Microsoft меняет тарификацию GitHub Copilot: вместо понятной фиксированной модели рынок получает более жёсткую логику оплаты по токенам. Для тех, кто закупает ИИ-инструменты для команд, это не мелкая правка в прайсе, а сигнал, что рост цен на ИИ перестаёт быть теорией и становится новой нормой.
Как пишет TechCrunch, внутри компаний этот сдвиг уже успели окрестить почти мемом: один из пользователей Reddit рассказал, что у них происходящее называют Tokenpocalypse. Шутка понятная. Несколько последних лет рынок жил в режиме, где генеративный ИИ выглядел подозрительно доступным: за сравнительно небольшую подписку разработчик, менеджер или аналитик получал инструменты, которые экономят часы работы. Но сама экономика этой щедрости с самого начала держалась не только на технологическом прогрессе, а ещё и на деньгах инвесторов, которые позволяли субсидировать сервисы и откладывать неприятный разговор о реальной себестоимости.
Теперь этот разговор, похоже, начинается всерьёз. В обсуждении TechCrunch журналисты связывают изменения у GitHub Copilot с более широким трендом: крупные ИИ-компании движутся к публичному рынку, а вместе с ним приходят вопросы, которые венчурная среда умеет долго игнорировать, но не умеет отменять. Главный из них звучит скучно, но бьёт точно в бизнес-модель: где прибыль. Пока компания частная, можно годами объяснять убытки ставкой на рост. Когда на горизонте IPO, инвесторы и будущие акционеры хотят видеть не только впечатляющий рост выручки и пользователей, но и внятный путь к марже. А если вычисления по-прежнему дороги, модели прожорливы, а спрос на самые мощные сценарии растёт быстрее, чем падает стоимость инференса, то самый прямой рычаг очевиден: повышать цены, дробить тарифы, вводить лимиты и внимательнее считать потребление.
Показателен пример Uber, который в материале приводит Шон О'Кейн. По его словам, компания прошла почти весь цикл разочарования в корпоративном использовании ИИ за полтора месяца: сначала быстро выбрала значительную часть бюджета, затем пришла к выводу, что расходы выходят слишком высокими, и задумалась об ограничениях и внутренних лимитах. Этот эпизод важен не потому, что Uber якобы не может позволить себе такие инструменты, а потому, что речь идёт о крупной компании с серьёзной цифровой зрелостью и реальным объёмом задач для ИИ. Если даже там расходы начинают нервировать финансистов быстрее, чем ожидалось, то для более приземлённых компаний сигнал ещё жёстче: массовое внедрение ИИ в разработку и офисные процессы уже упирается не только в качество моделей, но и в бухгалтерию.
Отдельно цепляет мысль о том, как быстро рынок успел сменить интонацию. Ещё недавно компании были одержимы максимизацией использования токенов: больше запросов, больше автоматизации, больше сценариев, в которые можно воткнуть модель. Этот короткий период в статье называют tokenmaxxxing. Но эйфория длилась недолго. Как только выяснилось, что бурный рост потребления очень плохо сочетается с бюджетной дисциплиной, тональность поменялась: вместо наращивания использования начались разговоры о капах, квотах и контроле. Для русскоязычной IT-аудитории здесь мало сюрпризов. Любой, кто переживал облачные миграции, взрывной рост затрат на Kubernetes или бесконтрольное потребление SaaS, узнает знакомый сценарий: сначала команда радуется скорости, потом приходит финансовый директор и задаёт очень простые вопросы.
Для разработчиков это означает конец эпохи беззаботной подписки, когда ИИ-ассистент воспринимался почти как безлимитный редактор кода с магией внутри. Если тарификация становится ближе к фактическому потреблению, а провайдеры начинают жёстче различать дешёвые и дорогие сценарии, инженерным командам придётся учиться работать экономнее. На практике это означает более внимательный выбор модели под задачу, отказ от привычки отправлять в контекст всё подряд, внутренние политики на использование самых дорогих функций и более строгую аналитику по тому, где ИИ действительно ускоряет разработку, а где просто создаёт иллюзию продуктивности. Для менеджеров и IT-директоров картина тоже меняется. Закупка ИИ-сервисов всё меньше похожа на покупку удобного корпоративного софта и всё больше на управление переменной инфраструктурной статьёй затрат, где стоимость зависит от интенсивности и качества использования.
Есть и более неприятный для рынка вопрос: можно ли вообще закрыть разрыв между себестоимостью мощных моделей и готовностью клиентов платить. В обсуждении TechCrunch звучит довольно трезвый скепсис. Когда ChatGPT Plus только запускался, цена в 20 долларов в месяц выглядела скорее удачно найденным психологическим порогом, чем результатом идеального экономического расчёта. С тех пор рынок научился брать больше за продвинутые модели и корпоративные функции, но даже этого, похоже, недостаточно, чтобы полностью выровнять юнит-экономику. История Uber здесь служит не утешением, а предупреждением. Да, компания в итоге пришла к прибыльности, но для этого ей пришлось сильно поменяться: расширить направления бизнеса, перестроить операционную модель и, что важно, регулярно перекладывать часть нагрузки на пользователей и исполнителей. У ИИ-компаний такой манёвр тоже возможен, но поле для него выглядит уже. Модели нельзя бесконечно удешевлять одной волей маркетинга, а дата-центры не умеют работать за аплодисменты.
На этом фоне особенно интересными будут документы компаний, которые пойдут на биржу. Именно там рынок увидит, как ИИ-игроки сами формулируют свои ключевые риски: дорогие вычисления, зависимость от темпов удешевления инфраструктуры, непредсказуемый корпоративный спрос и давление на маржу. Для рынка это, вероятно, и будет следующей точкой взросления. Если в 2023 и 2024 годах главным вопросом было, на что способны модели, то в 2026-м всё чаще звучит другой: кто и сколько готов платить за эту способность на постоянной основе. Рост цен на ИИ в такой логике выглядит не временным сбоем, а проверкой на зрелость для всего сектора.