Гонка за самую мощную ИИ-модель подходит к концу?

Последние несколько лет за развитием генеративного ИИ было удобно следить как за спортивной таблицей. OpenAI выпускала GPT-4, Google отвечала Gemini, Anthropic показывала новую Claude, затем начинался следующий круг. Каждая компания приносила набор бенчмарков и объясняла, где ее модель теперь первая.

В 2026 году эта логика начала ломаться. Не потому, что модели перестали становиться мощнее. Наоборот, 1 сентября Anthropic выпустила Claude Fable 5.1 - новую топовую модель для программирования и сложной интеллектуальной работы. Проблема в другом: возможность построить более сильную модель больше не означает, что большинство клиентов захотят использовать ее для большинства задач.

Что показывают цифры:

Financial Times обратила внимание на показательный пример. Fable 5 вышла 9 июня 2026 года как одна из самых мощных моделей Anthropic. Спустя примерно два месяца на нее приходилось около 11% расходов на продукты Anthropic среди корпоративных клиентов.

Это не 11% всей выручки Anthropic, а показатель внутри конкретной выборки корпоративных расходов. Кроме того, доступ к модели был отключен 12 июня из-за американских экспортных ограничений, а глобальный релиз восстановили 1 июля. Цифра не идеальна. Но сама тенденция интереснее конкретных 11%. Компании все чаще выбирают более дешевые модели, если дополнительное качество frontier-модели не влияет на результат.

Как эволюционировал рынок:

С 2022 года индустрия постепенно перешла от идеи «одна большая модель должна уметь все» к системам, где вычислительная мощность распределяется в зависимости от сложности задачи.

• 2022–2023: главным параметром был интеллект. 30 ноября 2022 года OpenAI запустила ChatGPT. 14 марта 2023 года вышла GPT-4. Модель стала точкой отсчета для всей индустрии. Конкурентов оценивали прежде всего по тому, смогли ли они приблизиться к ее уровню.


• Но уже в 2023 году стало понятно, что одной характеристики «умнее» недостаточно. Anthropic начала конкурировать размером контекста. Google представила Gemini 1.0 сразу в трех вариантах: Ultra, Pro и Nano. Само это разделение оказалось не менее важным, чем результаты Gemini Ultra.


• 2024: одной шкалы «умнее или глупее» больше нет. Google показала Gemini 1.5 Pro с архитектурой Mixture-of-Experts и контекстом до миллиона токенов. Anthropic выпустила Claude 3 в трех вариантах: Haiku, Sonnet и Opus. OpenAI выпустила GPT-4o - быстрее и вдвое дешевле GPT-4 Turbo. Google добавила Gemini 1.5 Flash с акцентом на низкую задержку и стоимость.


• К концу 2024 года гонка уже шла по нескольким направлениям: reasoning, контекст, мультимодальность, latency, стоимость API. Фраза «модель A лучше модели B» без указания конкретной задачи становилась все менее содержательной.


• Осень 2024: интеллект становится вычислительным бюджетом. Серия OpenAI o1 добавила еще одну переменную. Стоимость ответа теперь зависела не только от размера модели, но и от того, сколько вычислений имеет смысл потратить на конкретный запрос.


• 2025: DeepSeek делает цену частью гонки. DeepSeek выпустила R1 с результатами на уровне OpenAI o1. API при этом стоил значительно дешевле. Значение R1 было не в том, что DeepSeek «победила OpenAI». Модель резко усилила давление на cost-performance frontier. Если сопоставимый класс reasoning можно получить заметно дешевле, владельцам закрытых моделей становится сложнее продавать только максимальное качество без учета стоимости.


• 2025: OpenAI ставит router между пользователем и моделью. В августе 2025 года OpenAI описала GPT-5 уже не как одну модель, а как unified system. В нее входили быстрая модель для большинства запросов, более мощная reasoning-модель и real-time router, который выбирал между ними.

Даже OpenAI, один из главных участников гонки за максимальный интеллект, пришла к архитектуре, где нет смысла отправлять каждый запрос самой мощной модели.

Что изменилось к 2026 году:

Разница между классами моделей стала огромной. Claude Sonnet 5 стоит $2 за миллион входных и $10 за миллион выходных токенов. Fable 5.1 - $10 и $50 соответственно.

Fable нужна там, где дополнительная вычислительная мощность действительно меняет результат: сложное программирование, длительная агентная работа, научные задачи. Но использовать ее для классификации обращений или извлечения данных из документов экономически бессмысленно, если Sonnet справляется достаточно хорошо.

В релизе Fable 5.1 Anthropic рассказывает не только о новых результатах на тестах, но и о снижении стоимости cache reads на 75%. То есть даже релиз самой мощной модели теперь приходится объяснять через экономику ее эксплуатации.

На смену лидербордам приходит оркестрация:

Perplexity делает ставку на multi-model orchestration. Разные модели используются внутри одной системы и получают те части работы, для которых подходят лучше. В 2026 году Perplexity развивает Model Council - один запрос может параллельно отправляться нескольким моделям, после чего отдельный слой сравнивает ответы и формирует итоговый результат.

Для прода именно оркестрация становится важнее, чем выбор модели. Нужно решить, какие запросы требуют дорогого inference, когда включать reasoning, сколько контекста передавать, где использовать кеш, когда переключаться на другого провайдера.

Хорошая оркестрация может влиять на стоимость и качество продукта сильнее, чем очередная замена одной frontier-модели на другую.

Так гонка закончилась или нет:

На исследовательском уровне нет. OpenAI, Google, Anthropic, xAI, DeepSeek продолжат выпускать более сильные модели. Frontier по-прежнему важен: именно там появляются возможности, которые позднее становятся дешевле и переходят в массовые модели.

Заканчивается другая гонка: попытка использовать одну максимально мощную модель как универсальный ответ на все задачи.

Вывод:

К 2026 году рынок раздробился. Есть быстрые модели, reasoning-модели, системы с огромным контекстом, open-weight решения, специализированные модели и архитектуры, которые автоматически переключаются между несколькими вариантами.

Позиция в одном лидерборде все хуже описывает реальную ценность модели. Для прода гораздо важнее соотношение качества, стоимости и задержки.

Максимальный интеллект остается ценным ресурсом, но использовать его на каждом запросе больше нет смысла. Вопрос сместился с «какая модель лучше?» на «какая минимальная модель достаточно хороша для этой задачи?». И это, вероятно, главный итог четырехлетней гонки.