OpenAI с выходом GPT-5.5 удвоила расценки до $5 за миллион входных токенов и до $30 за миллион выходных. Для рынка это плохая новость: цены на ИИ растут уже не как плата за эксперимент, а как новая постоянная строка расходов для команд, которые встроили модели в разработку, поддержку и внутренние процессы.
По данным The Register, дорожает не только доступ к самим моделям, но и вся экономика их эксплуатации. Причина прозаична: индустрия наконец нашла сценарии, где генеративный ИИ действительно используют каждый день, и самый заметный пример здесь — инструменты для программистов вроде Claude Code, Codex и GitHub Copilot. Проблема в том, что дата-центры, которые строили под обучение моделей, не были рассчитаны на такой масштаб инференса. А значит, по мере роста спроса поставщики будут проверять, сколько рынок готов платить за удобство, автоматизацию и иллюзию «цифрового сотрудника».
Рост цен уже виден невооруженным глазом. Если у OpenAI скачок оформлен прямо в тарифах на токены, то у Google картина похожая: Gemini Flash 3.5, как пишет The Register, стоит в 3–6 раз дороже, чем Gemini 3.1 Flash-Lite и Gemini 3 Flash Preview. Для компаний, которые смотрят на модель как на API-компонент, это еще неприятно, но терпимо. Для тех, кто строит агентные системы, все хуже: такие обвязки сжигают токены на порядки быстрее обычного чат-бота, потому что модель не просто отвечает, а многократно вызывает инструменты, перечитывает контекст, пишет и переписывает промежуточные шаги. На бумаге подписка за фиксированную сумму выглядит удобно. На практике она работает только до тех пор, пока большинство пользователей не упирается в лимиты. Когда клиент платит условные $200 в месяц, а потребляет ресурса на тысячи, поставщик либо режет возможности, либо меняет модель монетизации.
Собственно, рынок уже пошел именно по этому пути. Microsoft отказалась от чисто «посадочной» логики в GitHub Copilot и переводит клиентов на usage-based pricing, то есть оплату по фактическому потреблению. Anthropic, по версии The Register, тоже пересматривает схему, хотя не обязательно через прямую тарификацию по использованию: возможен и более мягкий вариант, когда подписка останется, но часть функций станет менее щедрой. Для IT-руководителей тут важен не сам способ списания денег, а вывод: эпоха, когда ИИ можно было воспринимать как почти безлимитный бонус к SaaS-лицензии, заканчивается. Цены на ИИ все явственнее отвязываются от маркетинговой упаковки и привязываются к реальной стоимости вычислений.
Хорошая новость в том, что чипмейкеры и облака это тоже понимают. Nvidia, AMD, Intel, AWS и Google перестраивают ускорители и системы вокруг простой задачи: снизить стоимость токена и сделать инференс дешевле. Плохая новость — пользователь не увидит эту экономию быстро. Новое железо обещают во второй половине 2026 года, но от анонсов до массовых поставок всегда лежит длинная дорога: отладка, упаковка в серверы, сертификация, контракты, разгон цепочек поставок. Даже если новые платформы действительно дадут заметный выигрыш по эффективности, широко развернуты они будут, скорее всего, только в 2027 году. До этого у вендоров есть редкое окно: посмотреть, насколько сильной стала зависимость клиентов от их моделей, и насколько безболезненно можно поднять прайс.
Для бизнеса это ломает один из самых популярных тезисов последних двух лет: будто ИИ скоро заменит полноценного сотрудника за копейки. Если считать не в абстрактных «миллионах токенов», а в стоимости рабочего часа, картина становится куда менее праздничной. The Register прямо подводит к мысли, что следующая стадия маркетинга может выглядеть как продажа не токенов, а «долларов за эквивалент штатной единицы». И это логично: если модель можно упаковать как альтернативу сотруднику за $40 в час, то и тариф в районе $30 в час будет подан не как дорого, а как выгодно. Для стартапов и продуктовых команд это означает смену оптики. Вопрос уже не в том, умеет ли агент писать код, разбирать тикеты или готовить черновик документа. Вопрос в том, делает ли он это настолько стабильно и быстро, чтобы отбить реальную, а не промо-цену вычислений.
На этом фоне особенно показательно поведение крупных компаний. Несмотря на то что ИИ пока не выглядит «дешевой заменой штату», большие игроки все равно сокращают людей и перераспределяют бюджеты в его пользу. The Register перечисляет свежие примеры: Meta урезает около 10 процентов глобального штата, закрывает примерно 6000 открытых позиций и переводит около 7000 сотрудников в AI-направления; Cloudflare сокращает более 1100 человек, ссылаясь на растущую опору на ИИ; Cisco увольняет около 4000 сотрудников. Даже власти Новой Зеландии, по данным издания, обсуждают использование ИИ как аргумент для увольнения примерно 9000 госслужащих. Для рынка труда это неприятная, но важная развилка: компании уже перестраиваются под ИИ как под стратегию, хотя его экономика еще далека от обещанной эффективности. То есть расходы растут сейчас, а отдача в лучшем случае остается предметом веры и FOMO.
Надежда на то, что конкуренция быстро собьет прайс, тоже выглядит слабой. Чтобы цены падали, у поставщика должна быть маржа, которой можно пожертвовать ради доли рынка. Но ведущие разработчики моделей пока глубоко убыточны, а значит им не до ценовой войны. Гиперскейлеры вроде Google, Microsoft или AWS могут позволить себе годами жечь миллиарды, прикрываясь другими бизнес-направлениями. У независимых лабораторий такой роскоши меньше. Да, кто-то еще сможет догнать лидеров по качеству, но в деньгах это вряд ли скоро превратится в щедрость для клиента. Поэтому главный вопрос на ближайшие 12–18 месяцев звучит не «когда ИИ станет дешевым», а «кто успеет встроить его в процессы раньше, чем цены на ИИ окончательно станут корпоративной нормой, а рынок уйдет в фазу консолидации».