---
title: "Как сократить токены в промпте: замеры до и после | BroadRouter"
description: "Измеренная экономия токенов: системный промпт, few-shot, схемы инструментов, форматы данных, история чата и арабская огласовка на реальных токенизаторах."
url: https://broadrouter.com/ru/blog/reduce-prompt-tokens/
lang: ru
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Переведено с английского с помощью ИИ. [Читать оригинал на английском](https://broadrouter.com/blog/reduce-prompt-tokens/) (обновлён 2026-11-16).

# Сокращаем токены промпта: замеры для инструкций, инструментов, данных

Команда BroadNet Inference · 7 мин чтения · Опубликовано 2026-11-15 · Обновлено 2026-11-16

Сначала измерьте: логируйте prompt\_tokens по каждому вызову, найдите самую большую часть и сравните «до» и «после» токенизатором модели. На пяти токенизаторах сокращение многословного системного промпта сэкономило 68–71%, а CSV занял на 31–41% меньше токенов, чем минифицированный JSON. На трёх моделях сокращённый системный промпт с тремя короткими инструментами вместо десяти многословных сократил полный отрендеренный запрос примерно на 65–71%.

## Главное

-   Считайте реальным токенизатором, а затем сверяйтесь с usage.prompt\_tokens. Шаблон чата добавляет свои токены и заново сериализует схемы инструментов.
-   Инструменты оказались самой большой постоянной статьёй в наших замерах: 10 многословных схем добавили 1200–1400 токенов к каждому отрендеренному промпту. Отправляйте только те инструменты, которые нужны на текущем шаге.
-   Табличные данные: переход с отформатированного JSON на CSV сэкономил 57–61%, с минифицированного JSON на CSV — всё ещё 31–41%. Токенизаторы Qwen и Gemma разбивают числа на отдельные цифры, поэтому данные с большим количеством чисел на них дороже.
-   Замена 16 старых реплик сводкой из трёх строк сократила промпт Qwen с 2700 до 1100 токенов. Сводка теряет детали, поэтому последние несколько реплик оставляйте дословно.
-   Арабский текст с полной огласовкой занял в 2,4–3,5 раза больше токенов, чем тот же текст без диакритики. Удаляйте её, если задача её не требует.

**На этой странице**

1.  Как мы измеряли?
2.  Какие сокращения экономят больше всего токенов?
3.  Как выглядит запрос целиком?
4.  Как сократить системный промпт и ничего не сломать?
5.  Сколько few-shot примеров нужно?
6.  Стоит ли по-другому передавать инструменты, данные и историю?
7.  Какое место здесь занимает кэширование?
8.  Как измерить собственный промпт?
9.  Какое место здесь занимает BroadNet Inference

Короткие промпты дешевле, оставляют больше [контекстного окна](https://broadrouter.com/ru/glossary/context-window/) для работы и обычно быстрее возвращают первый токен. Но совет «сделайте промпт короче» слишком расплывчат. В этой статье мы измеряем типичные сокращения на одном реалистичном промпте бота поддержки с реальными токенизаторами четырёх открытых моделей и `o200k_base` от OpenAI, чтобы было видно, какие правки стоят вашего времени.

Если вы запускаете агента для программирования, этот цикл разобран в статье [бюджет токенов агента](https://broadrouter.com/ru/blog/agent-token-budget/). Здесь речь о промптах приложений: чат-ботах, классификаторах и задачах извлечения данных.

## Как мы измеряли?

Все подсчёты ниже — наши, сделаны 15 ноября 2026 г.:

-   **Токенизаторы.** Официальные файлы `tokenizer.json` для DeepSeek V4.1 Flash, GLM 5.3, Qwen3.8 27B и Gemma 4 26B A4B от Google, каждый на зафиксированной ревизии Hugging Face (см. «Источники»), загруженные через Hugging Face `tokenizers` 0.23.3. Плюс `o200k_base` из `tiktoken` 0.14.0 для сравнения с моделями GPT. Специальные токены не добавлялись.
-   **Отрендеренные промпты.** Для DeepSeek, GLM и Qwen мы также отрендерили полные запросы через опубликованный `chat_template.jinja` каждой модели (песочница Jinja2) — с системным промптом, инструментами, историей и вопросом — и посчитали результат. Это близко к тому, что токенизирует сервер, но провайдер может использовать другой шаблон, поэтому последнее слово за `usage.prompt_tokens` от API.
-   **Текст.** Синтетический бот поддержки вымышленного телеком-оператора: системный промпт из 261 слова, 10 инструментов, 8 few-shot примеров, 40 строк заказов, история из 20 реплик и арабский абзац из 31 слова. Один промпт — одна точка данных. Ваша экономия будет другой; метод переносится.

Gemma 4 VL 26B от BroadNet основана на модели Google, поэтому её подсчёт — оценка. Остальные используют собственные файлы моделей.

## Какие сокращения экономят больше всего токенов?

Сырой текст, до → после, с долей экономии:

| Изменение | DeepSeek V4.1 Flash | GLM 5.3 | Qwen3.8 27B | Gemma 4 | GPT o200k |
| --- | --- | --- | --- | --- | --- |
| Системный промпт: 261 слово → 66 слов | 295 → 88 (70%) | 294 → 89 (70%) | 297 → 95 (68%) | 297 → 96 (68%) | 293 → 86 (71%) |
| Few-shot: 8 примеров → 3 | 157 → 69 (56%) | 157 → 69 (56%) | 156 → 71 (54%) | 156 → 71 (54%) | 152 → 69 (55%) |
| 40 строк: JSON с отступами → минифицированный JSON | 2446 → 1606 (34%) | 2460 → 1581 (36%) | 3180 → 1980 (38%) | 3210 → 2010 (37%) | 2446 → 1567 (36%) |
| 40 строк: минифицированный JSON → CSV | 1606 → 948 (41%) | 1581 → 960 (39%) | 1980 → 1359 (31%) | 2010 → 1382 (31%) | 1567 → 946 (40%) |
| 10 инструментов: многословные → короткие описания | 1224 → 806 (34%) | 1214 → 797 (34%) | 1225 → 806 (34%) | 1252 → 827 (34%) | 1202 → 796 (34%) |
| 10 многословных инструментов → 3 коротких | 1224 → 258 (79%) | 1214 → 257 (79%) | 1225 → 266 (78%) | 1252 → 276 (78%) | 1202 → 255 (79%) |
| Арабский абзац: полная огласовка → без огласовки | 193 → 74 (62%) | 267 → 78 (71%) | 151 → 62 (59%) | 180 → 64 (64%) | 218 → 62 (72%) |

Для английской прозы проценты у разных токенизаторов близки, так что сокращение, которое помогает на одной модели, помогает и на остальных. Две строки нарушают эту закономерность. Данные заказов обошлись Qwen и Gemma на 23–46% дороже по токенам, чем DeepSeek и GLM, в любом формате, потому что их токенизаторы разбивают числа на отдельные цифры: `100200` — это 6 токенов у Qwen и 2 у DeepSeek. А арабская огласовка бьёт по одним токенизаторам гораздо сильнее, чем по другим.

## Как выглядит запрос целиком?

Сырой текст не учитывает шаблон чата. Полный промпт, отрендеренный через собственный шаблон каждой модели, с одним и тем же вопросом клиента:

| Запрос | DeepSeek V4.1 Flash | GLM 5.3 | Qwen3.8 27B |
| --- | --- | --- | --- |
| A. Многословный системный промпт + 10 многословных инструментов | 1677 | 1535 | 1797 |
| B. Сокращённый системный промпт + 10 коротких инструментов | 1052 | 913 | 1176 |
| C. Сокращённый системный промпт + 3 коротких инструмента | 574 | 443 | 636 |
| D. Сокращённый системный промпт, без инструментов | 136 | 121 | 174 |
| C + 20 предыдущих реплик целиком | 2374 | 2243 | 2693 |
| C + сводка из 3 строк + последние 4 реплики | 979 | 849 | 1103 |

Переход от A к C сократил каждый запрос примерно на 65–71% (64,6% на Qwen, 71,1% на GLM). Большая часть пришлась на инструменты. В рендере с многословным системным промптом 10 многословных инструментов добавили 1334 токена на DeepSeek, 1209 на GLM и 1421 на Qwen; 3 коротких инструмента в C добавили 322–462 токена сверх D. Схемы для [вызова инструментов](https://broadrouter.com/ru/glossary/tool-calling/) едут в каждом запросе, использует их модель или нет.

На больших объёмах это складывается. На [Qwen3.8 27B](https://broadrouter.com/ru/models/qwen3.8-27b/) переход от A к C экономит 1161 токен на запрос. При 100 000 запросов в месяц это около 116 млн входных токенов, или 116 × $0.175 в месяц по стандартной цене входа.

## Как сократить системный промпт и ничего не сломать?

Наш промпт из 261 слова и промпт из 66 слов содержат одни и те же семь правил. Все сокращения были одного типа:

1.  **Уберите вежливость по отношению к модели.** Фраза “It is very important that you always remain polite and courteous at all times” (перевод: «Очень важно, чтобы вы всегда и во всём оставались вежливы и учтивы») исчезла целиком: это следует из строки с ролью.
2.  **Одно правило — одна строка.** Пункты списка вместо предложений вида “Please make sure that you always…” (перевод: «Пожалуйста, всегда следите за тем, чтобы…»).
3.  **Объедините дубли.** Три предложения о языке превратились в “Reply in the customer’s language (Arabic or English), briefly.” (перевод: «Отвечай кратко на языке клиента (арабском или английском)».)
4.  **Удалите пересказ поведения по умолчанию.** “Remember to always be helpful!” (перевод: «Не забывай всегда быть полезным!») ничего не меняет.

Затем протестируйте. Короткий промпт, потерявший правило, обходится дороже, чем экономит. Прогоните обе версии на одних и тех же 50–100 реальных входах и сравните, как в статье [оценка LLM перед переходом](https://broadrouter.com/ru/blog/evaluate-llm-before-switching/).

## Сколько few-shot примеров нужно?

Меньше, чем в большинстве промптов. Каждый [few-shot](https://broadrouter.com/ru/glossary/few-shot-prompting/) пример оплачивается при каждом вызове. Оставляйте те, что исправляют ошибку, которую модель без них совершает, — например, пример на диалекте для арабского классификатора, — и убирайте те, с которыми она и так справляется. Наше сокращение с 8 до 3 сэкономило 54–56% блока примеров. Хватит ли трёх для вашей задачи — вопрос точности, а не токенов, поэтому проверьте это на своём тестовом наборе.

## Стоит ли по-другому передавать инструменты, данные и историю?

**Инструменты.** Отправляйте только те инструменты, которые можно использовать на текущем шаге. Вопросу о счёте нужны `get_account`, `get_bill` и `create_ticket`, а не `order_esim`. Сокращайте описания до того, что нужно модели, чтобы выбрать инструмент и заполнить его. Отступы здесь не важны: все отрендеренные нами шаблоны заново сериализуют массив `tools` через `tojson`, поэтому отформатированный массив инструментов стоит столько же, сколько минифицированный.

**Данные в сообщениях.** Данные, которые вы вставляете в сообщение, отправляются как есть. Как минимум минифицируйте JSON. Для плоских записей CSV или TSV убирают повторяющиеся ключи: в нашем тесте на 31–41% меньше токенов, чем минифицированный JSON. Вложенные данные оставляйте в JSON. Проверьте, что модель по-прежнему правильно читает столбцы.

**История.** Каждая прошлая реплика отправляется заново. Замена 16 старых реплик сводкой из трёх строк при сохранении последних четырёх дословно сократила промпт Qwen с 2693 до 1103 токенов. Сводка теряет детали, к которым пользователь может вернуться, а её переписывание меняет префикс, что ломает кэширование. Когда сжимать контекст, разобрано в статье [управление контекстом долгоживущих агентов](https://broadrouter.com/ru/blog/long-running-agent-context-management/).

**Арабская огласовка.** Большая часть арабских текстов пишется без кратких гласных. Если ваш вход с полной огласовкой — из словаря, учебника или религиозного источника, — удаление этих знаков (U+064B–U+0652) сократило наш абзац на 59–72%. Сохраняйте их, если от них зависит задача, например обучение или поэзия. Какие ещё символы стоит нормализовать, рассказано в статье [нормализация арабского текста](https://broadrouter.com/ru/blog/arabic-text-normalization-search/), а о разрыве с английским в целом — в статье [токены на слово в арабском](https://broadrouter.com/ru/blog/tokens-per-word-arabic-english/).

## Какое место здесь занимает кэширование?

Кэширование не уменьшает промпт. Оно удешевляет повторяющуюся часть. В руководстве OpenAI по кэшированию сказано, что должен совпадать “the entire rendered prefix” (перевод: «весь отрендеренный префикс»), и рекомендуется ставить стабильные инструкции в начало. [Страница цен](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-reduce-prompt-tokens&utm_content=body) BroadNet описывает вход из кэша как “usually the repeated start of recent requests, such as a long system prompt” (перевод: «обычно повторяющееся начало недавних запросов, например длинный системный промпт»), который не нужно настраивать, а документация сообщает о попаданиях в `usage.prompt_tokens_details.cached_tokens`.

Поэтому порядок такой: сначала сократить, затем сделать сокращённый префикс стабильным. Системный промпт и инструменты — первыми, побайтово одинаковыми в каждом вызове; затем история, только с дописыванием; новое сообщение — последним. На Qwen3.8 27B вход из кэша стоит $0.0435 за 1 млн против $0.175. Схема и тест, доказывающий повторное использование префикса, — в статье [структура промпта для кэширования](https://broadrouter.com/ru/blog/prompt-structure-for-caching/). Токены из кэша всё равно занимают контекстное окно.

## Как измерить собственный промпт?

Начните со счёта. В течение дня логируйте `usage.prompt_tokens` по каждому месту вызова и найдите самое крупное. Затем сравнивайте версии локально этим скриптом, который выводит число токенов до и после для двух файлов:

```python
# pip install tokenizers tiktoken huggingface_hub
import json, sys
import tiktoken
from huggingface_hub import hf_hub_download
from tokenizers import Tokenizer

def hf(repo, rev):
    return Tokenizer.from_file(hf_hub_download(repo, "tokenizer.json", revision=rev))

COUNTERS = {
    "Qwen3.8 27B": hf("Qwen/Qwen3.8-27B", "37561816e66b5b9153b1b64c10968c18c1e6f4a0").encode,
    "GPT o200k": tiktoken.get_encoding("o200k_base").encode,
}

def n(enc, text):
    out = enc(text)
    return len(out.ids if hasattr(out, "ids") else out)

def diff(before, after):
    for name, enc in COUNTERS.items():
        a, b = n(enc, before), n(enc, after)
        print(f"{name:12} {a:6} -> {b:6}  saved {a - b} ({100 * (a - b) / a:.0f}%)")

if __name__ == "__main__":
    diff(open(sys.argv[1], encoding="utf-8").read(), open(sys.argv[2], encoding="utf-8").read())
```

На наших двух системных промптах он вывел:

```text
Qwen3.8 27B     297 ->     95  saved 202 (68%)
GPT o200k       293 ->     86  saved 207 (71%)
```

Добавьте репозитории остальных моделей из списка источников, чтобы сравнить все четыре. Для быстрой проверки в браузере [сравнение токенов промпта](https://broadrouter.com/tools/prompt-token-diff/) показывает две версии рядом, а [счётчик токенов](https://broadrouter.com/tools/token-counter/) считает одну. После деплоя подтвердите экономию по `usage.prompt_tokens`, который учитывает шаблон.

## Какое место здесь занимает BroadNet Inference

BroadRouter — сайт BroadNet. BroadNet Inference оплачивает токены промпта по цене входа каждой модели и читает повторяющиеся префиксы из кэша по цене входа из кэша, если она у модели есть, так что счёт снижают и короткие промпты, и стабильные префиксы. У [Gemma 4 VL 26B](https://broadrouter.com/ru/models/gemma-4-vl-26b/) контекст 32 768 токенов, и там сокращение важно не только для стоимости, но и чтобы всё поместилось. На тарифах DeepSeek V4.1 Flash счётчика токенов нет, но контекст в 1 048 576 токенов всё равно действует, а короткий промпт всё равно возвращает ответ быстрее. Промпты не хранятся после выполнения запроса.

Бесплатные инструменты по теме (на английском)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[Бесплатные инструменты (на английском)](https://broadrouter.com/tools/)

## Термины в этой статье

[Токен (token)](https://broadrouter.com/ru/glossary/token/)

Токен — это единица текста, которую языковая модель читает и пишет: слово, часть слова, знак препинания или последовательность байтов, которую выдаёт токенизатор модели. LLM API считают, ограничивают и обычно тарифицируют использование в токенах.

[Few-shot промптинг (few-shot prompting)](https://broadrouter.com/ru/glossary/few-shot-prompting/)

Few-shot промптинг — это приём, при котором в промпт перед реальным входом добавляют несколько готовых примеров «вход — выход», чтобы языковая модель по ним поняла задачу и формат. Веса модели не меняются; в zero-shot примеров нет, в one-shot — один.

[Контекстное окно (context window)](https://broadrouter.com/ru/glossary/context-window/)

Контекстное окно — это максимальное число токенов, с которым языковая модель может работать в одном запросе. В него входят промпт, история диалога, описания инструментов, изображения и сгенерированный ответ, включая токены рассуждений. Всё, что не помещается, приходится обрезать, сжимать в краткое изложение или делить на несколько запросов.

[Вызов инструментов (tool calling)](https://broadrouter.com/ru/glossary/tool-calling/)

Вызов инструментов (function calling) — это функция LLM API, при которой модель возвращает структурированный запрос на выполнение функции, заданной разработчиком, с аргументами в JSON. Приложение выполняет функцию и отправляет результат обратно; сама модель код никогда не выполняет.

[Системный промпт (system prompt)](https://broadrouter.com/ru/glossary/system-prompt/)

Системный промпт — это текст инструкций, который приложение отправляет языковой модели перед диалогом, обычно как сообщение с ролью system или developer. Он задаёт роль модели, правила, тон и формат ответа, и при конфликте с сообщениями пользователя модель должна следовать именно ему.

[Арабские огласовки (ташкиль, tashkeel)](https://broadrouter.com/ru/glossary/arabic-diacritics/)

Арабские огласовки, или ташкиль, — это небольшие знаки над буквами или под ними, которые обозначают краткие гласные, удвоенные согласные и отсутствие гласного. Они необязательны: в большинстве арабских текстов, включая новости, их нет, и читатель или программа восстанавливает гласные по контексту.

[Входные и выходные токены (input and output tokens)](https://broadrouter.com/ru/glossary/input-and-output-tokens/)

Входные токены — это токены, которые языковая модель читает в запросе: системный промпт, история диалога, описания инструментов и изображения. Выходные токены — это токены, которые она генерирует в ответ, включая рассуждения. LLM API обычно тарифицируют их по отдельности, и выход, как правило, дороже.

[Контекстная инженерия (context engineering)](https://broadrouter.com/ru/glossary/context-engineering/)

Контекстная инженерия — это работа по отбору и поддержанию набора токенов, который языковая модель видит в каждом запросе: системного промпта, описаний инструментов, истории, найденных документов и заметок. Цель — дать модели минимальный набор самой ценной информации, нужной, чтобы хорошо выполнить задачу.

## Вопросы и ответы

### Как уменьшить количество токенов в промпте?

Сначала измерьте: логируйте usage.prompt\_tokens и найдите самую большую часть. Затем, в порядке убывания измеренной экономии: отправляйте только нужные на шаге инструменты, сокращайте формулировки инструментов и системного промпта, передавайте таблицы в CSV, а не в JSON, оставляйте только те few-shot примеры, которые меняют результат, и сводите старые реплики чата в краткое изложение.

### Отформатированный JSON занимает больше токенов?

Да. В нашем тесте минификация 40 строк JSON с отступами сэкономила 34–38% токенов в зависимости от токенизатора, а передача тех же строк в CSV — 57–61%. Иначе говоря, JSON с отступами занял на 52–61% больше токенов, чем минифицированный, и на 132–159% больше, чем CSV. Схемы инструментов — исключение: шаблоны чата сериализуют их заново, поэтому отступы в массиве tools до модели не доходят.

### Сколько токенов занимают описания инструментов?

Зависит от формулировок и шаблона модели. Наши 10 инструментов с многословными описаниями добавили около 1200–1400 токенов к отрендеренному промпту на DeepSeek V4.1 Flash, GLM 5.3 и Qwen3.8 27B. Три инструмента с короткими описаниями добавили около 320–460.

### Увеличивает ли арабская огласовка число токенов?

Сильно. Абзац на современном литературном арабском из 31 слова занял 62–78 токенов без огласовки и 151–267 токенов с полной огласовкой на пяти токенизаторах. Большая часть арабских текстов пишется без неё, поэтому удаляйте её из входа, если задача (например, поэзия или обучение) её не требует.

### Что лучше — кэширование промптов или сокращение промпта?

Они работают вместе. Кэширование удешевляет повторяющийся префикс, но он всё равно занимает контекстное окно и всё равно стоит денег. Сначала сократите, а затем держите сокращённый префикс побайтово одинаковым в начале каждого запроса, чтобы он читался из кэша.

### Почему мой подсчёт токенов не совпадает с prompt\_tokens от API?

API считает отрендеренный промпт: ваши сообщения, обёрнутые в шаблон чата, плюс схемы инструментов в собственном формате шаблона. Токенизатор, запущенный на сыром тексте, этого не учитывает. Используйте токенизатор для сравнения версий, а usage.prompt\_tokens — для счёта.

## Читайте также

-   [Бюджет токенов агента: куда уходят токены в цикле агента](https://broadrouter.com/ru/blog/agent-token-budget/)
-   [Как посчитать токены до отправки запроса к LLM](https://broadrouter.com/ru/blog/count-tokens-before-sending/)
-   [Как структурировать промпты, чтобы префикс кэшировался](https://broadrouter.com/ru/blog/prompt-structure-for-caching/)
-   [Кэшированные входные токены: как снизить счёт за LLM API](https://broadrouter.com/ru/blog/cached-input-tokens-explained/)
-   [Токены на слово: арабский и английский — почему арабский дороже](https://broadrouter.com/ru/blog/tokens-per-word-arabic-english/)
-   [Управление контекстом долгоживущих агентов с окном 1 млн токенов](https://broadrouter.com/ru/blog/long-running-agent-context-management/)
-   [Как снизить расходы агента для программирования на LLM: 10 способов](https://broadrouter.com/ru/blog/cut-coding-agent-llm-costs/)
-   [Кэширование ответов LLM API: кэш точных совпадений на Python](https://broadrouter.com/ru/blog/cache-llm-responses-cut-cost/)
-   [GPU-парк и подход к инференсу BroadNet — по описанию самой BroadNet](https://broadrouter.com/ru/blog/broadnet-gpu-fleet-and-serving/)
-   [Ручная проверка в распознавании документов с помощью ИИ](https://broadrouter.com/ru/blog/document-review-queues/)
-   [Руководство: OpenAI Python SDK и BroadNet Inference](https://broadrouter.com/ru/guides/openai-python-sdk/)

Проверьте на своей реальной нагрузке. Новые аккаунты получают стартовый грант US$5 на Gemma и распознавание речи. Для DeepSeek, GLM и Qwen3.8 нужно пополнить баланс.

[Начать](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-reduce-prompt-tokens&utm_content=page-cta) ·

**Источники**

-   [Qwen/Qwen3.8-27B на Hugging Face: tokenizer.json и chat\_template.jinja, ревизия 37 561 816 (загружено 2026-11-15)](https://huggingface.co/Qwen/Qwen3.8-27B)
-   [zai-org/GLM-5.3 на Hugging Face: tokenizer.json и chat\_template.jinja, ревизия ba32f8c1 (загружено 2026-11-15)](https://huggingface.co/zai-org/GLM-5.3)
-   [deepseek-ai/DeepSeek-V4.1-Flash на Hugging Face: tokenizer.json и chat\_template.jinja, ревизия 314113f8 (загружено 2026-11-15)](https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash)
-   [google/gemma-4-26B-A4B-it на Hugging Face: tokenizer.json, ревизия 4d7ae498, основа BroadNet Gemma 4 VL 26B (проверено 2026-11-15)](https://huggingface.co/google/gemma-4-26B-A4B-it)
-   [OpenAI tiktoken на GitHub: кодировка o200k\_base, использована версия 0.14.0 (проверено 2026-11-15)](https://github.com/openai/tiktoken)
-   [Руководство OpenAI по кэшированию промптов: стабильное содержимое в начало, весь отрендеренный префикс должен совпадать, инструменты входят в кэшируемый контекст (проверено 2026-11-15)](https://developers.openai.com/api/docs/guides/prompt-caching)
-   [Страница цен BroadNet Inference: вход из кэша — повторяющееся начало недавних запросов, оплачивается дешевле, настраивать ничего не нужно (проверено 2026-11-15) (на английском)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-reduce-prompt-tokens&utm_content=sources)
-   [Справочник API BroadNet Inference: токены из кэша в блоке usage, возможности моделей (проверено 2026-11-15) (на английском)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-reduce-prompt-tokens&utm_content=sources)
