Бизнес перестаёт переплачивать за самые мощные ИИ-модели

Корпоративный рынок ИИ начал считать не только качество, но и цену каждого запроса. Данные Ramp и Financial Times показывают: самая сильная модель Anthropic Fable 5 оказалась заметно менее востребованной, чем более дешёвые альтернативы.


Ещё недавно логика рынка казалась простой: новая модель должна быть умнее предыдущей, а компании будут платить за максимум возможностей. Летом 2026 года эта схема дала трещину.

По данным Ramp, Fable 5 — самая производительная и одновременно самая дорогая общедоступная модель Anthropic — через месяц после возвращения на рынок обеспечивала лишь 6% токенов, купленных бизнес-клиентами компании, и 11,4% их расходов на модели Anthropic. Financial Times, анализируя более поздний период, пишет, что примерно такая же доля сохранилась и спустя два месяца.

Здесь есть важное уточнение. Речь не об 11% всей выручки Anthropic. Ramp анализирует расходы американских компаний, использующих его корпоративные карты и платёжную платформу. Но выборка большая — десятки тысяч компаний — и она показывает непривычную для рынка картину: бизнес больше не переходит автоматически на самый дорогой вариант только потому, что тот лучше выступает в тестах.

Причина хорошо видна в ценах. Fable 5 стоит $10 за миллион входных и $50 за миллион выходных токенов. Claude Sonnet 5 — $2 и $10 соответственно. Разница пятикратная, а для писем, анализа документов, поддержки, поиска и значительной части типового кода дополнительная мощность флагмана просто не всегда окупается.

Одновременно растёт интерес к платформам, которые дают доступ сразу к нескольким моделям. В июле уже 6,1% компаний из AI-выборки Ramp пользовались сервисами model serving — через них можно подключать более дешёвые открытые и специализированные модели. Доля пока небольшая, но она растёт именно тогда, когда опытные корпоративные пользователи начинают внимательнее считать затраты.

Похожая логика появляется и в самих ИИ-продуктах. У Perplexity режим Best автоматически выбирает подходящую модель для конкретного запроса, Deep Research распределяет работу самостоятельно, а Model Council позволяет обратиться сразу к нескольким моделям и затем собрать общий ответ. Пользователю всё меньше нужно заранее решать, какая система «самая умная».

Гонка флагманов при этом не заканчивается. Лаборатории продолжают тратить миллиарды на новые поколения моделей, а программирование, научные исследования и сложные автономные агенты действительно могут требовать предельной мощности. Меняется другое: первое место в бенчмарке больше не гарантирует первое место в корпоративном бюджете.

Для бизнеса это вполне естественный поворот. Пока ИИ был экспериментом, покупали максимум возможностей. Когда токены становятся регулярной статьёй расходов, главным вопросом становится уже не «какая модель сильнее всех», а «сколько стоит решить именно эту задачу».


Возможно, главным продуктом следующего этапа ИИ станет не очередная «самая умная модель», а система, которая умеет незаметно выбирать между десятком моделей. Пользователю нужен результат. Какая именно нейросеть сделала основную работу и сколько миллиардов стоило её обучение, для него постепенно становится второстепенным.

Фото: редакция ИЗНАНКИ.