Gemini 3.8 Flash — рабочая лошадка Google: где догоняет топ и что будет с ценой после Нового года


Короткий ответ: решение «переезжать с 3.7 Flash на 3.8 или нет» сейчас нетривиально. Google сама это признаёт. Обычно вендор выпускает новую модель и говорит «она лучше во всём, мигрируйте». Здесь иначе. В официальной документации прямо написано: если для вас приоритет — эффективность и экономия токенов, понизьте effort-уровень или оставайтесь на 3.7 Flash. Старая модель остаётся поддерживаемой. Это редкая честность, и её стоит разобрать.

Честный тест перед переездом — гонять одну и ту же выборку задач на обеих моделях. 50–100 задач достаточно, чтобы увидеть разницу в доле решённых с первого раза и в среднем числе токенов на задачу. Дальше решение о миграции становится арифметикой, а не верой в таблицы.

Второй повод — деньги. Intro-цены действуют только до 31 декабря 2026 года. С 1 января 2027-го всё удваивается: вход с 75 до 150 ₽ за миллион токенов, выход с 375 до 750 ₽. При этом 3.8 Flash на высоких effort-уровнях потребляет больше токенов, чем 3.7. Сложите эти два фактора — и окно «дешёвой силы» у вас ровно до Нового года. Дальше экономика пайплайна меняется.

В деньгах: миллион входных токенов сегодня стоит 75 ₽, после 1 января — 150 ₽. Средняя агентная задача на 30K входа и 10K выхода обойдётся в ~4,5 ₽ сейчас и ~9 ₽ после удвоения. За год на объёме в миллион задач разница 4,5 млн ₽.

Третий повод — бенчмарки. Цифры у модели действительно хорошие местами, но между таблицей DeepMind model card и Cloud developer guide есть расхождения. Terminal-bench 2.1: model card говорит 89,4%, Cloud guide — 90,8%. Для 3.7 расхождение ещё интереснее: 85,8% против 81,6%. Это не опечатка — это разные harness-ы. Ниже я объясню, почему это важно для ваших ожиданий.

Четвёртое: если вы работаете с API Gemini 3 семейства, у 3.8 Flash есть конкретные API-особенности. Deprecated sampling-параметры молча игнорируются, отсутствует поддержка MINIMAL thinking-уровня, миграция с thinking_budget на строковый enum. Поймать это в продакшене неприятно — лучше узнать заранее.

Gemini 3.8 Flash — это, по формулировке Google, основная агентная рабочая лошадка линейки Gemini 3. Переведу с корпоративного: это модель, на которой Google ожидает, что вы будете строить основную массу агентных задач — код, терминал, инструменты, многошаговые сценарии. Не премиум-рассуждения, не экстремальный throughput, а «рабочая лошадка» в прямом смысле.

Семейство Gemini 3 устроено как три ступени:

— Gemini 3 Pro — глубокое рассуждение, сложные задачи, соответствующая цена. Когда задача требует качества класса топ-моделей и бюджет позволяет.

— Gemini 3.8 Flash — баланс. Достаточно умная для агентной работы, достаточно дешёвая для запуска в масштабе. Именно сюда Google рекомендует «переезжать» для основной нагрузки.

— Flash-Lite — throughput. Когда нужно обработать много запросов быстро и дёшево, и сложность задач это позволяет.

Позиционирование против 3.7 Flash — самое важное в этом релизе. Google не убивает 3.7 (он остаётся supported), но описывает разницу так: 3.8 даёт лучшую accuracy и reliability ценой более высокого потребления токенов. Механика простая: на сложных задачах модель работает усерднее — больше шагов рассуждения, больше итеративных вызовов инструментов.

Это осознанный trade-off, а не побочный эффект. Google фактически говорит: «мы научили модель распознавать, когда задача тяжёлая, и тратить на неё больше вычислений». И за эти вычисления вы платите токенами.

Отдельно упомяну сиблинга — Gemini 3.8 Flash Cyber. Это специализированная версия для кибербезопасности, которая доступна только «trusted defenders» через Fairwind Program — то есть не публичная, не через общий API, и не то, что вы поставите в свой пайплайн завтра. Она не ядро этого обзора, но пару слов о ней скажу в разделе про safety — там есть нюанс, который стоит понимать.

Контекст — 1 048 576 токенов на вход, максимум 65 536 токенов на выход (в model card это названо «64K»). Вход мультимодальный: текст, изображения, аудио, видео; выход — только текст. Knowledge cutoff — март 2026, но с оговоркой: у части доменов знания слабее вплоть до примерно января 2025 года. Это особенность всей семьи Gemini 3, не конкретно 3.8. Практический вывод: если ваш агент опирается на свежие события или узкие домены, проверяйте фактичность на своих данных. Не надейтесь на cutoff-дату как на гарантию.


Сводка ключевых параметров:

Теперь про thinking — это сердце работы с моделью. У Gemini 3.8 Flash три уровня размышлений: LOW, MEDIUM (по умолчанию) и HIGH. Уровень определяет, сколько внутренних шагов рассуждения модель тратит на задачу, и напрямую влияет на качество и на счёт за токены.

Критический нюанс: MINIMAL не поддерживается. Если вы попытаетесь его передать — получите не молчаливое игнорирование, а честный API validation error. Это важно для тех, кто мигрирует с других моделей Gemini или пишет абстракции над несколькими провайдерами. Ваш код, который перебирает уровни thinking, должен знать: для 3.8 Flash нижняя граница — LOW.

Дальше — API conventions всей семьи Gemini 3, и вот тут есть грабли, о которые уже пооббивали колени ранние последователи:

— Deprecated sampling-параметры — temperature, top_k, top_p — игнорируются. Молча. Никакой ошибки, просто никакого эффекта. Если ваш пайплайн «настраивает креативность» через temperature на Gemini 3.8 Flash, он настраивает воздух.

— Unsupported параметры жёстко ругаются: penalties и candidate_count вызывают API error. Не игнор, а ошибка. То есть старый код, который работал с предыдущими поколениями, может упасть на ровном месте.

— Strict function calling — семантика вызова инструментов строже, чем раньше. Для агентных систем это скорее плюс (меньше кривых вызовов), но требует аккуратности при миграции.

— Ограничения на историю чата: history не может заканчиваться на роль model; prefilled model turns не поддерживаются; пустые turns отбрасываются или дают ошибку. Это ломает часть шаблонов «дописать ответ модели».

— Миграция thinking_budget → thinking_level: числовой бюджет размышлений заменён на строковый enum. Если у вас где-то в коде остался thinking_budget — это место, которое нужно переписать.

Суммируя: Gemini 3.8 Flash — это API, которое сознательно ломает обратную совместимость там, где Google считает старые паттерны вредными. Для нового кода это чисто и предсказуемо. Для старого — закладывайте время на миграцию и на ловлю молчаливых игноров, которые хуже ошибок, потому что их не видно в логах.


Все цены ниже — в рублях за миллион токенов, по курсу редакции (официальная ставка ×100). Это ориентир для сравнения, а не тариф какого-либо хаба или агрегатора — фактический счёт вы получите по тарифам вашего провайдера и актуальному курсу.

Standard Global — intro до 31 декабря 2026 и regular с 1 января 2027:

Да, всё ровно удваивается. Причём важная деталь: цена выхода включает thinking-токены. Это не мелкий шрифт, это фундаментальный факт для расчёта стоимости агентных задач: если модель на HIGH-уровне сгенерировала вам 10K токенов ответа, но «думала» при этом 90K токенов — вы платите за 100K по выходной ставке. Учитывая, что 3.8 Flash на сложных задачах думает усерднее 3.7, реальный рост счёта может быть больше, чем кажется при сравнении цен за токен.

Batch/Flex — вдвое дешевле стандарта: intro 37,5 ₽ вход / 187,5 ₽ выход, с 2027 года — 75 / 375 ₽. Cache read: 3,75 ₽ intro → 7,5 ₽ regular. Если у вас есть задачи, которые можно батчить (оффлайн-обработка, ночные прогоны, не-интерактивные пайплайны) — это самый простой способ сэкономить вдвое.

Priority — дороже: intro 135 ₽ / 675 ₽, regular 270 ₽ / 1350 ₽, cache 13,5 ₽ → 27 ₽. Платите за приоритетную очередь, когда латентность важнее денег.

Non-global регионы — плюс 10%: intro 82,5 ₽ / 412,5 ₽, regular 165 ₽ / 825 ₽.

Grounding с Search/Maps — первые 5000 запросов в месяц бесплатно, сверх — 1400 ₽ за 1000 запросов. Если ваш агент ходит в поиск, считайте это отдельной строкой бюджета: 1400 ₽ за тысячу grounded-запросов — это заметно дороже самих токенов на типичный запрос.

Flash Cyber — отдельная сетка, без intro-периода: Global 150 ₽ / 750 ₽, Non-global 165 ₽ / 825 ₽. То есть сразу по regular-ценам, и доступ всё равно только через Fairwind Program.

Хорошая новость для тех, кто уже сидит на Flash: intro-сетка у 3.8 точно такая же, как была у 3.7 и 3.6 Flash. Google не поднял intro-цены при выпуске более сильной модели — скидка именно во временнóм окне, а не в сравнении с предшественником. Плохая новость — окно закрывается 31 декабря, и с 1 января вы платите вдвое больше за вход и выход, при том что модель, скорее всего, будет тратить больше токенов, чем 3.7 на тех же задачах.


Ещё один нюанс для планирования: intro-тариф — list price вендора, а не пакет посредника. Фактический счёт зависит от того, идёте ли вы через Gemini API, Agent Platform или consumer-подписку Google AI Pro/Ultra. В статье я сознательно считаю только вендорную сетку в рублях по курсу редакции ×100 — чтобы сравнивать модели между собой, а не угадывать внутренние пакеты посредников.

Если вы уже заложили бюджет на Flash до конца года, имеет смысл прогнать пилот именно на 3.8 с MEDIUM, параллельно оставив 3.7 на контрольной ветке. Так вы увидите не абстрактный «+8 п.п. на DeepSWE», а разницу в числе успешных задач и в среднем числе токенов на задачу. Без этого пилота решение «мигрировать всем» — лотерея.

Это, на мой взгляд, самый недооценённый раздел всей темы. Google в документации не даёт точных цифр расхода токенов, но формулирует прямо: на сложных задачах 3.8 Flash работает усерднее через дополнительные шаги рассуждения и итеративные вызовы инструментов, и на HIGH-уровне может сжигать больше токенов, чем 3.7 Flash. «Может» — это вежливая формулировка; на практике для агентных задач со сложным контекстом закладывайтесь на то, что будет.

Что это значит в деньгах? Публичных цифр overhead HIGH vs MEDIUM vs 3.7 на реальных агентных задачах у Google нет — только качественные формулировки. Поэтому любой «плюс N процентов токенов» в обзоре был бы выдумкой. Считать нужно так: выходные токены (включая thinking) в разы дороже входных — 375 ₽ против 75 ₽ за миллион на intro, — а 3.8 на HIGH как раз склонна жечь именно выход. Реальная экономика выглядит иначе: если 3.7 не справился и вы делаете retry или fallback на более дорогую модель, то «попытка, которая сработала с первого раза» часто дешевле «дешёвой попытки, которая не сработала». Без своего замера tok/task это остаётся гипотезой, не vendor-цифрой.

Отсюда практические рекомендации:

— Не ставьте HIGH по умолчанию. MEDIUM — дефолт не случайно: он балансирует качество и расход. HIGH оставьте для задач, где цена ошибки выше цены токенов.

— Мерьте расход по задачам, а не по среднему. «Усердие» модели распределено неравномерно: простые задачи она решает дёшево, сложные — дорого. Средняя цифра скроет хвост тяжёлых задач, который и определяет счёт.

— Если efficiency-first — у вас два легальных пути. Первый: понизить effort-уровень на 3.8. Второй: остаться на 3.7 Flash, который поддерживается и остаётся в intro-ценовой сетке. Google сама предлагает оба варианта, и это не признак слабости 3.8, а признак того, что trade-off реален.

— Кэшируйте вход. Cache read стоит 7,5 ₽ против 75 ₽ за полный вход — в десять раз дешевле. Для агентных пайплайнов с длинным системным промптом и повторяющимся контекстом это не оптимизация, а гигиена. На пайплайне из 50 агентных итераций с системным промптом 100K токенов кэш экономит ~370 ₽ на прогон против полного входа — проверьте долю кэшируемого префикса за первую неделю.

И ещё раз, потому что это стоит повторить: цена выхода включает thinking-токены. В моделях, где thinking тарифицируется отдельно или не тарифицируется вовсе, привычки расчёта другие. Здесь — считайте всё, что модель сгенерировала, включая то, что она «наговорила себе» в процессе размышления.


Сначала методологическая оговорка, которую я обязан дать: все основные таблицы ниже — vendor-бенчмарки, то есть цифры, которые Google DeepMind опубликовала в model card (сентябрь 2026) и в Cloud developer guide. Вендорские таблицы не бесполезны — они дают сравнение моделей в одном harness-е, что честнее, чем сравнивать цифры из разных источников. Но они не заменяют независимые замеры на ваших задачах. Относительные разрывы внутри таблицы — доверять можно с оговоркой. Абсолютные цифры — воспринимайте как «в условиях Google».

Теперь главное. Расхождение Terminal-bench 2.1, которое нельзя замалчивать:

— DeepMind model card: Gemini 3.8 Flash — 89,4%, Gemini 3.7 Flash — 85,8%

— Cloud developer guide (другой harness): Gemini 3.8 Flash — 90,8%, Gemini 3.7 Flash — 81,6%

Оба источника — первичные, оба от Google, и они не сходятся. Для 3.8 разница небольшая (89,4 против 90,8 — в пределах вариации harness-а), но для 3.7 она существенная: 85,8% против 81,6% — четыре с лишним процентных пункта.

Обратите внимание, что это меняет и величину скачка между поколениями. По model card 3.8 лучше 3.7 на 3,6 п.п., по Cloud guide — на 9,2 п.п. В зависимости от того, какую таблицу вы читаете, улучшение выглядит либо как заметный, либо как драматический прогресс. Я не буду выбирать «правильную» цифру за вас — привожу обе с явной маркировкой источника. Рекомендую при принятии решений опираться на собственные замеры, а не на vendor-таблицу.

Похожая история с HLE, и тут важно не сливать две разные метки:

— HLE-Verified (model card): 3.8 Flash — 54,9%, 3.7 Flash — 53,6%, Claude Opus 5 — 54,4%, Claude Sonnet 5 — 31,0%, GPT-5.6 Sol — 54,5%, GPT-5.6 Terra — 51,1%

— HLE (Cloud guide, без Verified-подмножества): 3.8 Flash — 45,4%, 3.7 Flash — 45,7%

Это не «модель на Cloud хуже» — это разные метки: HLE-Verified и общий HLE. Но обратите внимание на любопытную деталь: на общем HLE 3.8 (45,4%) ниже 3.7 (45,7%), а на HLE-Verified 3.8 (54,9%) выше 3.7 (53,6%). Интерпретировать это можно по-разному — например, что прирост 3.8 сосредоточен именно на verified-подмножестве задач, — но факт остаётся: «HLE» без уточнения метки — это число, которое ничего не значит само по себе.

Теперь основная таблица model card (vendor, сентябрь 2026):

И дополнительные цифры из Cloud developer guide (другой harness, сравнение только с 3.7):

— Terminal-bench 2.1: 90,8% у 3.8 Flash против 81,6% у 3.7

— SWE-Bench Pro: 61,6% против 60,4%

— SWE-Atlas: 51,9% против 48,0%

— τ³-bench Banking: 38,1% против 30,9%

— CharXiv Multimodal: 86,2% против 84,5%

— GDP.pdf: 35,0% против 34,0%

— HLE (не Verified): 45,4% против 45,7%

Что из этого следует по существу?

Сильные места. DeepSWE v1.1 — 73,7% против 65,3% у 3.7 — это большой скачок для одного поколения Flash, и 3.8 практически догоняет Claude Opus 5 (74,0%) при этом оставаясь Flash-моделью по цене. Terminal-bench 2.1 (по любой из двух таблиц) — топ-уровень, наравне с Opus 5 и GPT-5.6 Sol. Vals Finance Agent и Harvey Legal Agent — 3.8 Flash обходит всех в таблице, включая топ-модели, что для Flash-класса выглядит особенно эффектно. BioMysteryBench Human Difficult — 56,5% против 43,5% у 3.7, огромный прирост. LVBench — видеопонимание на 87,8% agentic, выше всех в таблице.

Слабые места. Terminal-bench 4.0 — 19,1% — и вот тут честность требует сказать прямо: Claude Opus 5 показывает 51,8%, GPT-5.6 Sol — 37,3%. Разрыв с Opus — почти 33 процентных пункта. TB 4.0 — это, судя по всему, следующее поколение терминальных задач, и на нём 3.8 Flash не претендует на класс топ-моделей. OSWorld-2.0 — 59,0% против 75,4% у Opus и 62,6% у Sol: компьютерное использование — не её сильная сторона. GDPVal-AA v2 Elo 1545 — ниже и mid-моделей вроде Sonnet 5 (1584), и топ-модели (Opus 1824, Sol 1710): общая агентная полезность по этой метрике — середняк.

Картина складывается такая: 3.8 Flash — это модель с очень неровным профилем. В коде (DeepSWE, TB 2.1), финансах, праве и мультимодальном понимании она бьёт выше своей весовой категории. В сложных терминальных задачах нового поколения и компьютерном использовании — заметно ниже топ-моделей. Это не «универсально вторая после Pro», это «специалист по агентному коду с бонусами».


Мультимодальный вход — текст, изображения, аудио, видео — с выходом только в текст. Для Flash-класса это ожидаемо, но видеовход с LVBench на 87,8% (agentic) — это не формальная галочка в спеках, а реально сильная сторона: модели, которые понимают видео на таком уровне, полезны далеко за пределами «опиши, что происходит в ролике» — это анализ UI-записей, видеоинструкций, потоков данных.

CharXiv Reasoning без инструментов — 86,2%, выше всех в таблице, включая Opus 5 (83,7%). CharXiv Multimodal из Cloud guide — те же 86,2% против 84,5% у 3.7. Понимание научных графиков и диаграмм — сильная сторона, что логично для модели, которую Google позиционирует как рабочую для агентного анализа документов.

По доступности — картина широкая, GA с 2 сентября 2026:

— Gemini API и Google AI Studio — стандартные точки входа для разработчиков

— Android Studio — интеграция в среду разработки

— Antigravity — агентная платформа Google

— Stitch — дизайн-инструменты

— Gemini Enterprise — корпоративный доступ

— Google AI Pro / Ultra — приложение Gemini, AI Mode в Поиске, интеграция в Sheets

Antigravity и AI Studio в анонсе сопровождаются демо вроде 3D-игр и визуальных teardown — это маркетинговые демонстрации, не бенчмарки. Для практики важнее другое: модель день-один доступна в тех же каналах, где уже живут ваши Gemini-пайплайны. Миграция с 3.7 по цене intro не требует пересмотра контракта — требует пересмотра effort и ожиданий по токен-burn.

То есть модель доступна и через API для ваших пайплайнов, и внутри экосистемы Google для end-user сценариев. Для Enterprise есть Global и Non-global регионы (последние +10% к цене).

Чего в этом списке нет — единого каталога вроде того, куда привыкли ходить за Claude и GPT: Gemini там не представлен вообще, страница карточка модели отдаёт 404. Если вы завязаны на единый API-шлюз и хотите именно 3.8 Flash — нужен прямой доступ к Gemini API или Google-экосистеме. Из живых моделей каталога ближайший кандидат на роль агентной рабочей лошадки для кода — Claude Sonnet 5; в разделе «кому нет» разберу, когда это осмысленная замена, а когда нет.


Коротко, но по делу. Gemini 3.8 Flash Cyber — это отдельная модель, не «режим» обычного Flash. Доступ — только для trusted defenders через Fairwind Program, то есть для организаций, занимающихся защитой, прошедших отбор Google. Цены у Cyber — сразу regular (150 ₽ / 750 ₽ Global), без intro-периода. Если вы не участник Fairwind — этой модели для вас не существует, и любые «обходные пути» — не про официальный доступ.

Практический вывод для обычных пользователей: не путайте. Когда где-то пишут «Gemini 3.8 Flash для кибербезопасности» — речь о модели, которую вы не сможете вызвать через публичный API. Обычный 3.8 Flash — общедоступная модель со стандартными safety-фильтрами Gemini, и для offensive-сценариев она не предназначена — а тем, кому нужны кибер-возможности в защитных целях, дорога в Fairwind Program.

Отдельно про честность позиционирования: Google не пытается продать Cyber как фичу широкой аудитории, и это правильно. Разделение на публичную рабочую модель и специализированную defensive-модель через программу доступа — разумная архитектура выбора, и в обзоре я сознательно не раздуваю тему Cyber: для большинства читателей она релевантна только как «вот что существует, но не для вас».

Время честного вердикта. Сначала — кому Gemini 3.8 Flash однозначно стоит попробовать.

Да, если:

— Вы строите агентные сценарии на коде при Flash-бюджете до конца 2026 года. Это ядро целевой аудитории. DeepSWE 73,7% и TB 2.1 на уровне топ-моделей в vendor-таблице — за intro-цену 75/375 ₽ это одно из сильнейших соотношений «качество агента / цена» в текущем окне для Flash-класса. С 1 января экономика станет вдвое жёстче, но до тех пор — это окно возможностей.

— Вы уже на 3.7 Flash и готовы платить токенами за точность. Скачок на DeepSWE (+8,4 п.п.), TB 2.1 (+3,6 п.п. по card, +9,2 п.п. по Cloud guide), BioMysteryBench Difficult (+13 п.п.) — это рост, который в агентных пайплайнах конвертируется в меньше retry, меньше fallback, меньше ручных правок.

— Ваш домен — финансы или право. Vals Finance Agent 61,4% и Harvey Legal Agent 10,0% all-pass — 3.8 Flash впереди всей таблицы, включая модели в разы дороже. Если вы делаете агентного ассистента для финансового или юридического анализа — это, по vendor-цифрам, сильнейший выбор в классе.

— Вам нужен видеовход. LVBench 87,8% и CharXiv 86,2% — мультимодальное понимание на уровне, где Flash обходит топ-конкурентов.

— Вы Enterprise с Global-доступом. Широкая availability, региональные опции, кэширование — инфраструктурная история зрелая.

Нет, если:

— Вы ожидаете, что модель уже доступна в GPThub. Её там нет, Gemini в каталоге не представлен. Если ваша архитектура завязана на единый шлюз — либо прямой доступ к Gemini API, либо альтернатива из каталога. Для агентного кода ближайший кандидат — Claude Sonnet 5, но это другая цена и другой профиль: Sonnet 5 на DeepSWE 53,8% против 73,7% у 3.8 Flash, зато GDPVal Elo 1584 против 1545. Замена не эквивалентная — взвешивайте под свои задачи.

— Вы efficiency-first и не хотите управлять effort-уровнями. Если вы не готовы мониторить расход токенов и осознанно выбирать между LOW/MEDIUM/HIGH, усердие 3.8 будет кусаться. Оставайтесь на 3.7 Flash — Google явно оставила его supported именно для вас.

— Вам нужен Opus-класс на TB 4.0 или OSWorld. 19,1% на TB 4.0 против 51,8% у Opus 5, 59,0% на OSWorld против 75,4% — если ваш workload — это сложное компьютерное использование или терминальные задачи нового поколения, 3.8 Flash не дотягивает, и никакой effort-уровень это не исправит.

— Вам нужен MINIMAL thinking. Его нет, API вернёт ошибку. Если ваш пайплайн опирается на минимальный уровень размышлений — это блокер.

— Вам нужна cyber-offense. Не сюда. Defenders — в Fairwind Program за Flash Cyber, все остальные — мимо.

Отдельно про соседние модели из живого каталога, если Gemini вам недоступен по архитектуре. Claude Sonnet 5 — агентная модель средней полки с другим ценовым и capability-профилем: на DeepSWE в той же vendor-таблице Google у Sonnet 5 всего 53,8% против 73,7% у 3.8 Flash, зато GDPVal Elo выше (1584 против 1545). GPT-5.6 Luna и Terra закрывают mid/топ полку OpenAI; Grok 4.5 — топ xAI; DeepSeek V4 Flash — гостевой/дешёвый Flash-класс. Это не «замены один-в-один», а ориентиры, куда смотреть в каталоге, пока карточки Gemini там нет.

Общий вердикт: Gemini 3.8 Flash — сильный релиз с честно задокументированным trade-off. Google сделала модель умнее, признала, что она дороже в токенах, и оставила предыдущее поколение для тех, кому важнее экономия. Это зрелый подход к продуктовому портфелю. Главное — не попасть в ловушку intro-цен: считайте экономику пайплайна по regular-тарифам с 2027 года, потому что 31 декабря ближе, чем кажется, а модель, которая «может жечь больше токенов на HIGH», на удвоенных ценах способна устроить вам неприятный сюрприз в счёте.