Нейросети человеческим языком. Освойте ИИ и станьте востребованным специалистом
- -
- 100%
- +
Второе: цена. Наличие бесплатного файла, который работает на четыре месяца хуже платного сервиса, держит цены платных сервисов внизу.
Третье: модель не исчезнет. Закрытую модель отключают решением компании. Скачанный файл никто не отключит.
Четыре способа заработать на модели
Дальше нужна экономика, иначе список подписей не читается.
Подписка. Двадцать долларов в месяц за доступ через приложение — стандарт отрасли на сентябрь 2026 года: столько стоят Claude Pro, ChatGPT Plus и Google AI Pro, и от этой отметки считаются тарифы дешевле и дороже. Массовый продукт, ровный доход, слабая привязка клиента. Как устроен платный доступ и стоит ли он того — глава 5.
Оплата за объём. Полное название механизма — программный доступ, в отрасли говорят по-английски: API (application programming interface, программный интерфейс приложения). Это не сайт и не приложение: это адрес, на который чужая программа отправляет запрос и получает ответ. Через API к модели обращаются корпоративный портал, бухгалтерская система, бот в мессенджере, расширение в браузере. Платит компания, и платит за токены: отдельно за отправленное, отдельно за полученное.
Цены публикуются открыто, и посмотреть их полезно даже без намерения что-то подключать: у OpenAI на developers.openai.com в разделе документации Pricing, у Anthropic и Google — там же в документации, у Яндекса — в документации AI Studio. Разброс внутри одной лаборатории доходит до пятидесяти раз между старшей и младшей моделью: у OpenAI на сентябрь 2026 года это 10 долларов за миллион токенов на входе у флагмана против 20 центов у младшей. Когда в новостях пишут «цена за миллион токенов упала вдвое», речь про эти страницы. Здесь лежат корпоративные деньги.
Облако. Компания уже платит Amazon, Microsoft или Google за серверы и обычно имеет с ними договор на несколько лет вперёд с согласованной суммой. Модель продаётся отдельной строкой в том же счёте, и оплата засчитывается в этот уже согласованный бюджет: заводить нового поставщика и проходить закупку заново не нужно. Витрины называются Amazon Bedrock (aws.amazon.com/bedrock), Microsoft Foundry и Google Vertex; в России ту же роль играют Cloud.ru и Yandex AI Studio. Конкретный пример: модели OpenAI появились на Amazon Bedrock 9 июля 2026 года по тем же ценам, что у самой OpenAI, но счёт приходит от Amazon и списывается с обязательств перед Amazon. Отдельный договор с лабораторией при этом не нужен, и для лаборатории это дистрибуция: покупатель у облака уже есть.
Открытые веса. Прямого дохода нет. Заработок идёт сбоку: платная поддержка, размещение модели на своих серверах, подписка на инструменты вокруг неё и та самая лицензия с порогом для крупных перепродавцов. Пример: Z.ai раздаёт веса модели бесплатно, а продаёт помесячный доступ к своему инструменту для программистов.
Кто подписал письмо и почему именно они
Теперь список читается.
Nvidia продаёт чипы всем, кто обучает и запускает модели. Чем больше моделей и чем больше их запусков, тем больше чипов. Открытые веса умножают число запусков.
Облака и сервисы вокруг моделей — Microsoft, Amazon, Hugging Face, Together, Groq, Vercel, Replit — зарабатывают на том, что модели становятся дешёвыми и повсеместными.
Meta (признана экстремистской организацией и запрещена в РФ) и Mistral выпускают открытые веса как основу продуктовой стратегии. Венчурные фонды в списке — Andreessen Horowitz, Y Combinator, ARK Invest — вкладываются в компании, которые строятся поверх дешёвых моделей.
Отдельного разбора заслуживают OpenAI и Google: в первый день их подписей не было, обе появились через два дня. Логика тут своя. Флагманы у обеих закрытые, но обе держат открытые модели среднего размера, и основной доход у обеих идёт не от превосходства флагмана: у OpenAI это массовая подписка, у Google — облако и поиск. Запрет открытых моделей их выручку не защитил бы, а отношения с разработчиками испортил.
Общее у всех перечисленных: доход не привязан к тому, что их собственная закрытая модель остаётся лучшей. Anthropic — единственная лаборатория, у которой он привязан именно к этому, и единственная не подписавшая.
Оговорка, без которой вывод был бы нечестным. Список подписей — наблюдаемый факт, а объяснение мотивов — моё предположение, и позицию Anthropic я обязан привести их словами. Компания опубликовала её 27 июля 2026 года на anthropic.com в разделе News: «Anthropic никогда не выступала за запрет моделей с открытыми весами». Вместо запрета они предлагают три другие меры: не продавать мощные чипы Китаю, преследовать промышленное копирование чужих моделей и ввести обязательную проверку безопасности для всех достаточно сильных моделей, открытых наравне с закрытыми.
Ещё одна деталь для калибровки. Илон Маск поддержал письмо постом «Дженсен прав», но подписи не поставил, хотя в марте 2023 года лично подписал противоположное по смыслу письмо с требованием приостановить обучение мощных моделей (futureoflife.org, раздел Open Letters). Веса первой модели Grok его компания выложила в марте 2024 года под Apache 2.0, веса второй — в августе 2025-го под собственной лицензией. Тогда же было обещано открыть третью примерно через полгода. На сентябрь 2026 года этого не произошло.
Где ломается
Рейтинги измеряют не то, что вы думаете. В апреле 2025 года вышла статья «The Leaderboard Illusion», «Иллюзия таблицы лидеров» (arxiv.org, номер 2504.20879): авторы показали, что крупные компании тестируют на арене десятки закрытых вариантов модели и публикуют лучший результат, а доступ к данным арены распределён неравномерно — Google и OpenAI получили около 19% и 20% всех голосов, а 83 модели с открытыми весами вместе около 30%. Площадка часть претензий отвергла и часть правил поменяла. Голосование остаётся голосованием за то, какой ответ приятнее читать, а не за то, какой верен.
Цифры лабораторий и независимых замеров расходятся. В августе 2026 года несколько лабораторий назвали свои оценки по одному и тому же индексу выше, чем показывал сам индекс. Правило простое: смотрите, кто считал.
Популярность — не качество. Шлюз OpenRouter (openrouter.ai/rankings) пропускает около ста триллионов токенов в месяц, и его публичный рейтинг часто цитируют как долю рынка. Первые три места там заняты китайскими открытыми моделями. Через шлюз идёт дешёвый массовый трафик, а дорогие корпоративные запросы идут напрямую в лабораторию. Сам OpenRouter это и пишет на той же странице: рейтинг измеряет распространённость, а не качество.
Корпоративные доли устаревают. Самый цитируемый в 2026 году замер долей рынка сделан Menlo Ventures в декабре 2025-го и с тех пор не обновлялся.
Что это значит для вас
Держите две модели разных лабораторий, а не одну. Это закрывает три риска сразу: слабое место одной модели, отключение сервиса и рост цены. Я работаю с моделями трёх лабораторий и переключаюсь между ними по типу задачи, а китайские пробую отдельно, не перенося на них рабочие данные.
Для юриста, финансиста и всех, кто работает с чужими документами, добавляется второй вопрос, важнее рейтингов: где физически оказывается ваш текст. Ответ на него дают тариф и юрисдикция, а рейтинг про это молчит. Разбор — в главах 5 и 22.
Руководителю выбор поставщика стоит делать по двум критериям: у какой лаборатории есть открытая запасная модель на случай ухода и с какого облака компания уже платит. Качество моделей верхнего уровня сравнялось настолько, что решает не оно.
Три тезиса
1. Первое место в публичных рейтингах за три года сменило владельца пятнадцать раз, медиана удержания — восемьдесят пять дней. Вопрос «какая модель лучшая» не имеет ответа, который проживёт дольше квартала.
2. Открытые веса — файл, который скачивают и запускают у себя. Они отстают от лучших закрытых моделей примерно на четыре месяца и держат цены всего рынка внизу. Почти все сильные открытые модели делают в Китае; российские отстают от мирового уровня примерно на год и сильны в другом: язык, закрытый контур, доступность.
3. Спор об открытости — спор о деньгах. Кто зарабатывает на распространении моделей, за открытость; кто зарабатывает на превосходстве собственной закрытой модели, против. По списку подписей под письмом Nvidia это видно построчно.
Сделайте сейчас
Двадцать минут, всё выполняется бесплатно.
1. Заведите бесплатные аккаунты в трёх ассистентах разных лабораторий: одна российская (alice.yandex.ru или giga.chat), одна китайская (chat.deepseek.com или chat.z.ai), третья на ваш выбор из доступных. Все перечисленные открываются из России без обходных путей и не требуют оплаты.
2. Возьмите ту же рабочую задачу, которую вы задавали в задании к первой главе.
3. Задайте её всем трём. Ответы сохраните в один файл, по абзацу на модель.
4. Отметьте для каждого ответа одно: чего в нём не хватает, чтобы отдать результат дальше.
Проверяемый результат — файл с тремя ответами и тремя пометками. К нему вы вернётесь в главе 5.
Промпт
Задача: [ваша рабочая задача из задания к главе 1]
Ответь по существу, не длиннее 300 слов.
Последней строкой напиши: какого одного документа или факта
от меня тебе не хватило больше всего, чтобы ответить лучше.
Где ломается: сами ответы у моделей верхнего уровня похожи, и разница между ними на одном прогоне ничего не доказывает. Разъезжается последняя строка: одна модель просит цифры, другая — регламент, третья не просит ничего. Сравнивайте её.
Что открыть и держать в закладках
— arena.ai/leaderboard/text — публичное голосование, кто сейчас первый.
— artificialanalysis.ai/leaderboards/models — независимые замеры качества и цены. Отдельная вкладка Open Source — рейтинг моделей с открытыми весами.
— mera.a-ai.ru — российский бенчмарк, единственный, где сравнивают на русском языке.
— huggingface.co/models — площадка, где лежат файлы моделей с открытыми весами.
— epoch.ai/data-insights — исследовательская группа, считающая тренды по вычислениям и разрыв между открытыми и закрытыми моделями.
Глава 4. Сколько это стоит и кто на этом зарабатывает
В 1846 году в британский парламент внесли свыше семисот железнодорожных биллей. Приняли из них больше двухсот шестидесяти, и этими актами было разрешено проложить 4538 миль новых путей. Вся действовавшая сеть страны составляла тогда около 2400 миль. За один парламентский год страна выдала разрешений на то, чтобы утроить свои железные дороги.
Деньги несли врачи, вдовы, приходские священники и лавочники — люди, которых сегодня назвали бы средним классом. Механика подписки была устроена так, что войти можно было почти без денег: при подписке вносили меньше десятой части суммы, остальное компания имела право востребовать позже, когда начнёт строить.
К августу 1845 года рынок дошёл до пика и начал сползать. Сползал он четыре года. К 1850 году индекс железнодорожных акций потерял около двух третей стоимости, отдельные бумаги падали сильнее: акции York & North Midland, которыми владела Шарлотта Бронте, прошли путь со ста двадцати до двадцати. Дивиденды по обыкновенным акциям составили в 1849 году 1,9% на оплаченный капитал при ожиданиях в семь-десять процентов. А востребованные позже доли платить всё равно приходилось. Разорение приходило с опозданием: котировки падали в одном году, письмо с требованием доплатить остаток приходило через год-два, и разоряло именно оно.
Теперь вторая половина той же истории. По разрешениям, выданным в 1844—1846 годах, было построено 6220 миль путей. Сеть Великобритании сегодня — около 11 тысяч миль. Больше половины британских железных дорог проложено в те самые годы, когда инвесторы теряли на них деньги. По этим путям до сих пор ходят поезда.
Обе половины верны одновременно. Держите это в голове весь остаток главы.
Вы это уже видели
За последние два года вы прочитали два заголовка, стоящих рядом на одном экране. Первый: столько-то сотен миллиардов долларов вложено в дата-центры за год. Второй: пузырь вот-вот лопнет. Первый заголовок про рынок капитала: кто во что вложился, чьи акции переоценены, кому нечем будет платить по долгу. Второй, тот что вас касается, — про инструмент на вашем столе. Связь между ними есть, но она проходит через несколько звеньев и работает с задержкой в годы. Разобрать эти звенья по одному и есть задача главы.
Я разберу их как экономист, потому что это моя первая профессия: до продюсирования и производства я работал инвестиционным консультантом и вёл портфели корпораций и частных клиентов. Отсюда сразу оговорка, и она жёсткая. В этой главе нет ни одной инвестиционной рекомендации. Я не даю оценок чьим-либо акциям, не говорю, что покупать, и не говорю, чего избегать. Именно потому, что я знаю, как выглядит эта работа изнутри, я не берусь делать её в книге, которую вы читаете ради другого. Здесь только устройство: откуда берётся цена, кто на каком звене зарабатывает и что из этого следует для вашего бюджета.
Два разных счёта: обучение и работа
Первое, что стоит развести, — два принципиально разных вида затрат.
Обучение — это то, что происходит один раз, до того как вы открыли чат. Огромный разовый расход: тысячи ускорителей работают месяцами. Платит его лаборатория, из своих денег или денег инвесторов, и потом размазывает по всему сроку жизни модели.
Структура этого расхода устроена не так, как о ней принято думать. Epoch AI разобрала затраты на несколько известных обучений и получила такую раскладку: железо и инфраструктура: от 47 до 67 процентов, зарплаты исследователей вместе с их долями в компании: от 29 до 49 процентов, электричество: от 2 до 6 процентов. Электричество, вокруг которого больше всего разговоров, оказывается самой мелкой строкой. Самая крупная после железа — люди. Их несколько десятков на лабораторию, и переманивают их поштучно.
Данные, на которых учится модель, в эту раскладку не входят: у Epoch AI по ним отдельного счёта нет. Платят за них по-разному, и не всегда добровольно. Открытая покупка выглядит как обычная сделка: 23 мая 2024 года News Corp продала OpenAI право использовать архивы своих изданий, среди них Wall Street Journal и New York Post, за сумму, которую Variety оценила больше чем в 250 миллионов долларов. Есть и куда менее опрятная история. По документам дела Bartz против Anthropic, компания закупила миллионы бумажных книг, срезала с них переплёт, прогнала страницы через сканер и отправила бумагу в переработку. В июне 2025 года федеральный суд признал это добросовестным использованием (fair use): купленный экземпляр меняется на цифровую копию, и права издателя это не нарушает. Тот же суд решил, что скачивание книг с пиратских библиотек законным не было. За это в сентябре 2025 года Anthropic заплатила 1,5 миллиарда долларов: около 500 тысяч книг, по три тысячи долларов за каждую.
Второй счёт — работа модели, на отраслевом жаргоне инференс (inference). Это то, что происходит каждый раз, когда вы нажимаете «отправить». Считается он в токенах, о которых шла речь в главе 2, и платится он снова и снова, до конца жизни продукта.
Долгое время обучение было главной статьёй, а работа моделей — довеском. В 2026 году это соотношение перевернулось: по оценке Gartner, впервые расходы на работу моделей превысили расходы на обучение — 23,3 миллиарда долларов против 19 в облачном сегменте, то есть 55 процентов против 45. К 2027 году доля работы, по их прогнозу, дойдёт до 59 процентов.
Для вас это не абстракция. Переворот означает, что отрасль теперь живёт с ваших запросов, а не с обещаний исследователей. И это же объясняет, почему длинный контекст и режим рассуждения стоят денег: тарифицируется работа модели по каждому конкретному запросу, а не сам факт доступа к ней.
Куда уходит стоимость доступа к модели
Деньги за доступ к модели проходят короткий путь из пяти звеньев. Понимать этот путь стоит по одной практической причине: на каждом звене цена ведёт себя по-своему, и это объясняет, куда уходит каждый рубль.
1. Надстройка — когда платёж идёт не лаборатории напрямую. Пример — редактор кода Cursor компании Anysphere. В феврале 2026 года он вышел на 2 миллиарда долларов годового темпа выручки (ARR, annual recurring revenue) и к апрелю поднимал раунд при оценке в 50 миллиардов. При этом в самой компании открыто называют главную угрозу: Claude Code, продукт лаборатории Anthropic, чьими моделями Cursor и торгует, а не другой редактор. Надстройка продаёт интерфейс, готовые сценарии и подобранный контекст, а токены покупает оптом у лаборатории, которая в любой день может выйти на её рынок сама.
2. Лаборатория, сделавшая модель: OpenAI, Anthropic, Google DeepMind, xAI и другие. Продаёт доступ к весам. Из вашей оплаты покрывает работу модели, амортизацию обучения и следующее обучение.
3. Облако, где эта модель физически считается. Пример — Anthropic одновременно арендует мощности у двух разных облаков: у Amazon по проекту Rainier в Нью-Карлайле, штат Индиана (8 миллиардов долларов, свыше 500 тысяч чипов Trainium2, работает с октября 2025 года), и у Google по сделке от 23 октября 2025 года на использование до миллиона тензорных процессоров суммарной мощностью свыше гигаватта. OpenAI для Stargate так же арендует мощности Oracle. Собственная модель почти никогда не означает собственный дата-центр.
4. Производитель ускорителей: NVIDIA, AMD, и отдельно — чипы, которые облака делают для себя сами: тензорные процессоры Google (седьмое поколение, Ironwood, представлено в ноябре 2025 года) и Trainium у Amazon.
5. Энергия и стройка: розетка, подстанция, здание, вода на охлаждение, люди на монтаже. Пример — ниже, в разделе про узкое место.
Все пять звеньев зарабатывают одновременно — это не игра с нулевой суммой, где выигрывает только одно. Но распределена эта прибыль крайне неравномерно, и видно это из публичной отчётности. В квартале, закончившемся 26 июля 2026 года, NVIDIA показала 96,2 миллиарда долларов выручки, из них 89,0 миллиарда, сегмент дата-центров, при валовой марже 75 процентов и чистой прибыли 59,7 миллиарда. Иными словами, из каждого доллара, дошедшего до производителя ускорителей, три четверти остаются у него как валовая прибыль. У ближайшего конкурента, AMD, за сопоставимый квартал сегмент дата-центров дал 6,7 миллиарда при валовой марже 54 процента.
Сопоставьте два этих числа — 89,0 и 6,7 — и вы увидите главное свойство рынка ускорителей на сентябрь 2026 года: он не поделён.
Узкое место: железо и розетка
Андрей Дороничев, работавший в Google в период разработки собственных чипов компании, описывает положение так: если у вас нет вычислительных мощностей, ваша модель «как машина без бензина ничего не может делать. Ну, это как машина без машины, скорее. Бензином является электричество, а вот самого двигателя у тебя нету». Он говорит это как участник рынка и заинтересованная сторона, но диагноз здесь совпадает с публичной отчётностью: двигателем торгует очень небольшое число компаний.
Альтернативы производятся, и их больше, чем кажется по новостям. Google много лет делает собственные тензорные процессоры. Amazon и Microsoft разрабатывают свои чипы для облаков. AMD выпускает линейку ускорителей и растёт быстро. Часть этих разработок делается совместно со специализированными подрядчиками, для которых заказные чипы — отдельный крупный бизнес. Направление правильное, и на горизонте нескольких лет оно должно сбить маржу лидера. На сентябрь 2026 года оно её не сбило.
Второй ограничитель — энергия, и здесь полезно отделить пугающие цифры от действующих. По оценке Международного энергетического агентства, все дата-центры мира потребили в 2024 году около 415 тераватт-часов, примерно полтора процента мирового электричества, а к 2030 году выйдут на 945 тераватт-часов, чуть менее трёх процентов. На фоне мирового потребления это немного: прирост спроса от дата-центров даёт меньше десятой части общего прироста спроса на электричество.
Ограничение работает на местном уровне, а не на мировом. В США дата-центры дают около половины всего прироста спроса на электричество, и упирается стройка в сроки: подключение к сети, трансформаторы, разрешения. Годы, а не месяцы.
Наглядный адрес: флагманский участок Stargate в Абилине, штат Техас. По данным исследовательской группы Epoch AI, на апрель 2026 года там было запущено около 0,3 гигаватта мощности с целью выйти на 1,2 гигаватта к концу года. По плану на семи площадках проекта к 2029 году должно быть свыше 9 гигаватт при заявленных 500 миллиардах долларов вложений. Это и есть настоящий потолок скорости: годы между разрешением на стройку и первым киловаттом объясняют, почему деньги в отрасли уходят в бетон и трансформаторы на годы раньше, чем в кассу приходит выручка.
Посредники: за один ответ можно заплатить трижды
Между вами и весами модели выросла отдельная отрасль, и она зарабатывает на проходе.
Агрегаторы доступа дают один ключ и один счёт ко множеству моделей разных лабораторий, а зарабатывают комиссию с оборота. Крупнейший — OpenRouter (openrouter.ai, раздел rankings): по его собственному замеру, за год к ноябрю 2025-го через сервис прошло свыше ста триллионов токенов, около 30 процентов пришлось на модели с открытыми весами, а больше половины всего объёма — на задачи программирования. Полезны они там, где нужно сравнить модели или подстраховаться от сбоя одного поставщика.
Рейтинги и арены, из которых самая известная — Arena (arena.ai), сравнивают модели вслепую на голосах пользователей. Прямых денег они не берут; их актив — внимание и данные о предпочтениях. Пользоваться ими стоит с поправкой: они меряют, какой ответ больше нравится людям, а не какой из них верен. К рабочей задаче это отношение имеет косвенное.
Надстройки продают обжитое рабочее место вокруг модели, а не саму модель. Здесь и возникает ситуация, за которую платят по три раза одновременно. Пример: подписка ChatGPT Plus стоит 20 долларов в месяц напрямую у OpenAI; отдельно существует подписка на GitHub Copilot (Microsoft), который умеет обращаться к моделям OpenAI, Anthropic и Google по выбору; и отдельно — подписка на Cursor, который тоже ходит в одну из этих моделей. Три счёта, а токены на дне — из одного и того же короткого списка лабораторий.
Экономический принцип простой: надстройка оправдывает свою цену, когда продаёт сценарий работы, которого нет у прямого доступа к модели. Плата за тот же доступ через другое окно — это плата второй раз за одно и то же. Что из этого выбрать и стоит ли платить вообще — глава 5.
Почему цена падает, а счёт растёт
Теперь то, ради чего эту главу стоит дочитать до конца, если вы планируете бюджет.
Цена за единицу качества падает, и падает быстро. Epoch AI измерила это по нескольким наборам задач: скорость снижения цены за фиксированный уровень результата составляет от 9 до 900 раз в год в зависимости от задачи. Самый наглядный ряд — стоимость ответа уровня лучшей модели весны 2023 года на тесте общих знаний: 37,50 доллара за миллион токенов в марте 2023 года и 18 центов в феврале 2025-го. В двести восемь раз дешевле за два года.
Причин у этого три, и все они продолжают действовать. Первая: новое поколение ускорителей даёт больше вычислений на ватт. Вторая: инженеры научились сжимать модели, а большие модели научились обучать маленькие, и маленькая догоняет большую годичной давности при десятикратно меньшей цене работы. Третья: за один и тот же класс задач конкурируют лаборатории из разных стран, включая открытые модели, которые задают потолок цены снизу.
А теперь неприятное. Ваш счёт при этом будет расти.