Индустрия искусственного интеллекта долгое время развивалась под знаком одного ключевого правила: чем больше модель, тем она мощнее, а лидерство забирает сильнейший. Однако сегодня этот подход подвергается серьезному сомнению. Из-за растущих расходов компании начинают активно присматриваться к более компактным и доступным альтернативам, что может кардинально изменить расстановку сил на рынке.
Содержание
Прогноз: 80% задач уйдут на дешевые модели
Одним из первых этот тренд четко сформулировал сооснователь биржи Coinbase Брайан Армстронг. По его мнению, спрос на вычислительные мощности практически безграничен, но в ближайшие год-полтора до 80% всех рабочих нагрузок будет выполняться на моделях, которые дешевле флагманских на 99%. И лишь пятая часть задач потребует максимальной производительности новейших систем.
Если этот прогноз оправдается, экономику ИИ-отрасли ждет тектонический сдвиг. До сих пор технологические стартапы конкурировали в основном за счет качества, предлагая клиентам самые передовые решения по умолчанию. Переход на более дешевые аналоги без потери эффективности лишит гигантов вроде OpenAI и Anthropic значительной части доходов как раз накануне их потенциального выхода на биржу (IPO).
Практический опыт: экономия в три раза без потери качества
Первые тестирования подтверждают жизнеспособность новой стратегии. Например, юридический ИИ-сервис Harvey совместно с платформой Fireworks AI провел эксперимент, в рамках которого удалось снизить затраты на генерацию ответов в три раза без потери качества работы. Разработчики объединили возможности тяжелой модели Claude Opus и более легкой Fireworks GLM 5.1, перенаправляя на Opus только самые сложные запросы. В результате общая нагрузка на серверы и финансовые затраты существенно сократились.
Как отмечает сооснователь Harvey Гейб Перейра, в юридической сфере качество всегда остается на первом месте. Однако само понятие качества меняется: теперь это не просто использование самой мощной модели для всего подряд, а выбор наиболее эффективного инструмента для конкретной задачи.
Главное противостояние: не открытый код, а размер
В обзорах рынка подчеркивается, что ключевой раздел в индустрии сейчас проходит не между проприетарными и открытыми моделями, а именно между большими и малыми системами. Сэкономить можно как за счет перехода с условной GPT-5.5 на китайскую DeepSeek V4 Flash, так и выбрав облегченную версию внутри той же экосистемы, например GPT-5.4-mini.
В настоящее время идет активная ценовая борьба между разработчиками закрытых систем и поставщиками решений на базе открытого исходного кода. Однако для глобального тренда перехода на малые модели не имеет значения, какая именно из этих категорий окажется в лидерах.
Конец эпохи субсидий
Стремление оптимизировать расходы кажется очевидным, но оно противоречит подходу, который доминировал в ИИ-индустрии до сих пор. Ранее разработчики стремились обучать максимально тяжелые модели, раздвигая границы возможностей технологий. Расходы клиентов при этом щедро субсидировались венчурными инвесторами, поэтому у бизнеса не было причин отказываться от самых продвинутых версий.
Сейчас, когда стоимость токенов растет, а субсидии сокращаются, пользователи впервые столкнулись с реальным финансовым давлением. Эксперты выделяют несколько возможных сценариев оптимизации бюджетов в новых реалиях:
- Переход на более компактные и специализированные ИИ-модели;
- Сокращение количества обращений к нейросетям;
- Ограничение объема обрабатываемого контекста;
- Отказ от наименее перспективных пилотных проектов.
Если окажется, что большинство бизнес-задач действительно можно эффективно решать с помощью малых моделей, это может существенно снизить спрос на вычислительные мощности гигантов индустрии и поставить под вопрос целесообразность огромных трат на обучение новых супермоделей.