26 июня стало известно, что модель GPT 5.6, вероятно, выйдет не в общий доступ, а в режиме limited preview с одобрением «клиент за клиентом». Для рынка это уже не частная история про один неудачный релиз, а полноценное регулирование ИИ-моделей, которое начинает влиять на выручку лабораторий, сроки вывода продуктов и всю экономику вокруг дата-центров. Для русскоязычной IT-аудитории сигнал простой: если доступ к frontier-моделям начинают определять чиновники, меняется не только политика, но и дорожные карты команд, которые строят сервисы поверх чужого API.
Об этом сообщает TechCrunch в колонке о новом этапе конфликта между скоростью разработки и государственным контролем. По данным издания, за две недели до истории с OpenAI власти США уже остановили релиз моделей Anthropic Fable и Mythos. Теперь похожая судьба, по информации The Information, может ждать и GPT 5.6: вместо обычного запуска рынок получает предварительный доступ с ручным согласованием пользователей. Сэм Альтман, как пишет TechCrunch, рассчитывает, что такой режим продлится лишь «пару недель». Но проблема в том, что Mythos находится в preview уже несколько месяцев, и ясности по полноценному релизу до сих пор нет.
Для индустрии это болезненно не из-за символики, а из-за денег и темпа. Современная frontier-модель обходится дорого еще до первого платящего клиента: обучение, инфраструктура, inference, интеграции, поддержка корпоративных пилотов. Если после всего этого продукт зависает на неопределенный срок в проверке, лаборатория теряет самый важный актив последних двух лет — скорость превращения хайпа в выручку. Даже задержка на несколько недель способна ухудшить экономику релиза; месяцы превращают запуск в упражнение по сжиганию капитала. В момент, когда ведущие AI-компании и без того ищут путь к более внятной маржинальности, такая пауза выглядит не как формальность, а как прямой удар по бизнес-модели.
Отсюда и второй эффект, который часто недооценивают. Если вывод новых моделей тормозится, охлаждается и весь инфраструктурный цикл вокруг них: меньше стимула наращивать закупки вычислений, осторожнее планы по новым кластерам, сложнее обосновать следующий раунд капитальных затрат. TechCrunch прямо пишет, что в плохом сценарии риски выходят за пределы двух компаний и затрагивают всю отрасль. Это важный разворот в дискуссии. Еще недавно разговор шел в логике «Anthropic против OpenAI»: одни обвиняли Anthropic в попытке устроить regulatory capture, другие — OpenAI в слишком тесной игре с администрацией Дональда Трампа ради ослабления конкурента. Но если обе компании оказываются в одинаковом подвешенном состоянии, спор о том, кто кого перехитрил, быстро перестает быть главным.
Гораздо неприятнее другое: у государства пока не видно ни достаточной экспертизы, ни ясной процедуры, которая объясняла бы, что именно проверяется перед выпуском модели. На это обращает внимание исследователь GMU и будущий сотрудник OpenAI Дин Болл, на которого ссылается TechCrunch. Его тезис неприятен своей простотой: можно сколько угодно говорить о тестировании до релиза, но сначала нужно ответить на базовые вопросы. Какие риски регулятор считает приоритетными? Какой набор safety-assurances должен считаться достаточным? Кто вообще способен провести такую проверку на уровне, сопоставимом со сложностью frontier-моделей? Пока ответов нет, approval process выглядит не как зрелый институт, а как ручное управление системой, которую сами регуляторы до конца не понимают.
При этом статья аккуратно напоминает: проблема не сводится к бюрократии. Под ней лежат реальные опасения, и отмахнуться от них все сложнее. Даже если не принимать на веру весь ажиотаж вокруг Mythos, уже есть достаточно примеров того, как ИИ-инструменты меняют ландшафт кибербезопасности. В тексте также упоминаются биориски и alignment. Иными словами, вопрос не в том, опасны ли мощные модели «вообще», а в том, можно ли свести управление рисками к простому запрету на релиз. Ответ, похоже, отрицательный: если ограничить только публичный доступ, сами риски никуда не исчезнут, а неравномерность доступа между крупными игроками и остальным рынком лишь вырастет.
Для разработчиков и бизнеса здесь несколько практических выводов. Первый: зависимость продукта от одной модели или одного вендора становится еще более рискованной, даже если API кажется стабильным и коммерчески привлекательным. Второй: сроки запуска AI-функций теперь могут ломаться не только об качество модели и цену inference, но и об регуляторный барьер, на который команда вообще не влияет. Третий: корпоративные клиенты, особенно в чувствительных доменах, будут все чаще спрашивать не только про latency и accuracy, но и про происхождение модели, условия доступа и устойчивость поставщика к политическим решениям. И да, это тот редкий случай, когда юристы и policy-команда внезапно начинают влиять на продукт не меньше, чем ML-инженеры.
Главный вывод TechCrunch звучит без особой романтики: индустрии придется действовать коллективно. Не в смысле очередного открытого письма с правильными словами, а в смысле общей процедуры, независимых групп оценки и готовности поддерживать хотя бы «наименее плохие» регуляторные варианты вместо попыток использовать каждое новое правило как дубинку против конкурента. Для AI-рынка это, пожалуй, самый неудобный тест за последние годы. Если регулирование ИИ-моделей останется набором ручных согласований без понятных критериев, проиграют не только OpenAI и Anthropic. Проиграет вся экосистема, которая привыкла считать, что главный bottleneck — это GPU, а не государственный штамп на релизе.