Если сегодня кто-то тратит больше всего денег на вызов самой мощной модели OpenAI.
OpenAI, наоборот, посоветует ему выбрать другую.
30 июля OpenAI опубликовал уведомление об корректировке цен.
Цена на модель GPT-5.6 Luna снизилась на 80%, на модель Terra — на 20%.
Увидев эту новость, легко сосредоточиться на ценовой войне, начавшейся в Кремниевой долине.
Однако, если внимательно изучить опубликованные официальные технические документы и руководство по вызовам API, становится ясно, что действительно значимое действие заключается не в самих цифрах цен.
По сути, это первый раз, когда OpenAI начинает говорить пользователям, что для многих задач не обязательно использовать самую мощную модель.
Компания дала очень конкретную рекомендацию. Если это сложная задача, сначала используйте GPT-5.6 Sol для анализа требований и проектирования решения, а затем передайте его Luna для выполнения, написания кода и проведения тестов.
Самая дорогая модель отвечает за мышление, самая дешёвая — за выполнение работы. Два года назад такая стратегия была бы равносильна коммерческому самоотрицанию.
Ведь раньше вся индустрия ИИ изо всех сил старалась доказать рынку, что именно их модель самая умная.
А сегодня OpenAI встаёт и говорит, что не всегда нужно покупать самое дорогое.
Это гораздо важнее, чем снижение цен.
1. Молчаливое согласие двух титанов Кремниевой долины
Сначала посмотрим, что произошло за последние две недели.
30 июля OpenAI скорректировал цены. Luna подешевела на 80%. Terra — на 20%. Sol не подешевел, но получил режим «Fast», который может быть до 2,5 раз быстрее стандартного режима, при удвоенной цене, но с таким же уровнем интеллекта.
Топовые модели остаются. По-настоящему массовыми становятся модели среднего и низкого класса.
За неделю до этого.
24 июля Anthropic сделал практически то же самое. Вышел Claude Opus 5: ввод миллиона токенов стоит 5 долларов, вывод — 25 долларов. Ровно половина цены Fable 5.
В отличие от прорыва в производительности, Anthropic больше подчёркивает его экономичность: всего за половину цены можно получить передовые возможности рассуждения, бесконечно близкие к Fable 5.
Всего месяц назад Fable 5 был флагманской моделью, на которой Anthropic активно концентрировался. Лучшие рассуждения, самый длинный контекст, самая высокая цена. А спустя месяц Anthropic сам нашёл для своего флагмана полуценовую альтернативу.
Если бы так поступила только одна компания, это можно было бы счесть корректировкой продуктовой линейки. Но две практически одновременно — это не совпадение.
Они обе начали сознательно снижать значимость флагманских моделей.
2. Флагман отвечает за престиж, массовые модели — за доход
Я всё это время думал: почему именно сейчас?
Ответ на самом деле не сложен.
Раньше главная ценность флагманских моделей заключалась не в заработке денег, а в доказательстве технологического лидерства. После выхода GPT-4 оценка OpenAI постоянно росла. Каждое обновление Claude переопределяло технологическую позицию Anthropic. Флагманские модели несли на себе брендовую ценность.
Но предприятия тратят деньги не на это.
Компания ежедневно выполняет миллионы вызовов API. Поддержка клиентов, поиск, утверждения, генерация кода, выполнение агентами — эти высокочастотные задачи занимают подавляющую часть потребления токенов. При закупке предприятия в первую очередь интересует не первое место в бенчмарках, а стоимость одной задачи, достаточная ли стабильность, высокая ли ROI.
Когда масштаб вызовов достигает десятков миллионов в день, незначительное интеллектуальное преимущество флагманских моделей мгновенно нивелируется огромными расходами на вычисления.
Действия и заявления OpenAI знаменуют переломный момент: топовые флагманы больше не несут ответственность за заработок денег.
3. ИИ вступает в эпоху «народных автомобилей»
Автомобильная промышленность уже пережила это.
Двадцать лет назад 7-я серия определяла высоту BMW, S-класс поддерживал имидж роскоши Mercedes, A8 закладывал флагманский образ Audi — флагманские модели определяли верхнюю планку брендов. Но реальной основой, поддерживающей продажи брендов и приносящей прибыль, всегда оставались BMW 3-й серии, Mercedes C-класса и Audi A4.
Позже это стало ещё очевиднее. Model S доказала, что Tesla умеет строить машины. Но превратили её в глобального автопроизводителя Model 3 и Model Y.
Флагманы доказывают возможности, массовые модели — обеспечивают масштаб.
Сегодня ИИ тоже вступает в эту фазу. Sol, Fable продолжат существовать, они отвечают за прорыв технологических пределов, обновление бенчмарков. А коммерциализацию всё больше будут брать на себя Luna, Terra, Opus.
OpenAI в этот раз даже публично написал рекомендуемый процесс: Sol отвечает за планирование, Luna — за выполнение.
Это уже не одна модель, OpenAI проектирует систему разделения труда между моделями. В будущем предприятия будут покупать не одну модель, а целую систему моделей. Реальную стоимость определяет не главный архитектор, а строительная бригада, которая ежедневно выполняет работу.
4. Модели начинают оптимизировать модели
Есть ещё одна деталь, которая, как мне кажется, интереснее самого снижения цен.
OpenAI в техническом описании упомянул, что это снижение цен произошло не только из-за закупки большего количества GPU и не из-за увеличения масштабов. Настоящая причина в том, что модели начали участвовать в оптимизации моделей.
Если конкретнее, под руководством инженеров-людей Sol самостоятельно переписал и оптимизировал базовое производственное ядро. Он сам спроектировал сотни экспериментов для повышения эффективности генерации токенов, даже участвовал в мониторинге процесса обучения моделей и напрямую вмешивался при обнаружении проблем.
В результате сквозная стоимость выполнения снизилась на 20%, эффективность генерации токенов повысилась на 15%.
Эту информацию легко упустить, но она имеет большое значение.
Раньше повышение эффективности зависело от инженеров. После запуска модели люди постепенно оптимизировали инфраструктуру логического вывода, CUDA, стратегии кэширования, алгоритмы планирования. За год удавалось выжать повышение эффективности на несколько процентов, и это уже было хорошо.
Сегодня технологическая эволюция вступила на новый путь. Модели начинают брать на себя инженерную оптимизацию базового кода и управления вычислительными мощностями, итеративно работая круглосуточно.
Это цикл, который будет постоянно ускоряться. Чем умнее модель, тем сильнее её способность участвовать в оптимизации. Чем быстрее оптимизация, тем быстрее снижаются затраты. Чем ниже затраты, тем больше объём вызовов. Чем больше объём вызовов, тем больше данных генерируется для дальнейшего обучения моделей.
Посмотрел на изменение цен OpenAI за последние два с половиной года. GPT-4 при запуске: ввод 30 долларов за миллион токенов, GPT-4o снизился до 5 долларов, GPT-4o mini достиг 0,15 доллара. Сегодня цена на Luna приближается к дешёвому диапазону ранней mini, но её общий уровень интеллекта уже давно превосходит дорогой GPT-4 двухлетней давности.
За два с лишним года цена упала почти на два порядка. Если модели продолжат оптимизировать сами себя, эта кривая, скорее всего, продолжит двигаться вниз.
По-настоящему страшно не то, что сегодня цена упала на 80%, а то, что снижение затрат начало обретать самодвижущуюся способность.
5. От «кто умнее» к «кто выгоднее»
Мне всё больше кажется, что сегодня, обсуждая конкуренцию в ИИ, иногда всё ещё применяют рамки предыдущего этапа.
Например, до сих пор часто спрашивают: кто умнее? GPT, Claude, Gemini, DeepSeek — каждый раз при выходе новой модели СМИ первым делом смотрят на рейтинги. Кто первый, тот и победил.
Однако новые действия OpenAI и Anthropic нарушают эту закономерность, они передают рынку новый сигнал: привлекательность чемпиона по отдельным показателям угасает.
В объявлении OpenAI есть одна фраза, которая, как мне кажется, особенно ключевая: рекомендуется разработчикам подбирать разные модели в зависимости от важности задачи, цены ошибки, срочности и масштаба.
Обратите внимание, речь уже идёт не о моделях, а о задачах.
Раньше при внедрении ИИ у предприятия чаще всего был только один выбор. Сегодня же это больше похоже на создание организации. Самые важные задачи — Sol, ежедневное выполнение — Luna, в будущем, возможно, появятся ещё более лёгкие модели для более простых дел.
Это очень похоже на облачные вычисления в своё время. Никто не хранит все данные на самых дорогих SSD-дисках. Горячие данные — на SSD, обычные — на HDD, холодные — в объектном хранилище. Обсуждают никогда не то, какой диск быстрее, а как построить всю систему наиболее выгодно.
DeepSeek, на самом деле, раньше Кремниевой долины учуял это направление. За последние полгода он почти не подчёркивал, что обязательно самый умный в мире, а повторял всего несколько слов: дешёвый, достаточно быстрый, достаточно хороший.
После попадания в кэш цена за миллион токенов становится настолько низкой, что ею почти можно пренебречь. Компания всё время делала ставку на одно: предприятиям нужен не мировой чемпион, а вариант развёртывания с наивысшей совокупной ROI.
Это не краткосрочная ценовая война, а нынешнее следование двух титанов Кремниевой долины подтверждает неизбежность этого коммерческого пути.
6. То, что OpenAI по-настоящему хочет продавать, — не модель
На сегодня стратегия OpenAI ясна: по-настоящему она хочет продавать уже не модель, а объём вызовов.
Раньше производители моделей полагались на высокую технологическую премию для получения высокой маржи, сейчас бизнес-логика меняется на получение экосистемы сверхмасштабного трафика с очень низким порогом входа.
Microsoft зарабатывает деньги не потому, что Windows продаётся дорого, а потому, что она установлена на всех компьютерах. AWS зарабатывает тоже не из-за высокой прибыли с одного сервера, а потому, что ежедневно в мире бесчисленное количество приложений работают на нём.
Доход платформы всегда зависит от степени проникновения.
Это объясняет, почему цена Sol не изменилась. Sol отвечает за бренд, он доказывает, что OpenAI по-прежнему компания с самым высоким технологическим потолком. А вот Luna — это двигатель дохода.
OpenAI надеется, что у разработчиков сформируется новая привычка по умолчанию: писать агентов — на Luna, запускать рабочие процессы — на Luna, выполнять пакетные задания — тоже на Luna. И только при столкновении с действительно сложной проблемой вызывать Sol разок.
Как только такое поведение по умолчанию установится, последующая конкуренция станет очень сложной. Миграция предприятия на другую базовую модель означает повторное тестирование, верификацию, адаптацию всего рабочего процесса. Стоимость миграции будет становиться всё выше.
Настоящий ров уже начал превращаться из лидерства в способностях в экосистемную привязку.
7. Флагманские модели больше не определяют направление
Если взглянуть в долгосрочной перспективе, индустрия ИИ переживает чрезвычайно типичную точку перелома в экономии на масштабе.
Когда стоимость единицы вычислительной мощности падает до крайне низкого уровня, общий спрос рынка на токены не уменьшается вместе со снижением цены за единицу, а, наоборот, взрывается экспоненциально.
Флагманские модели больше не определяют направление, потому что фокус технологической эволюции сместился с исследования верхнего предела интеллекта на промышленное снижение стоимости вычислений. Когда стоимость вызова API падает до уровня, которым можно пренебречь, форма и границы моделей начинают размываться.
Разработчики в компаниях перестают следить за расходом каждого токена, а бесшовно внедряют ИИ в каждый бизнес-процесс.
Самое глубокое в этом преобразовании то, что обвал цен API повышает стоимость миграции всей программной инженерии. Как только рабочие процессы предприятия, сеть планирования агентов и автоматизированные конвейеры данных целиком строятся на комбинации недорогих моделей, поставщик базовых моделей блокирует вычислительный канал на следующие десять лет.
Последние несколько лет компании, работающие с большими моделями, продавали интеллект. С сегодняшнего дня они начинают продавать эффективность.
Это две совершенно разные истории.
Слова «За пределами полосы»:
Раньше мы привыкли сравнивать развитие ИИ с потребительской электроникой, ожидая время от времени появления совершенно новых флагманов, бьющих рекорды.
Но, возможно, истинная форма победы ИИ — не стать продуктом, производящим фурор на время.
Когда изобрели паровую машину, люди восхищались её производительностью, а сегодня электричество повсеместно течёт, приводя в движение всю цивилизацию, но никто уже специально не обсуждает его.
Когда люди перестанут с энтузиазмом обсуждать, какой флагман снова побил какой-то тест на интеллект, а ИИ тихо и незаметно встроится в каждую систему, в каждую команду, станет водой и электричеством, вызываемым по умолчанию за всеми автоматизированными процессами.
Только тогда его настоящая эпоха только начнётся.
Эта статья из официального аккаунта WeChat «За пределами полосы», автор: Хуа Хуа
