Компания Systema AI, специализирующаяся на создании ИИ-решений для бизнеса, изучила экономическую эффективность инструментов ИИ Claude Code и Opencode. Анализ показывает (откроется в новом окне), что Claude Code при прямом сравнении в среднем отправляет в 4,7 раза больше данных, чем Opencode, прежде чем будет дан ответ на фактический запрос пользователя.

Opencode также отправляет значительные объемы данных до того, как будет обработано первое слово введенного пользователем промпта. В то время как эти запросы, вызванные системными промптами, схемами инструментов и сложными блоками памяти, требуют при односрочных тестовых запросах в Opencode около 6 900 токенов, в Claude Code используется около 32 800 токенов.

Решающим фактором, увеличивающим использование токенов и, соответственно, затраты, является стабильность используемого кэша. В Opencode данные при различных прогонах оказываются побайтово идентичными, что указывает на оптимальное использование кэша.

90 000 токенов до того, как пользователь начнет печатать

В Claude Code, напротив, байты системных и вспомогательных блоков варьировались, что приводило к необходимости перезаписывать десятки тысяч токенов кэша в середине сессии. В одном из тестовых прогонов Claude Code записал в 54 раза больше токенов кэша, чем Opencode, что привело к резкому росту затрат.

Systema выявила несколько факторов, негативно влияющих на стоимость ИИ-инструментов для кодинга. Инструкционные данные, такие как claude.md или agents.md, добавляют к каждому отдельному запросу около 20 000 токенов. Подключения к небольшим MCP-серверам, созданным в качестве интерфейса между ИИ-ассистентами и файлами, базами данных или API, добавляли к тестовому сценарию от 1 000 до 1 400 токенов на запрос.

В реальной конфигурации с множеством серверов и инструкционных файлов, по имеющимся данным, Opencode израсходовал 90 000 токенов еще до того, как пользователь вообще начал печатать. Однако самым большим фактором затрат, как сообщается далее, являются субагенты. В Claude Code для задачи, выполненной напрямую, потребовалось около 121 000 токенов. С двумя субагентами — 513 000, потому что каждый субагент заново считывает свои собственные системные промпты и инструменты.

Оба инструмента корректно выполнили поставленные задачи, однако Claude Code при идентичных результатах оказался дороже и требовал значительно больше времени (от четырех до восьми минут по сравнению с одной-двумя минутами у Opencode). Хотя Claude Code предлагает обширную платформу с множеством субагентов, для пользователей это означает неэффективное использование токенов и более высокие затраты, резюмирует Systema результаты своего исследования.