Американские предприятия все чаще выбирают наименее дорогую ИИ-модель, способную справиться с задачей, вместо того чтобы автоматически платить за самое передовое доступное решение. Этот сдвиг оказывает давление на премиальные цены, поскольку новые модели сокращают разрыв в возможностях, а стоимость токенов продолжает падать, сообщает Financial Times.

Покупка самой дешевой модели, которая справляется с задачей

Логика такова: дорогие frontier-модели следует задействовать только при необходимости, тогда как рутинные задачи могут выполнять недорогие модели, справляющиеся с ними достаточно хорошо.

Эта закономерность проявилась в AI Index от Ramp за 9 сентября, который отслеживает расходы на ИИ в компаниях. По данным о расходах за август 2026 года, 43,8% американских компаний в выборке Ramp приобрели продукты Anthropic против 39,8% у OpenAI. Ramp также указал на растущее использование более дешевых моделей как на угрозу для ИИ-компаний, чьи бизнес-модели опираются на стабильный рост корпоративных расходов на frontier-системы.

Эта тенденция согласуется с выводами доклада ОЭСР об агентном ИИ, опубликованного в сентябре 2026 года. Интервью с 25 организациями показали, что экономия средств была распространенной причиной внедрения агентных систем — ИИ, способного планировать и выполнять многошаговые задачи с минимальным контролем, — наряду с их вкладом в повышение производительности и ролью в решении проблемы нехватки рабочей силы.

Ценовая война, измеряемая долями цента

Цены на ИИ-модели быстро падают — как раз в момент выхода новой волны систем. Согласно более раннему материалу Cryptopolitan, OpenAI выпустила GPT-6 Sol и GPT-6 Luna 22 сентября по ценам как минимум на 50% ниже предыдущих моделей GPT-5.6. GPT-6 Sol стоит $2 за миллион входных токенов и $10 за миллион выходных токенов; токены являются стандартной единицей текста, которую обрабатывают модели и по которой тарифицируется API.

На той же неделе Anthropic выпустила Opus 5.5, а xAI представила Grok 4.7 — все дебюты пришлись на рынок, все больше управляемыйериями соотношения цены и производительности. По данным Axios, дешевые, но эффективные модели — это новая конкурентная гонка в отрасли.

Долгосрочный нисходящий тренд еще более впечатляет. По данным Epoch AI, цена достижения постоянного уровня производительности ИИ с 2023 года падает примерно на 47% в квартал — то есть примерно в 13 раз в год.

Стоимость выполненной задачи становится важнее

По мере усиления ценового давления меняются показатели, по которым компании оценивают успех ИИ. Лидерство в бенчмарках не утратило значения, но большее внимание уделяется тому, сколько клиенты платят за эффективную работу.

AutomationBench от Zapier тестирует ИИ-агентов на сквозных рабочих процессах в 47 бизнес-инструментах. По состоянию на 28 сентября Claude Opus 5.5 возглавлял таблицу с эффективностью 42,47% по цене $1,44 за задачу, тогда как GPT-6 Sol показал 33,2% на XHigh всего за $0,27 за задачу.

Тот же компромисс виден на Artificial Analysis. GPT-6 Sol на максимальном уровне усилий набирает 48 в Intelligence Index при оценочной стоимости $1,06 за задачу, а MiMo-V2.6-Pro от Xiaomi с открытыми весами — модель, веса которой публично доступны и могут запускаться вне инфраструктуры вендора, — набирает 46 при цене всего $0,13 за задачу.

Этот разрыв настолько мал, что маршрутизация между несколькими моделями становится целесообразной. Вместо того чтобы полагаться на одного вендора для всех рабочих нагрузок, компании могут подбирать подходящую модель в зависимости от относительной важности и сложности каждой задачи.

Более дешевые токены могут означать и более крупные счета

Низкие цены не обязательно означают снижение расходов на ИИ. По данным Axios, парадокс Джевонса — впервые описанный экономистом XIX века Уильямом Стэнли Джевонсом, который заметил, что рост эффективности использования ресурса, как правило, увеличивает его общее потребление, а не сокращает его, — указывает, что более доступные ресурсы приводят к их большему потреблению. Gartner дала аналогичное предупреждение в прогнозе от 17 августа, оценив более чем пятикратный рост стоимости инференса агентных рабочих процессов к 2028 году.

Более дешевые модели также могут расширить доступ к ИИ в других частях мира. Согласно Global AI Diffusion Report от Microsoft, доступные и открытые модели могут помочь улучшить доступность, однако инфраструктура, связь и навыки будут играть ключевую роль в определении того, кто сможет этим воспользоваться.

Для корпоративных покупателей месседж становится все более ясным: лучший ИИ — это не обязательно самый умный ИИ, а тот, который эффективно выполняет свою работу при минимальных затратах.

Источник: Cryptopolitan