- Александр ДаниловАвтор
Лучшие ИИ-модели превращаются в стратегический актив. Они уже участвуют в создании следующих поколений искусственного интеллекта и обеспечивают технологический отрыв от конкурентов. Если доступ к передовым технологиям будет выборочным, догоняющие игроки, такие как Россия, лишатся возможности учиться на открытых релизах лидеров, а разрыв с ними будет только увеличиваться, полагает основатель и генеральный директор платформы создания ИИ-агентов Nodul Александр Данилов
Летом 2026-го Белый дом потребовал от OpenAI ограничить выпуск GPT 5.6, а доступ к модели согласовывать индивидуально для каждого клиента. Ранее Anthropic полностью закрыла доступ к своим новейшим моделям Fable 5 и Mythos 5 после требований властей США ограничить их использование для иностранных пользователей. В обоих случаях речь идет уже не о стандартных условиях API, а о режиме допуска, при котором использование технологий зависит от юрисдикции и оценки рисков.
Впоследствии эти ограничения сняли. Министерство торговли США отменило экспортный контроль в отношении Fable 5 и Mythos 5 30 июня. GPT-5.6 сначала показали только избранным партнерам, а затем открыли доступ для всех. Однако разрешение Минторг выдал после дополнительной проверки Центром стандартов и инноваций в области ИИ (CAISI). Выпуск топовой модели впервые стал процедурой, которую компания проходит вместе с регулятором.
Передовые нейросети перестают быть просто платным продуктом и превращаются в стратегический актив, потому что уже помогают создавать следующие поколения моделей. Они генерируют синтетические обучающие данные, то есть искусственно созданные примеры, оценивают и размечают ответы, пишут код. Anthropic прямо заявляла, что большую часть кода внутри компании создает Claude.
По оценке Nodul, предыдущие поколения LLM уже могут брать на себя не менее 20% объема работ, который при разработке моделей традиционно приходился на инженеров и исследователей. Сюда входит написание кода инфраструктуры обучения, генерация синтетических данных и автоматическая оценка качества. К 2028 году вклад моделей в разработку собственных обновлений может достигнуть 60%.
В результате возникает самораскручивающаяся спираль. Следующая версия модели берет на себя еще большую часть работы, сокращает цикл разработки и снова усиливает лидера. Особенно критичным это станет в тот момент, когда отставание в полгода уже нельзя будет компенсировать инвестициями. Догнать лидеров не получится, потому что у них каждый цикл обновления будет еще короче. К этому порогу глобальный рынок ИИ может прийти уже в 2027 году.
Forbes.Russia в MaxКанал о бизнесе, финансах, экономике и стиле жизниПодписаться
Лидеры и отстающие
Речь может идти не просто о замедлении отдельных IT-компаний, а об устаревании части глобального ИИ-рынка. Отставание будет накапливаться. Пропущенный цикл уже нельзя будет компенсировать доработкой, особенно если будет заблокирована дистилляция — обучение более дешевых моделей на ответах сильнейших LLM. До сих пор этот механизм позволял догоняющим игрокам получать часть возможностей лидеров без миллиардных затрат на обучение с нуля.
OpenAI публично обвиняла DeepSeek в обучении на своих моделях. Anthropic предъявляла похожие претензии разработчикам, связанным с Alibaba. Сама частота этих обвинений показывает масштаб явления. Если убрать эту возможность, стоимость разработки конкурентной открытой модели может вырасти на порядок. Поэтому ее и будут перекрывать первой. Разработчики крупнейших мировых моделей будут защищать не только их веса, то есть внутренние параметры, которые позволяют запустить и дообучить LLM, но и результаты их работы: ответы, синтетические данные и массовые выгрузки, которые можно использовать для обучения конкурентов.
Закрытие гонки ИИ будет идти поэтапно. Сначала разработчики перейдут от выборочной к массовой проверке клиентов перед доступом к топовым моделям. Самыми современными версиями смогут пользоваться только проверенные пользователи и компании. В краткосрочной перспективе наступит более строгое применение запрета на обучение по выходам моделей. Такое ограничение уже прописано в пользовательских соглашениях, но раньше его не всегда применяли. Затем появятся блокировки для использования в определенных странах уже на уровне регуляторов, а не компаний. Наконец, усилится закрытие open source релизов. Лидеры уже не выкладывают самые сильные веса, а в открытый доступ чаще попадают предыдущие и облегченные версии.
Пока доступ к сильнейшим моделям становится процедурой, сами модели быстро дешевеют. За лето 2026 года OpenAI дважды снижала тарифы на линейку GPT-5.6: в конце июля — на 80% для младшей Luna и на 20% для Terra, в августе — более чем на 20% для флагманской Sol. По замерам самой компании, Terra и Luna обходят Fable 5 по качеству примерно в 16 раз дешевле. Для догоняющих игроков это второй барьер после доступа. Даже если удастся воспроизвести качество, конкурировать придется с ценой, которую лидеры удерживают за счет масштаба и готовы субсидировать.
Ограничения США могут запустить зеркальную реакцию в Китае. Власти КНР уже обсуждают с Alibaba, ByteDance и Z.ai возможное ограничение зарубежного доступа к наиболее продвинутым ИИ-моделям, включая модели с открытыми весами. Логика понятна: если открытые релизы становятся каналом технологического трансфера для конкурентов, а доступ к западным закрытым моделям ограничен, у китайских компаний остается меньше стимулов бесплатно публиковать лучшие разработки. В этом случае открытые версии сохранятся как инструмент поддержки разработчиков и экосистемы, а флагманские модели будут все чаще оставаться внутри страны или у избранных клиентов.
Последствия для России: замедление и гибридный подход
Для российских компаний перестают работать две привычные стратегии. Первая — получать доступ к западным frontier-моделям не напрямую, а через посредников, API-агрегаторов или зарубежные юрисдикции и затем встраивать их в российские продукты. По мере ужесточения проверок клиентов, контроля конечных пользователей, географических ограничений и санкционных рисков такие схемы будут становиться все менее устойчивыми. Вторая — ждать появления сильной открытой модели и дообучать ее под свои задачи. Российский рынок сильно зависит от внешних моделей. GigaChat и модели «Яндекса» развиваются внутри страны, но значительная часть компаний второго эшелона использует Qwen, DeepSeek и Llama с дообучением. По оценке Nodul, больше 80% российских ИИ-продуктов построены на базе внешних весов. Компании берут готовую open source модель, обучают ее под конкретные задачи, добавляют интерфейс, интеграции, промпты и бизнес-логику.
Быстро компенсировать закрытие доступа собственными российскими frontier-моделями не получится. Для этого нужны вычислительные мощности, чипы, энергетическая инфраструктура и команды, которые уже обучали модели топ-уровня. Сейчас все эти ресурсы ограничены: чипы под санкциями, кластеры такого масштаба требуют отдельной инфраструктуры, а специалистов с релевантным опытом в мире всего несколько сотен, в России — единицы. Компенсировать отставание можно только в отдельных нишах: отраслевых моделях, русском языке и задачах госсектора.
Там, где догнать по качеству не выходит, российские разработчики начали конкурировать ценой. По подсчетам Nodul, с октября 2025 по август 2026 года стоимость 1000 токенов у GigaChat Lite упала на 67,5% (с 0,2 до 0,065 рубля), а у линейки GigaChat Pro — на 66,7% (с 1,5 до 0,5 рубля). В Сбербанке говорят, что за последние полгода тарифы на GigaChat API снизились втрое. YandexGPT Pro 5.1 подешевела на 33% относительно предыдущей версии, до 0,8 рубля за 1000 токенов. Одновременно рынок перенимает зарубежную практику раздельной тарификации. В линейке Alice AI LLM 1000 входных токенов стоит 0,5 рубля, а выходных — 1,2 рубля.
Тем не менее зарубежные модели сопоставимого класса стоят до 10 раз дешевле. У DeepSeek V4 Flash 1000 входных токенов обходится примерно в 0,0375 рубля, выходных — в 0,112 рубля, у GPT-5.4 mini — 0,064 и 0,383 рубля, у Qwen 3.8 Max — 0,17 и 0,511 рубля. Те же модели через российские облака обходятся дороже, чем напрямую. Токены DeepSeek через Yandex AI Studio — примерно в восемь раз дороже на входе и в 4,5 раза на выходе, через Cloud.ru — в 1,6 и 2,2 раза. Разворачивать модель на собственной инфраструктуре тоже становится дороже. Весной-летом 2026 года это стоило в среднем 38,8 млн рублей против 13,7 млн годом ранее.
Для России 2026 год станет периодом плавного замедления, которое еще смогут частично компенсировать китайские открытые модели. Главный риск 2027 года в том, что и этот подход станет менее доступным. Тогда отставание перестанет быть тактическим и станет структурным.
Реалистичный путь для России — гибридная архитектура, которая включает китайские открытые веса как базу, локальное дообучение под конкретные задачи и отечественные модели там, где этого требует регулирование. Раньше главным аргументом против массового перехода рынка на GigaChat была цена, но после снижения тарифов этот барьер уже не решающий. Считать теперь нужно стоимость не тысячи токенов, а решения задачи. Более слабая модель тратит на тот же результат больше токенов, чаще ошибается и идет на второй круг. Тем более что переход к агентным сценариям резко увеличивает потребление. По оценке Orion Soft, одна агентская задача примерно из шести обращений к модели съедает 34 000 токенов против примерно 2500 у обычного запроса в корпоративном чате. Поэтому дешевеющие токены не приведут к снижению ИИ-бюджетов. Зато резко вырастет спрос на решения, в которых модель можно быстро заменить без пересборки всего продукта или бизнес-процесса.
Мнение редакции может не совпадать с точкой зрения автора
Источник: www.forbes.ru
