Как Gemini API сожрал $180 за месяц: реальная экономика AI
Разобрал реальный боевой кейс по использованию Google Cloud / Gemini API в автоматизированном пайплайне для создания white pages.
Задача была не просто “пользоваться AI”, а понять реальную себестоимость одного выполненного заказа.
В марте было сделано 79 white pages по модели:
1 домен = $5
Итого доход: $395
После анализа биллинга Google Cloud выяснилось, что Gemini API за этот же период использовал около:
$180.37
На первый взгляд — почти половина выручки ушла в AI. Но после разборки расходов по SKU стало понятно, где именно была проблема:
Текст / логика / промпты / Cursor / токены: около $29.62
Генерация изображений: около $150.75
То есть текстовая часть была рентабельной — примерно 7.5% от дохода.
Основной слив бюджета произошёл из-за массовой генерации картинок через API.
На один white page генерировалось около 39 изображений.
При цене примерно $0.039 за картинку это давало около $1.52 только на изображения для одного сайта.
С учётом текстовой части AI-себестоимость одного сайта доходила примерно до:
$1.89 при цене продажи $5
Главный вывод кейса:
AI сам по себе не делает проект нерентабельным.
Нерентабельной становится бесконтрольная генерация без лимитов.
После анализа были определены практические правила:
— считать AI-расход не “за месяц”, а на один заказ;
— отделять текстовые расходы от image generation;
— ставить лимиты на генерацию изображений;
— использовать budget alerts;
— не держать лишние Google Cloud VM, если нужен только API;
— использовать бесплатные $300 trial-кредиты Google как тестовую зону, но считать экономику так, будто это уже реальные деньги.
В результате стало понятно: текстовый Gemini / Cursor / API — рентабельны.
А вот генерация картинок через API требует жёсткого контроля.
Короткий вывод:
AI выгоден, если им управлять.
Без лимитов он съедает маржу.
#AIбизнес #GeminiAPI #GoogleCloud #AIавтоматизация #CursorAI #PromptEngineering #WhitePages #AICosts #ЮнитЭкономика #АвтоматизацияБизнеса #AIдляБизнеса #GoogleAPI #ArtificialIntelligence #NoCodeAutomation #AIкейсы #АрсенийMe4Hik
Задача была не просто “пользоваться AI”, а понять реальную себестоимость одного выполненного заказа.
В марте было сделано 79 white pages по модели:
1 домен = $5
Итого доход: $395
После анализа биллинга Google Cloud выяснилось, что Gemini API за этот же период использовал около:
$180.37
На первый взгляд — почти половина выручки ушла в AI. Но после разборки расходов по SKU стало понятно, где именно была проблема:
Текст / логика / промпты / Cursor / токены: около $29.62
Генерация изображений: около $150.75
То есть текстовая часть была рентабельной — примерно 7.5% от дохода.
Основной слив бюджета произошёл из-за массовой генерации картинок через API.
На один white page генерировалось около 39 изображений.
При цене примерно $0.039 за картинку это давало около $1.52 только на изображения для одного сайта.
С учётом текстовой части AI-себестоимость одного сайта доходила примерно до:
$1.89 при цене продажи $5
Главный вывод кейса:
AI сам по себе не делает проект нерентабельным.
Нерентабельной становится бесконтрольная генерация без лимитов.
После анализа были определены практические правила:
— считать AI-расход не “за месяц”, а на один заказ;
— отделять текстовые расходы от image generation;
— ставить лимиты на генерацию изображений;
— использовать budget alerts;
— не держать лишние Google Cloud VM, если нужен только API;
— использовать бесплатные $300 trial-кредиты Google как тестовую зону, но считать экономику так, будто это уже реальные деньги.
В результате стало понятно: текстовый Gemini / Cursor / API — рентабельны.
А вот генерация картинок через API требует жёсткого контроля.
Короткий вывод:
AI выгоден, если им управлять.
Без лимитов он съедает маржу.
#AIбизнес #GeminiAPI #GoogleCloud #AIавтоматизация #CursorAI #PromptEngineering #WhitePages #AICosts #ЮнитЭкономика #АвтоматизацияБизнеса #AIдляБизнеса #GoogleAPI #ArtificialIntelligence #NoCodeAutomation #AIкейсы #АрсенийMe4Hik