# Сопутствующие статьи по теме Оптимизация затрат

Новостной центр HTX предлагает последние статьи и углубленный анализ по "Оптимизация затрат", охватывающие рыночные тренды, новости проектов, развитие технологий и политику регулирования в криптоиндустрии.

Сильные урезания в Rubin Ultra: Nvidia тоже не справляется с ростом цен на память?

Прошлые выходные стали поводом для бурных обсуждений в индустрии ИИ после публикации отчета аналитической компании SemiAnalysis. Согласно данным отчета, NVIDIA значительно изменила спецификации своего флагманского чипа Rubin Ultra, ключевой модели, анонсированной на GTC 2026. Вместо ожидавшегося увеличения вычислительной мощности и объема памяти, компания, судя по всему, пошла по пути оптимизации затрат. Основные изменения в спецификациях Rubin Ultra по сравнению с более ранними ожиданиями и базовой моделью Rubin: * **Теоретическая пиковая производительность (35 PFLOPs) осталась на уровне обычного Rubin.** * **Объем памяти HBM серьезно сокращен** — до 192 ГБ (8-Hi), что даже меньше, чем 288 ГБ (12-Hi) у Rubin. * **Пропускная способность памяти увеличена незначительно** (всего на 1 ТБ/с). * **Энергопотребление осталось высоким**, а максимальное даже возросло. * **Главным улучшением стал масштаб межсоединений (Scale-up)**: поддержка объединения до 576 GPU в единый логический узел через NVLink (против 72 GPU у Rubin). Аналитики SemiAnalysis связывают такое решение с резким ростом цен на высокоскоростную память HBM, которая является ключевым и самым дорогим компонентом современных ИИ-ускорителей. Стоимость HBM3 с 2025 года выросла в несколько раз. Первоначальный дизайн Rubin Ultra приводил к тому, что стоимость памяти в системе приближалась к 40% от общей стоимости материалов (BOM). После пересмотра спецификаций эта доля упала до 28%, что позволило снизить общую расчетную стоимость стойки с чипами примерно с 8 до 6.4 млн долларов. Таким образом, NVIDIA, по мнению аналитиков, смещает акцент с "наращивания компонентов" в отдельном чипе на создание более масштабируемых и, возможно, экономически эффективных систем на уровне кластера. Новый дизайн Rubin Ultra фокусируется на способности объединять огромное количество GPU, компенсируя изменения в характеристиках отдельных чипов. Новость оказала давление на котировки ведущих производителей памяти. Акции SK Hynix и Samsung, основных поставщиков HBM, упали примерно на 8%, что отражает опасения рынка: если крупнейший покупатель HBM начинает оптимизировать свои чипы для снижения зависимости от дорогой памяти, это может ограничить потенциал дальнейшего роста цен и спроса для производителей памяти. Эпоха безудержного наращивания ресурсов в ИИ-инфраструктуре, судя по всему, подходит к концу.

Odaily星球日报12 ч. назад

Сильные урезания в Rubin Ultra: Nvidia тоже не справляется с ростом цен на память?

Odaily星球日报12 ч. назад

Токены съедают треть зарплат, счет за ИИ в Кремниевой долине вышел из-под контроля

Ключевые выводы из анализа SemiAnalysis: расходы на токены для внутренних ИИ-моделей в некоторых компаниях достигают 30% от фонда заработной платы. При этом производительность возрастает в разы: задачи, требовавшие ранее часов работы, теперь решаются за минуты за несколько долларов. Хотя такие компании, как Uber и Microsoft, столкнулись с неконтролируемым ростом ИИ-расходов и ограничивают бюджеты, анализ показывает, что стоимость токенов будет резко снижаться. За счёт оптимизации ПО (14-кратный рост скорости) и новых аппаратных решений (в 17-32 раза производительнее) стоимость к 2030 году может упасть более чем на 90%. Токен становится новым "средством производства". Несмотря на рекордные инвестиции в ИИ-инфраструктуру (7400 млрд долларов в 2024 году) и текущее отсутствие макроэкономического эффекта, это типичная фаза технологической революции: сначала строится "трубопровод", затем он наполняется "потоком" приложений. Компании, которые уже сейчас эффективно используют ИИ, как SemiAnalysis, получают многократное преимущество в производительности на фоне снижающихся издержек.

marsbit07/06 00:16

Токены съедают треть зарплат, счет за ИИ в Кремниевой долине вышел из-под контроля

marsbit07/06 00:16

Когда американские гиганты массово «переметнулись» к китайским AI-моделям

Генеральный директор крупнейшей американской криптобиржи Coinbase Брайан Армстронг заявил, что компания перешла на использование китайских AI-моделей GLM 5.2 и Kimi 2.7, что позволило сократить расходы на искусственный интеллект вдвое, несмотря на растущий объём использования. Для достижения такой экономии Coinbase внедрила систему автоматического выбора модели в зависимости от задачи, оптимизировала кэширование, повысив его эффективность с 5% до 60%, и применила методы "контекстной инженерии" для более точных запросов. Эта тенденция набирает обороты: другие компании, такие как Lindy и Snowflake, также сообщают о значительной экономии после перехода на более доступные модели, такие как DeepSeek и GLM, качество которых в многих задачах приближается к дорогим аналогам вроде Claude Opus или GPT, но стоит в 5-7 раз дешевле. Для пользователей это означает, что эпоха зависимости от одной модели заканчивается. Ключевыми становятся стратегии выбора модели под задачу, использование кэширования и составление лаконичных запросов. Данный тренд оказывает давление на ценовую политику лидеров рынка, таких как OpenAI и Anthropic, запускающих более дешёвые модели, и знаменует смещение конкуренции в сфере AI от чистой производительности к экономической эффективности.

marsbit07/03 16:17

Когда американские гиганты массово «переметнулись» к китайским AI-моделям

marsbit07/03 16:17

OpenClaw Token: Исчерпывающее руководство по экономии — Используйте самую мощную модель с минимальными затратами / Включает промты

Авторское руководство по экономии токенов в OpenClaw: как использовать мощные модели с минимальными затратами. Основные методы сокращения расходов на 60-85%: 1. **Скрытые затраты токенов**: Каждый запрос включает системные промпты (3000-5000 токенов), контекстные файлы (3000-14000 токенов) и историю диалога, что значительно увеличивает стоимость даже простых запросов. 2. **Стратегия выбора модели**: Используйте Claude Sonnet для повседневных задач (общение, простые вопросы, cron-задачи) и переключайтесь на более дорогой Claude Opus только для сложного анализа, творческих задач и написания кода. Это снижает месячные затраты на ~65%. 3. **Оптимизация контекста**: Максимально сократите размер файлов AGENTS.md, SOUL.md и MEMORY.md. Удалите неиспользуемые правила и устаревшую информацию. 4. **Оптимизация Cron и Heartbeat**: Переведите периодические задачи на модель Sonnet, уменьшите частоту их выполнения, объедините несколько задач в одну и настройте период ночного молчания для heartbeat. 5. **Точный поиск с qmd**: Внедрите локальный семантический поиск (qmd), чтобы агент извлекал только нужные фрагменты текста из документов, а не загружал их целиком. Это экономит до 90% токенов на операциях поиска. Ключевой вывод: комбинация правильного выбора модели, сокращения контекста и уменьшения количества вызовов позволяет радикально снизить затраты без потери функциональности.

marsbit02/11 00:36

OpenClaw Token: Исчерпывающее руководство по экономии — Используйте самую мощную модель с минимальными затратами / Включает промты