Новая волна ИИ-моделей выходит уже не только с обещанием «стать умнее». Главный акцент смещается в сторону стоимости: корпоративные клиенты всё чаще спрашивают не «что модель умеет», а «сколько стоит один полезный результат».
За последнюю неделю OpenAI, Meta и xAI выпустили или представили новые модели, где эффективность стала одним из ключевых аргументов. OpenAI в GPT-5.6 делает упор на производительность на доллар: модель должна выполнять больше полезной работы с меньшим числом токенов и меньшей стоимостью. По оценкам OpenAI, GPT-5.6 Sol в ряде задач использует меньше токенов и стоит дешевле конкурирующих передовых моделей, а более дешёвые версии Terra и Luna нужны именно для массового корпоративного использования.
Meta Muse Spark 1.1 доступна через Meta Model API, а цена составляет 1,25 $ за 1 млн входных токенов и 4,25 $ за 1 млн выходных токенов. Это примерно в 4 раза дешевле флагманских решений OpenAI. Для Meta это попытка зайти в платный рынок ИИ не через максимальную цену за «самую умную» модель, а через доступность и масштаб.
xAI с Grok 4.5 тоже давит на экономику. Artificial Analysis оценивает Grok 4.5 как одну из самых эффективных моделей около верхнего уровня: 0,31 $ за задачу в Intelligence Index и 2,59 $ за задачу в Coding Agent Index. При этом модель использует заметно меньше токенов, чем сопоставимые решения Anthropic и OpenAI.
📌 Почему это важно?
Корпоративные клиенты столкнулись с тем, что ИИ-бюджеты стали хуже контролироваться. Пока сотрудники просто «пробовали ИИ», расходы выглядели терпимо. Но когда ИИ-агенты начинают писать код, анализировать документы, работать с файлами и запускать длинные цепочки задач, счёт быстро растёт.
Поэтому OpenAI уже добавила для ChatGPT Enterprise аналитику использования и лимиты расходов: администраторы могут видеть, кто и на какие продукты тратит кредиты, задавать лимиты по группам и отдельным пользователям. ИИ становится похож на облако — без контроля потребления счета начинают раздуваться.
Второй источник давления — Anthropic. Claude Opus 4.8 стоит 5 $ за 1 млн входных токенов и 25 $ за 1 млн выходных токенов, а более сильные модели могут быть ещё дороже. Anthropic остаётся одним из лидеров по качеству, но в условиях экономии клиенты всё чаще будут задавать вопрос: нужен ли дорогой Claude для каждой задачи?
Третий фактор — китайские и открытые модели. FT пишет, что компании всё активнее смотрят на DeepSeek, Z.ai и Moonshot AI, потому что для многих рабочих задач они достаточно хороши и могут стоить кратно дешевле. Это не всегда замена лучшим американским моделям, но хороший вариант для рутинных задач.
Четвёртый фактор — маршрутизация моделей. OpenRouter уже даёт доступ к 400+ моделям и позволяет выбирать их по цене, скорости, контексту и другим параметрам. Т.е. вместо одной дорогой модели на всё можно использовать дешёвую модель для простых задач и дорогую только там, где она реально нужна.
📌 Итог
ИИ-рынок переходит от гонки «у кого модель умнее» к гонке «у кого дешевле полезное действие». Давно придерживаемся тезиса, что рано или поздно ИИ-вычисления сильно подешевеют, как это в своё время было с облачными хранилищами. Выигрывают компании, являющиеся чистыми пользователями чужой инфраструктуры (т.е. большинство ПО-компаний). Стоимость внедрения ИИ должна снижаться, а контроль над бюджетами улучшаться. Для разработчиков моделей это риск: если качество у многих становится сопоставимым, цена и эффективность начинают давить на маржу.
Главный риск для OpenAI, Anthropic и других лидеров — превращение части ИИ в «сырьевой» сервис, где клиент выбирает не бренд, а стоимость результата. В отличие от периода бума облачных технологий, когда IT-гиганты выстраивали целую экосистему, где клиенты были зависимы от их инфраструктуры, сейчас ключевые поставщики моделей пока не обладают таким преимуществом. Т.е. переход от одного поставщика к другому пока всё ещё достаточно прост и безболезнен.
