Як Gemini API з'їв $180 за місяць: реальна економіка ШІ
Розібрав реальний бойовий кейс по використанню Google Cloud / Gemini API в автоматизованому пайплайні для створення white pages.
Завдання було не просто “користуватися AI”, а зрозуміти реальну собівартість одного виконаного замовлення.
В березні було зроблено 79 white pages за моделлю:
1 домен = $5
Всього дохід: $395
Після аналізу білінгу Google Cloud з'ясувалося, що Gemini API за цей же період використав близько:
$180.37
На перший погляд — майже половина виручки пішла в AI. Але після розбору витрат по SKU стало зрозуміло, де саме була проблема:
Текст / логіка / промпти / Cursor / токени: близько $29.62
Генерація зображень: близько $150.75
Тобто текстова частина була рентабельною — приблизно 7.5% від доходу.
Основний слив бюджету відбувся через масову генерацію картинок через API.
На один white page генерувалося близько 39 зображень.
При ціні приблизно $0.039 за картинку це давало близько $1.52 тільки на зображення для одного сайту.
З урахуванням текстової частини AI-собівартість одного сайту доходила приблизно до:
$1.89 при ціні продажу $5
Головний висновок кейсу:
AI сам по собі не робить проект нерентабельним.
Нерентабельною стає безконтрольна генерація без лімітів.
Після аналізу були визначені практичні правила:
— рахувати AI-витрати не “за місяць”, а на одне замовлення;
— відокремлювати текстові витрати від image generation;
— ставити ліміти на генерацію зображень;
— використовувати budget alerts;
— не тримати зайві Google Cloud VM, якщо потрібен тільки API;
— використовувати безкоштовні $300 trial-кредити Google як тестову зону, але рахувати економіку так, ніби це вже реальні гроші.
В результаті стало зрозуміло: текстовий Gemini / Cursor / API — рентабельні.
А от генерація картинок через API вимагає жорсткого контролю.
Короткий висновок:
AI вигідний, якщо ним управляти.
Без лімітів він з'їдає маржу.
#AIбізнес #GeminiAPI #GoogleCloud #AIавтоматизація #CursorAI #PromptEngineering #WhitePages #AICosts #ЮнітЕкономіка #АвтоматизаціяБізнесу #AIдляБізнесу #GoogleAPI #ШтучнийІнтелект #NoCodeAutomation #AIкейси #АрсенійMe4Hik
Завдання було не просто “користуватися AI”, а зрозуміти реальну собівартість одного виконаного замовлення.
В березні було зроблено 79 white pages за моделлю:
1 домен = $5
Всього дохід: $395
Після аналізу білінгу Google Cloud з'ясувалося, що Gemini API за цей же період використав близько:
$180.37
На перший погляд — майже половина виручки пішла в AI. Але після розбору витрат по SKU стало зрозуміло, де саме була проблема:
Текст / логіка / промпти / Cursor / токени: близько $29.62
Генерація зображень: близько $150.75
Тобто текстова частина була рентабельною — приблизно 7.5% від доходу.
Основний слив бюджету відбувся через масову генерацію картинок через API.
На один white page генерувалося близько 39 зображень.
При ціні приблизно $0.039 за картинку це давало близько $1.52 тільки на зображення для одного сайту.
З урахуванням текстової частини AI-собівартість одного сайту доходила приблизно до:
$1.89 при ціні продажу $5
Головний висновок кейсу:
AI сам по собі не робить проект нерентабельним.
Нерентабельною стає безконтрольна генерація без лімітів.
Після аналізу були визначені практичні правила:
— рахувати AI-витрати не “за місяць”, а на одне замовлення;
— відокремлювати текстові витрати від image generation;
— ставити ліміти на генерацію зображень;
— використовувати budget alerts;
— не тримати зайві Google Cloud VM, якщо потрібен тільки API;
— використовувати безкоштовні $300 trial-кредити Google як тестову зону, але рахувати економіку так, ніби це вже реальні гроші.
В результаті стало зрозуміло: текстовий Gemini / Cursor / API — рентабельні.
А от генерація картинок через API вимагає жорсткого контролю.
Короткий висновок:
AI вигідний, якщо ним управляти.
Без лімітів він з'їдає маржу.
#AIбізнес #GeminiAPI #GoogleCloud #AIавтоматизація #CursorAI #PromptEngineering #WhitePages #AICosts #ЮнітЕкономіка #АвтоматизаціяБізнесу #AIдляБізнесу #GoogleAPI #ШтучнийІнтелект #NoCodeAutomation #AIкейси #АрсенійMe4Hik