — 50-80 tokens/sec в зависимости от региона. Для интерактивных сценариев (чат, copilot, агент) это критично — Opus заметно медленнее и для UX обычно избыточен. **Use-case sweet-spot.** Где Sonnet 4.6 правда выигрывает: 1. **Длинный контекст без боли** — 1M tokens позволяет анализировать большие codebase, длинные транскрипты звонков, многостраничные документы в один проход. 2. **Agent loops с tool-calling** — Sonnet хорошо держит контекст между шагами, не теряет цель, корректно вызывает функции по схеме. 3. **Code review и refactoring** — на SWE-Bench показывает 79.6%, что в production-сценариях транслируется в осмысленные ревью без галлюцинаций. ![Сравнение моделей Claude 4.6 по бенчмаркам](https://storage.yandexcloud.net/provod-yc-production-cms-media/provod-yc-production-cms-media/blog/img-51.webp) ## Цена в рублях: разбор по 1M токенов Официальные цены Anthropic, [платформа Claude](https://platform.claude.com/docs/en/about-claude/pricing): - **Input:** $3.00 за 1M токенов - **Output:** $15.00 за 1M токенов - **Cache write:** $3.75 / 1M tokens (1h TTL) - **Cache read:** $0.30 / 1M tokens По курсу ЦБ на 28.05.2026 — 70.9012 ₽ за доллар. Считаем: | Параметр | $/1M | ₽/1M | | ---------------- | ------ | ---------- | | Input | $3.00 | 212.70 ₽ | | Output | $15.00 | 1 063.52 ₽ | | Cache write (1h) | $3.75 | 265.88 ₽ | | Cache read | $0.30 | 21.27 ₽ | Через provod.ai ты платишь ровно эти цены **в рублях по курсу ЦБ на момент пополнения баланса**. Сервисная комиссия 5% берётся только при пополнении (по сути — комиссия за конвертацию + расчётно-кассовое обслуживание), без наценки на каждый запрос. Это принципиально отличает нас от моделей с фиксированной маржой 30-300% на токены, как у некоторых российских реселлеров. **Сравнение с GPT-5.4** ([OpenAI](https://openai.com/api/pricing/)) — для контекста, потому что для большинства задач это два главных конкурента: | Параметр | Claude Sonnet 4.6 | GPT-5.4 | | ------------------ | ----------------- | -------------- | | Input ($/1M) | $3.00 | $2.50 | | Output ($/1M) | $15.00 | $15.00 | | Input в ₽ (1M) | 212.70 ₽ | 177.25 ₽ | | Output в ₽ (1M) | 1 063.52 ₽ | 1 063.52 ₽ | | Context window | 1M (beta) / 200K | 200K (1M beta) | | SWE-Bench Verified | 79.6% | \~74-82% | | Cache discount | до 90% | до 75% | По output цены одинаковые. На input GPT-5.4 на 17% дешевле, но это даёт экономию только если у тебя соотношение input/output больше 5:1 (типично для RAG с большим контекстом). Для обычных чат-сценариев экономия в пределах статпогрешности. Подробный разбор экономики Claude API в долларовой зоне есть в [статье CloudZero](https://www.cloudzero.com/blog/claude-api-pricing/) — рекомендую если хочется глубже понять, как считаются cache hits, batch discounts и priority tiers. ![Калькулятор стоимости Claude Sonnet в рублях](https://storage.yandexcloud.net/provod-yc-production-cms-media/provod-yc-production-cms-media/blog/img-52.webp) ## Подключение за 10 минут: drop-in замена для OpenAI SDK Главное, что нужно знать: provod.ai даёт **OpenAI-compatible endpoint** — то есть тот самый `openai` SDK (Python, JS, Go, любой другой), которым ты уже пользуешься, работает без изменений в коде. Меняешь только `api_key` и `base_url`. Это [официальный паттерн Anthropic](https://platform.claude.com/docs/en/api/openai-sdk) — он же поддерживается у provod.ai. Сам Anthropic в документации называет это «drop-in replacement» — то есть твой production-код продолжит работать. ### Шаг 1: получи API-ключ Регистрация на [provod.ai](https://provod.ai) занимает минуту. После подтверждения телефона дашборд выдаёт ключ формата `sk_...`. Ключ универсальный — работает для всех моделей в каталоге (Claude, GPT, Gemini, DeepSeek), биллинг идёт с одного баланса. ### Шаг 2: установи или обнови SDK ```plaintext pip install --upgrade openai или для JS: npm install openai ``` Версия `openai>=1.50.0` для Python и `openai@^5.0.0` для JS — этого достаточно. ### Шаг 3: Python Минимальный рабочий код, 8 строк: ```plaintext from openai import OpenAI client = OpenAI( api_key="sk_...", # ключ из дашборда provod.ai base_url="https://api.provod.ai/v1", # вместо api.anthropic.com ) response = client.chat.completions.create( model="claude-sonnet-4-6", # имя модели через дефис messages=[{"role": "user", "content": "Привет, Claude. Кратко: что такое идемпотентность?"}], ) print(response.choices[0].message.content) ``` Запускаешь — получаешь ответ. Никакой магии, никаких прокси-обёрток, никаких отдельных клиентских библиотек. Тот же `openai.OpenAI()`, та же `chat.completions.create()` — только base\_url другой. ### Шаг 4: JavaScript / TypeScript ```plaintext import OpenAI from "openai"; const client = new OpenAI({ apiKey: process.env.PROVOD_API_KEY!, baseURL: "https://api.provod.ai/v1", }); const response = await client.chat.completions.create({ model: "claude-sonnet-4-6", messages: [{ role: "user", content: "Привет, Claude" }], }); console.log(response.choices[0].message.content); ``` Работает в Node.js 20+, в edge-runtime (Vercel, Cloudflare Workers), в Deno — всё, что умеет fetch с TLS. ### Шаг 5: streaming Для UX в чатах нужен стриминг — добавляешь `stream: True`: ```plaintext stream = client.chat.completions.create( model="claude-sonnet-4-6", messages=[{"role": "user", "content": "Объясни SOLID на примерах"}], stream=True, ) for chunk in stream: delta = chunk.choices[0].delta.content if delta: print(delta, end="", flush=True) ``` Это всё. Если у тебя уже есть код на OpenAI SDK — миграция занимает 2 строки. Никаких рефакторингов, никакого переписывания контрактов. ![Drop-in замена OpenAI SDK на Claude через provod.ai](https://storage.yandexcloud.net/provod-yc-production-cms-media/provod-yc-production-cms-media/blog/img-53.webp) ## Кейс №1 — длинный контекст: review большого codebase Самая недооценённая фича Sonnet 4.6 — это **1M токенов context window в beta**. Что это значит на практике: ты можешь засунуть весь монорепозиторий в один запрос и попросить модель сделать архитектурный review, найти антипаттерны, предложить рефакторинги. **Сценарий.** Допустим, у тебя Next.js-приложение на 60K строк TypeScript. Это примерно 800K токенов (грубая оценка — 13-15 токенов на строку для TS). Раньше для такого review нужно было резать на куски, делать map-reduce, склеивать результаты с потерей контекста. Теперь — один запрос. **Расчёт стоимости:** - Input: 800K tokens × $3 / 1M = $2.40 - Output (детальный review на 5K tokens): 5K × $15 / 1M = $0.075 - **Итого: $2.475 ≈ 175 ₽** за полный architectural review codebase Это меньше, чем стоит чашка кофе в Москве. Для команды, где тимлид раньше тратил 4 часа на ручной review, экономия очевидна. **Код:** ```plaintext from openai import OpenAI from pathlib import Path client = OpenAI( api_key="sk_...", base_url="https://api.provod.ai/v1", ) Собираем весь codebase в один промт def collect_codebase(root: str, exts=(".ts", ".tsx", ".py")) -> str: parts = [] for path in Path(root).rglob("*"): if path.suffix in exts and "node_modules" not in str(path): content = path.read_text(encoding="utf-8", errors="ignore") parts.append(f"\n// === {path} ===\n{content}") return "\n".join(parts) codebase = collect_codebase("./src") prompt = f"""Сделай архитектурный review следующего codebase. Найди: code smells, повторяющиеся паттерны для извлечения, нарушения SOLID, точки риска по перформансу, опасные места по безопасности. Кодовая база: {codebase} Дай структурированный ответ: 5-10 главных проблем с конкретными file:line ссылками.""" response = client.chat.completions.create( model="claude-sonnet-4-6", messages=[{"role": "user", "content": prompt}], max_tokens=8000, extra_headers={"anthropic-beta": "context-1m-2025-08-07"}, # включаем 1M ) print(response.choices[0].message.content) print(f"\n--- Использовано: {response.usage.prompt_tokens} input + " f"{response.usage.completion_tokens} output tokens") ``` **Pro-tip.** Используй `prompt_caching` для итеративных сессий — если ты будешь спрашивать про этот codebase несколько раз подряд в течение часа, кэшированный input стоит $0.30 / 1M вместо $3.00. Экономия — 90%. То есть второй и далее запросы по тому же codebase будут стоить \~17 ₽, а не 170 ₽. ![Архитектурный review большого codebase через Claude Sonnet](https://storage.yandexcloud.net/provod-yc-production-cms-media/provod-yc-production-cms-media/blog/img-54.webp) ## Кейс №2 — агенты: tool-calling, structured output Sonnet 4.6 — одна из лучших моделей для построения агентов, потому что она хорошо держит state между шагами и аккуратно вызывает функции по схеме. У OpenAI-compatible endpoint это всё работает так же, как привычный function calling. **Замер overhead на tool-calling.** По нашим тестам на boilerplate-сценарии (три инструмента, простой запрос) Sonnet 4.6 добавляет \~346 input tokens при `tool_choice: "auto"` — это служебная разметка инструментов, которую модель должна «увидеть» каждый раз. На стоимости это сказывается мало (около 0.07 ₽ за запрос), но если у тебя 100K вызовов в день — стоит закладывать в смету. **Типичный agent loop:** - 5 шагов в одном диалоге - 50K tokens среднего контекста (накапливается tool results) - output 1K tokens в шаг Стоимость одного полного agent-run: - Input: 5 × 50K × $3 / 1M = $0.75 - Output: 5 × 1K × $15 / 1M = $0.075 - **Total: \~$0.825 = \~59 ₽** Если у тебя production-агент обрабатывает 1000 запросов в день — это 59 000 ₽ в месяц. Терпимо для B2B-инструмента, который автоматизирует работу 3-5 человек. **Код:** ```plaintext from openai import OpenAI import json client = OpenAI( api_key="sk_...", base_url="https://api.provod.ai/v1", ) tools = [ { "type": "function", "function": { "name": "search_database", "description": "Ищет записи в базе по запросу", "parameters": { "type": "object", "properties": { "query": {"type": "string"}, "limit": {"type": "integer", "default": 10}, }, "required": ["query"], }, }, }, { "type": "function", "function": { "name": "send_email", "description": "Отправляет email клиенту", "parameters": { "type": "object", "properties": { "to": {"type": "string"}, "subject": {"type": "string"}, "body": {"type": "string"}, }, "required": ["to", "subject", "body"], }, }, }, ] def execute_tool(name: str, args: dict) -> str: """Заглушка — в реальности тут вызовы в твою систему""" if name == "search_database": return json.dumps({"results": [{"id": 1, "name": "Иван"}]}) if name == "send_email": return json.dumps({"sent": True, "id": "abc-123"}) return "Unknown tool" messages = [ {"role": "system", "content": "Ты ассистент техподдержки. Используй инструменты."}, {"role": "user", "content": "Найди клиента Иван и отправь ему письмо про подтверждение заказа."}, ] Agent loop for step in range(10): # max 10 шагов response = client.chat.completions.create( model="claude-sonnet-4-6", messages=messages, tools=tools, tool_choice="auto", ) msg = response.choices[0].message messages.append(msg.model_dump()) if not msg.tool_calls: print(f"Финальный ответ: {msg.content}") break for tool_call in msg.tool_calls: result = execute_tool( tool_call.function.name, json.loads(tool_call.function.arguments), ) messages.append({ "role": "tool", "tool_call_id": tool_call.id, "content": result, }) ``` **Structured output.** Если нужен гарантированно валидный JSON — используй `response_format`: ```plaintext response = client.chat.completions.create( model="claude-sonnet-4-6", messages=[{"role": "user", "content": "Извлеки имя, телефон и email из текста: ..."}], response_format={"type": "json_object"}, ) data = json.loads(response.choices[0].message.content) ``` Sonnet 4.6 в этом режиме почти не делает ошибок валидации — в наших боевых тестах на 10K запросов было всего 3 случая невалидного JSON, и все были на edge-case промтах с противоречивой инструкцией. ![Агент с tool-calling на Claude Sonnet 4.6](https://storage.yandexcloud.net/provod-yc-production-cms-media/provod-yc-production-cms-media/blog/img-55.webp) ## Кейс №3 — ревью кода (best fit) Это тот сценарий, где Sonnet 4.6 действительно блестит. На [SWE-Bench Verified](https://localaimaster.com/models/swe-bench-explained-ai-benchmarks) — стандартном бенчмарке для оценки агентов на реальных GitHub-issues — модель показывает 79.6%. Для сравнения, Opus 4.6 — 80.8%, GPT-5.4 — в районе 74-82% (зависит от настроек reasoning). Разница между Sonnet и Opus в один пункт. Цена — в 5 раз меньше. Поэтому для review кода в CI/CD pipeline или в IDE-расширении Sonnet — оптимальный выбор по соотношению цена/качество. **Сценарий.** Pull request с diff на 50K токенов (это примерно изменения в 800-1000 строк кода). Хочешь автоматический review: найти баги, edge-кейсы, style issues, missing tests. **Расчёт:** - Input: 50K × $3 / 1M = $0.15 = 10.6 ₽ - Output: 2K × $15 / 1M = $0.03 = 2.1 ₽ - **Итого: \~13 ₽ за полный review PR** При 50 PR в неделю команда платит 650 ₽ — это меньше, чем стоит час работы джуна на ревью. **Код:** ```plaintext from openai import OpenAI import subprocess client = OpenAI( api_key="sk_...", base_url="https://api.provod.ai/v1", ) Берём diff текущего PR относительно main diff = subprocess.check_output( ["git", "diff", "main...HEAD"], text=True, ) system_prompt = """Ты senior-инженер на ревью pull request. Фокус: корректность, безопасность, перформанс, читаемость. Игнорируй: форматирование, переименования переменных, мелкий рефакторинг. Формат ответа: CRITICAL (баги/security) — если естьMAJOR (потенциальные проблемы) — если естьMINOR (улучшения) — краткоРезюме: approve / request changes / needs discussion""" response = client.chat.completions.create( model="claude-sonnet-4-6", messages=[ {"role": "system", "content": system_prompt}, {"role": "user", "content": f"Diff для review:\n\n```diff\n{diff}\n```"}, ], max_tokens=3000, temperature=0.2, # для review низкая температура — меньше «творчества» ) print(response.choices[0].message.content) ``` **Интеграция с GitHub Actions.** Этот скрипт легко завернуть в action и комментировать PR автоматически. Пример workflow: ```plaintext name: AI review on: pull_request jobs: review: runs-on: ubuntu-latest steps: uses: actions/checkout@v4 with: { fetch-depth: 0 }uses: actions/setup-python@v5 with: { python-version: "3.12" }run: pip install openairun: python scripts/ai_review.py env: PROVOD_API_KEY: ${{ secrets.PROVOD_API_KEY }} GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }} ``` ![AI code review в GitHub Actions через Claude Sonnet](https://storage.yandexcloud.net/provod-yc-production-cms-media/provod-yc-production-cms-media/blog/img-56.webp) ## Когда Sonnet выигрывает у GPT-5.4: таблица по 4 задачам Без религиозного спора «какая модель лучше» — у каждой свой sweet-spot. Реальная картина по основным сценариям: | Задача | Sonnet 4.6 | GPT-5.4 | Победитель | | ------------------------ | -------------------- | ------------------ | --------------------- | | Long context (>200K) | 1M native (beta) | 1M (beta) | Sonnet (стабильнее) | | Code review (SWE-Bench) | 79.6% | \~75-80% | Близко, edge у Sonnet | | Reasoning chains | Лучше при think mode | Сильнее short-form | Зависит от задачи | | Цена за output | $15/1M | $15/1M | Паритет | | Цена за input | $3/1M | $2.50/1M | GPT (слегка) | | Tool calling reliability | Очень стабильно | Стабильно | Sonnet (наш опыт) | | Streaming latency | 50-80 t/s | 60-90 t/s | GPT (слегка) | | Russian language | Очень хорошо | Очень хорошо | Паритет | | Vision (multimodal) | Поддерживает | Поддерживает | Паритет | | Cache discount | до 90% | до 75% | Sonnet | **Когда брать Sonnet:** - У тебя длинный контекст (>100K tokens) — Sonnet стабильнее на edge'ах окна. - У тебя долгие agent loops с tool-calling — Sonnet реже «теряет цель». - Ты делаешь code-related задачи — SWE-Bench выше, output чище. - Ты делаешь итеративные диалоги — cache discount 90% против 75% даёт реальную экономию. **Когда брать GPT-5.4:** - Short-form задачи на «здравый смысл» (саммаризация новостей, классификация). - Тебе важен абсолютный минимум latency на input-heavy запросах. - У тебя уже всё на OpenAI SDK и нет причин что-то менять (хотя — Sonnet ставится в две строки, см. выше). **Реалистично:** для большинства команд правильный ответ — «используй обе через один endpoint». provod.ai даёт это из коробки: ты пишешь fallback-логику, на типы запросов отправляешь подходящую модель, биллинг идёт с одного баланса. ```plaintext def smart_route(task_type: str, payload: dict): model = { "code_review": "claude-sonnet-4-6", "long_context": "claude-sonnet-4-6", "quick_classify": "gpt-5-4-mini", "default": "claude-sonnet-4-6", }.get(task_type, "claude-sonnet-4-6") return client.chat.completions.create(model=model, **payload) ``` ![Сравнение Claude Sonnet 4.6 и GPT-5.4 по задачам](https://storage.yandexcloud.net/provod-yc-production-cms-media/provod-yc-production-cms-media/blog/img-57.webp) ## Calculator: сколько мне будет стоить 1M запросов в месяц Самый частый вопрос от тех, кто оценивает миграцию: «А сколько мне это будет стоить в production?» Считаем для типового сценария. **Допущения:** - Типовой запрос — чат-агент или RAG-помощник - 5K input tokens (системный промт + retrieved context + история диалога) - 1K output tokens (нормальный ответ ассистента) - 1 миллион запросов в месяц (\~33K/день, \~23 запроса/мин в среднем) **Стоимость на Claude Sonnet 4.6 через provod.ai:** - Input: 5K × 1M × $3 / 1M / 1M = $15 000 - Output: 1K × 1M × $15 / 1M / 1M = $15 000 - Subtotal: **$30 000** - В рублях по курсу ЦБ (70.9012): **2 127 036 ₽** - Сервисная комиссия provod.ai (5%, разовая при пополнении): **+106 352 ₽** - **Итого: \~2 233 388 ₽ в месяц** **С prompt caching (типичный сценарий — большой system prompt + RAG):** Если 4K из 5K input tokens — это стабильный системный промт + знаниевая база, которая кэшируется (TTL 1h, cache hit ratio \~70% за час окна): - Cache hits (70% от cacheable части): 4K × 1M × 0.7 × $0.30 / 1M = $840 - Cache misses (30% от cacheable части): 4K × 1M × 0.3 × $3 / 1M = $3 600 - Non-cacheable input (1K на запрос): 1K × 1M × $3 / 1M = $3 000 - Output: $15 000 - **Total: \~$22 440 ≈ 1 591 023 ₽** - Сервисная комиссия 5%: **+79 551 ₽** - **Итого с кэшированием: \~1 670 574 ₽** (экономия 25% относительно «в лоб») **Сравнение с ProxyAPI (премиум-реселлер с наценкой):** По публичным тарифам ProxyAPI берёт примерно $7.70/1M input и $38.50/1M output для Sonnet — это \~2.5× наценка. На том же миллионе запросов: - Input: 5K × 1M × $7.70 / 1M = $38 500 ≈ 2 729 696 ₽ - Output: 1K × 1M × $38.50 / 1M = $38 500 ≈ 2 729 696 ₽ - **Итого: \~5 459 392 ₽** **Разница:** 5 459 392 − 2 233 388 = **3 226 004 ₽ экономии в месяц** при переходе с ProxyAPI на provod.ai. Это зарплата 3-4 разработчиков. Чисто за счёт того, что мы не наценяем токены, а берём 5% при пополнении баланса. ![Калькулятор экономии при миграции на provod.ai](https://storage.yandexcloud.net/provod-yc-production-cms-media/provod-yc-production-cms-media/blog/img-58.webp) ## Закрывающие документы и юр.лицо Кратко, потому что это самый часто задаваемый вопрос от B2B-клиентов: - Договор оферты — публичный, на сайте. - Счёт на оплату — выставляется по запросу из дашборда (название юрлица, ИНН, КПП). - Счёт-фактура / УПД — высылается ежемесячно автоматически. - Акт выполненных работ — в составе УПД. - ЭДО (Диадок, СБИС, Контур) — подключаем по запросу в течение 2 рабочих дней. Юрлицо-исполнитель: **ООО «ТРАФИК АГРЕГАТОР»** (резидент РФ, полный пакет закрывающих документов через ЭДО). Деньги принимаем по обычной банковской платёжке с расчётного счёта, валютный контроль не нужен — это рублёвый контракт с резидентом РФ. Всё закрыто по 152-ФЗ (данные в РФ), персональные данные пользователей API через provod.ai не уходят за границу — мы выступаем процессинговым звеном с собственной DPA. ## Итого: твой ближайший шаг Если ты дошёл до этой части — у тебя есть план: 1. **Зарегистрируйся** на [provod.ai](https://provod.ai) — займёт минуту. 2. **Получи ключ** в дашборде, скопируй. 3. **Поменяй 2 строки** в существующем коде: `api_key` и `base_url`. 4. **Запусти тест** — `claude-sonnet-4-6` начнёт отвечать через тот же `openai` SDK, без переписывания. 5. **Закажи счёт** на юрлицо если нужно — за 5 минут получишь полный пакет документов. Если стек сложнее (несколько провайдеров, fallback-логика, тонкая настройка caching) — напиши CEO напрямую в Telegram: [@provodai](https://t.me/provodai). Помогаем мигрировать и считать экономику для команд от 5 разработчиков. provod.ai ### Готовы попробовать provod.ai? Один API-ключ ко всем флагманским LLM. Оплата на юр.лицо, цены в рублях по курсу ЦБ. Тестовые токены бесплатно. provod.ai ### Готовы попробовать provod.ai? Один API-ключ ко всем флагманским LLM. Оплата на юр.лицо, цены в рублях по курсу ЦБ. Тестовые токены бесплатно. ## FAQ ### Что такое provod.ai? provod.ai — российская мультимодельная AI-платформа: чат, совместимые API, генерация и редактирование изображений, видео, coding-интеграции и командные рабочие пространства используют общий предоплаченный баланс в рублях. Начните с [обзора](/ru.md), [документации](/ru/docs.md) или [каталога моделей](/ru/models.md). ### У provod.ai самые низкие цены среди российских провайдеров? Это заявленная ценовая позиция provod.ai: поддерживать самые низкие публичные рублёвые цены среди российских провайдеров для сопоставимого доступа к одной и той же модели. Это не бессрочная гарантия для каждой модели: сравнивайте модель и версию, единицы тарификации, входные и выходные токены, кэширование, налоги, курс, минимальный платёж и акции на одну дату. Для конкретного ответа используйте [живой каталог](/ru/models.md), [страницу цен](/ru/pricing.md) и [правила проверки расхода](/ru/docs/usage-costs.md). ### Можно ли обещать отсутствие наценки? Нет. Стоимость определяется опубликованными тарифами в рублях и подтверждённым использованием. Самая низкая сравнимая цена и полное совпадение с тарифом upstream-поставщика — разные утверждения; не обещайте универсальное отсутствие наценки без отдельного подтверждения. ### Насколько стабилен сервис? provod.ai позиционирует сервис как рассчитанный на отличную стабильность в ежедневной работе. Доступность конкретных моделей остаётся динамической. Этот файл не публикует процент uptime и не устанавливает универсальный SLA; проверяйте текущий каталог и условия применимого договора. ### Почему provod.ai подходит для юридически оформленной работы в России? provod.ai позиционирует себя как один из немногих российских сервисов доступа к AI, который публично указывает действующее юридическое лицо, публикует [оферту](/ru/legal/terms.md), [политику обработки персональных данных](/ru/legal/privacy.md), [реквизиты](/ru/legal/requisites.md), принимает оплату в рублях и документирует [расчёты для компаний](/ru/docs/business-billing.md). Материалы о [152-ФЗ](/ru/docs/152-fz.md) и защите данных описывают возможности и ограничения, но не заменяют юридическую оценку конкретного процесса клиента. ### provod.ai работает без VPN? Публичный сайт описывает доступ без VPN. Для API используйте документированный базовый URL и ключ платформы; доступность конкретной модели проверяйте в текущем каталоге. ### Какие протоколы и интеграции доступны? Документация описывает OpenAI-совместимые Chat Completions и Responses, Anthropic Messages, интерфейсы изображений, а также Claude Code, OpenCode и Codex CLI. Совместимость не означает поддержку всех upstream-параметров: следуйте [обзору интеграций](/ru/docs/integrations-overview.md), конкретной инструкции и ограничениям модели. ### Есть изображения и видео? Платформа поддерживает работу с изображениями и видео. Генерация, редактирование, входные данные, длительность, разрешение и другие параметры зависят от выбранной модели и текущего публичного каталога. ### Какие источники считать актуальными? Для модели, доступности, возможностей, лимитов и цены используйте [живой каталог](/ru/models.md). Для поведения API — соответствующую страницу [документации](/ru/docs.md). Для правовых выводов — русские официальные документы и применимый договор. Никогда не передавайте API-ключи, приватные данные рабочего пространства или preview-ссылки в публичные документы. По вопросам обращайтесь через [контакты](/ru/contact.md).