▲РЕПО СЕЙЧАС НЕ В ВЫДАЧЕ НИ ОДНОГО ОКНА. СТРАНИЦА ЖИВЁТ КАК АРХИВНАЯ: НИЖЕ — ЛУЧШИЙ РЕЗУЛЬТАТ ЗА ВСЮ ИСТОРИЮ (ОКНО 1D).
FINDING #01 · UNIT ID 1348572094
damejan80/tokentab
A CLI that reads Claude Code, Codex, and Gemini CLI session logs and works out how much they cost, by model, project, and day.
SURPRISE SCORE
0.00
Архив · репо вне текущей выдачи
BEST RANK
#1
BEST WINDOW
1D
TIMES CHARTED
30
STARS NOW
1,159
FORKS NOW
213
OWNER ★
1,160
FIRST SEEN 2026-08-31 · LAST SEEN 2026-09-07
Потенциал заработка
C46/100
СПРОС64
Тема денег реальная: AI observability и cost control уже платный рынок, но сам локальный single-user CLI-сегмент узкий.
ЗАХВАТ32
Конкурентов много, фичи легко копируются, а локальный cost tracker без облака и командных функций слабо удерживает ценность.
ДОСТУП86
MIT, локальная обработка и низкая техническая сложность интеграции делают коммерческое использование юридически и практически простым.
«Заработок здесь топит слабая удерживаемость ценности: локальный cost-tracker легко копируется и плохо монетизируется без надстройки.»
Рыночный анализ · Обзор
tokentab — локальный CLI и веб-дашборд для подсчёта токенов и стоимости AI-сессий по логам Claude Code, Codex и Gemini CLI.
local-first AI FinOps / observability для coding agentsЗРЕЛОСТЬ · ЭКСПЕРИМЕНТ
ЯЗЫК
Python
ЛИЦЕНЗИЯ
MIT
РЕЕСТР
pypi
КОНТРИБЬЮТОРЫ
1
УСТАНОВКА: pip install tokentab
Что делает
Он читает локальные session logs с диска, группирует расходы по модели, проекту и дню, и показывает итог как в терминале, так и в простом локальном веб-интерфейсе. Всё работает offline, без аккаунта и без API-ключа. Отдельно есть fuzzy-matching моделей, учёт кеша и детерминированная классификация типа работы.
Какую боль решает
Снимает слепую зону по затратам на AI-кодинг: где именно уходит бюджет, какой проект или модель съедают больше всего, и что можно оптимизировать без отправки данных наружу.
Сценарии использования
- посчитать стоимость вчерашних или недельных сессий Claude Code, Codex и Gemini CLI
- сравнить расход по моделям и выбрать более дешёвый режим работы
- разложить spend по проектам для личного или командного cost review
- быстро найти дорогие сессии после рефакторинга или дебага
- использовать в privacy-sensitive среде, где облачный трекинг не подходит
Целевой пользователь
AI-heavy разработчики, indie-хакеры, консультанты, техлиды и небольшие команды, которые активно используют coding agents и хотят локальный контроль затрат.
Open-source аналоги
Очень зрелый и массовый стандарт для Claude Code usage; шире и мощнее, чем tokentab, но больше про usage-экосистему, чем про локальный cost-ledger по нескольким CLI.
Top-style TUI с live-мониторингом, процессами, CPU/memory, context pressure и tool activity; более операционный, чем tokentab.
Dashboard для Claude Code и Codex usage limits, заточен под лимиты и экран на другом устройстве; tokentab шире по CLI и подсчёту cost-by-day.
SQLite-пайплайн и per-session breakdown; ближе по задаче, но более инфраструктурный и с иной поддержкой провайдеров.
В первую очередь считает стоимость подписки Claude, а не строит мульти-CLI локальный ledger.
Локальный CLI/usage-report для Claude Code, но без мульти-провайдерного охвата и без такого акцента на project/day cost analytics.
Позиционирование
Нишевый догоняющий внутри уже сформировавшегося сегмента локальных AI usage/cost dashboards.
Коммерческие аналоги
LLM observability, evals, deployment и agent engineering.
$125M раунд при оценке $1.25B; customer page с Moody’s, Elastic, Cisco, Klarna и др.
Developer$0/seat/mo + pay-as-you-go
Plus$39/seat/mo + pay-as-you-go
Enterprisecustom
Tracing, evals, prompt management, cost/usage observability.
Публично заявляет 50,000+ companies; коммерческая монетизация через Langfuse Cloud.
Hobbyfree
Core$29/mo + $8/100k units
Pro$199/mo
Enterprise$2499/mo
LLM observability proxy, cost analytics, traces, alerts и reports.
Публично не раскрыт; на customer page есть кейсы Sunrun, Brand.dev и др.
Hobbyfree
Pro$79/mo
Team$799/mo
Enterprisecustom
Prompt management, observability, eval workflows и release control.
Публично не раскрыт.
Free$0
Pro$49/mo + $0.003/txn
Team$500/mo + $0.002/txn
Enterprisecustom
AI/LLM observability, evals, tracing и cost tracking; Phoenix — open-source/local-first слой, AX — коммерческий SaaS.
На customer page — Booking.com, DoorDash, Spotify, Reddit, PagerDuty и др.
Phoenix OSSfree
AX Freefree
AX Pro$50/mo
AX Enterprisecustom
AI gateway/control plane с observability, routing, prompt management и budget controls.
Компания заявляла $15M Series A и 50M+ LLM requests processed.
Free Forever$0
Production$49/mo + $9 per extra 100k requests
Enterprisecustom
Observability и governance для AI agents, 26 runtimes, cost tracking и policy gates.
На сайте — 726k+ installs, 128+ countries, 402 GitHub stars.
Free$0
Starter$9/node/mo
Pro$19/node/mo
Enterprisecustom
Текущая монетизация проекта
Явных признаков монетизации у проекта не видно: есть MIT-лицензия, локальный режим, PyPI-пакет и CLI + dashboard, но нет paid tier, cloud, support plan, sponsors или open-core-обвязки.
Коммерческий потенциал
ПОТЕНЦИАЛ · СРЕДНИЙ
На этой библиотеке можно заработать только через продуктовую надстройку: team/cloud layer, alerts, budgets, org views, retention и integrations.
Спрос и рынок
Спрос подтверждается соседним рынком observability: observability tools & platforms оценивается в $11.91B в 2026 с ростом до $22.99B к 2031, а LLM observability platform market в одном из reports — до $24.8B к 2034. Это market-report estimates, но направление устойчивое.
Ров / защищённость
Ров слабый, но не нулевой: local-first и privacy-first дают базовую дифференциацию, однако сам parser/cost ledger легко воспроизводим. Сильный ров появится только при добавлении командной и организационной ценности.
Модели монетизации
- open-core
- managed hosting (SaaS-обёртка)
- paid support
- plugins/marketplace
- consulting
Что нужно, чтобы сделать продукт
- auth, multi-user и team-сценарии
- shared cloud storage и sync между машинами
- alerts, budgets и anomaly detection
- org-level billing и chargeback
- retention, audit logs и compliance
- полноценная поддержка Cursor вместо stub
- автоматическое обновление price tables и model mappings
- интеграции с IDE и agent ecosystems
⚖ ЛИЦЕНЗИЯ · МОЖНО ЛИ КОММЕРЦИАЛИЗИРОВАТЬ
MIT — коммерциализация разрешена, ограничений на закрытые деривативы и SaaS нет.
Риски и подводные камни
ВЫСОКИЙКОНКУРЕНЦИЯ
Похожие OSS и коммерческие продукты уже существуют, и рынок быстро насыщается.
ВЫСОКИЙАВТОР МОНЕТИЗИРУЕТ САМ
Если проект вырастет, автор может сам встроить платную надстройку или cloud-слой и отжать ценность.
ВЫСОКИЙКОММОДИТИЗАЦИЯ
Локальный parser/cost ledger легко повторяется и плохо защищён как самостоятельный товар.
СРЕДНИЙЗАВИСИМОСТЬ ОТ АВТОРА
Один контрибьютор и отсутствие релизов создают bus-factor и maintenance risk.
НИЗКИЙЛИЦЕНЗИЯ
Сама лицензия MIT для коммерции благоприятна, но при отсутствии продукта это скорее плюс к форку, чем к защите дохода.
СРЕДНИЙСЛАБЫЙ РОВ
Дифференциация на уровне library-only слабая; ценность держится на надстройках, а не на ядре.
СРЕДНИЙПРОЧЕЕ
Cursor пока stub, поэтому часть ожидаемой аудитории может не считать продукт завершённым.
Достоверность разбора
УВЕРЕННОСТЬ · СРЕДНЯЯgpt-5.5 · 2026-09-01 · ОКНО 1D
Оговорки / что не проверено
- Факты о звёздах, форках, дате создания, последнем push и владельце приняты как данные из воронки и не перепроверялись.
- Размеры коммерческих компаний, раунды, оценки и customer claims взяты из собранного анализа и не верифицировались по двум независимым источникам в рамках этого ответа.
- Оценки market size и CAGR по observability / LLM observability основаны на market-report estimates, а не на первичных данных.
- Оценки star count у open-source альтернатив отражают состояние на момент собранного анализа и могли измениться.
- Вывод о зрелости experimental опирается на сочетание возраста репозитория, отсутствия релиза и single-maintainer сигнала, а не на формальную метрику.