OpenAI снизила цены на GPT 5.6 Sol минимум до ноября 2026 года. Решение выглядит как ответ на давление со стороны открытых моделей — Qwen, GLM и DeepSeek, которые предлагают сопоставимое качество за значительно меньшие деньги. По оценкам экспертов, разница в стоимости запроса между китайской открытой моделью и ChatGPT может достигать десятикратной величины: десятки долларов против сотен. Это вынуждает закрытые лаборатории пересматривать ценовую политику.
Снижение цен — не просто жест доброй воли, а тактический демпинг. OpenAI стремится удержать аудиторию до сезона зимних релизов, когда ожидается обновление флагманских линеек. Компания, которая исторически строила бизнес на высокой маржинальности, теперь вынуждена конкурировать по цене за токен. Сэм Альтман ещё в марте 2026 года заявил: «Мы видим будущее, где интеллект станет коммунальной услугой, как электричество или вода, и люди будут покупать его у нас по счётчику». Это подтверждает сдвиг от модели подписки к оплате за фактическое использование.
| Модель | Параметры | Активные параметры | Стоимость |
|---|---|---|---|
| GPT 5.6 Sol | н/д | н/д | снижена до ноября 2026 |
| Qwen 3.8-Flash-Next | 125 млрд | 6 млрд | низкая |
Параллельно Qwen представила модель 3.8-Flash-Next, которая вызвала резонанс не из-за бенчмарков, а из-за архитектуры: 125 миллиардов общих параметров при всего 6 миллиардах активных. Это реализация подхода Mixture of Experts (MoE), где запрос обрабатывается не всеми весами, а лишь узкой группой. В результате модель обеспечивает вычислительные затраты уровня 6-миллиардной LLM, сохраняя знания и контекст 125-миллиардной. Сообщество назвало это «Ultimate Cost-Efficiency» — предельной рентабельностью.
Qwen 3.8-Flash-Next использует архитектуру MoE: 125 млрд параметров, но только 6 млрд активных.
Исторически главной проблемой открытых моделей была дороговизна инференса: развернуть 125-миллиардную плотную модель на сервере среднего класса невозможно. MoE-архитектура решает эту проблему, делая открытые модели экономически привлекательными. Это меняет рынок: разработчики, которые раньше платили за API закрытых лабораторий, теперь могут развернуть собственную инфраструктуру или использовать дешёвые API открытых моделей.
Конкуренция между закрытыми и открытыми моделями перешла в новую фазу. Раньше борьба шла за качество ответов, теперь — за стоимость токена. Открытые модели догоняют закрытые по качеству, а по экономике использования уже опережают. Это делает ИИ доступным как коммунальную услугу, но требует огромных инвестиций в дата-центры. Вопрос в том, смогут ли закрытые лаборатории удержать маржу в таких условиях, и не приведёт ли демпинг к снижению качества исследований.
