OpenAI корректирует ценовую стратегию и рекомендует более экономичные модели для рутинных задач

Если сегодня кто-то все еще тратит самые большие деньги на вызов самой мощной модели OpenAI.

OpenAI наоборот посоветует ему выбрать другой.

30 июля OpenAI опубликовала公告 о корректировке цен.

Модель GPT-5.6Luna снижена на 80%, модель Terra снижена на 20%.

Увидев это сообщение, легко сосредоточиться на том, что Силиконовая долина начала ценовую войну.

Однако, если внимательно изучить официально опубликованные технические документы и руководство по вызову API, станет очевидно, что настоящие значимые действия находятся не в самих ценовых цифрах.

Это по сути первый раз, когда OpenAI сообщает пользователям, что многие задачи на самом деле не требуют использования самой мощной модели.

Официальное предложение было очень конкретным. Если задача сложная, сначала используйте GPT-5.6Sol для анализа требований и проектирования решения, а затем передайте Luna для выполнения, написания кода и запуска тестов.

Самая дорогая модель отвечает за мышление, самая дешевая — за выполнение задач. Две года назад такая стратегия выглядела как самоуничтожение в бизнесе.

Стоит помнить, что ранее весь индустрия ИИ стремилась убедить рынок, что их модель самая умная.

Сегодня OpenAI заявила, что не обязательно всегда покупать самое дорогое.

Это дело гораздо важнее, чем снижение цен.

Сначала рассмотрим события за последние две недели.

30 июля OpenAI изменила цены. Luna — снижение на 80%. Terra — снижение на 20%. Sol не снизил цену, а добавил режим Fast, который может быть до 2,5 раз быстрее стандартного режима, при этом цена удвоилась, но уровень интеллекта остался таким же.

Топовые модели остаются. Реально начинают набирать обороты — средние и низкие.

Еще неделю назад.

24 июля Anthropic сделала почти то же самое. Выпущен Claude Opus 5: ввод миллионов токенов за 5 долларов, вывод — 25 долларов. Ровно вдвое дешевле, чем у Fable 5.

Вместо прорыва в производительности Anthropic больше акцентирует внимание на своей экономичности: за половину цены можно получить возможности передового вывода, практически не уступающие Fable 5.

Еще месяц назад Fable 5 был флагманом, активно продвигаемым Anthropic — лучшая логика, самый длинный контекст, самая высокая цена. А через месяц Anthropic сама представила полуприемлемую альтернативу своему флагману по половинной цене.

Если это делает только одна компания, можно считать это корректировкой продукта. Но если две компании делают это почти одновременно, это уже не совпадение.

Они все начали активно снижать значимость флагманских моделей.

Я потом всё думал, почему именно сейчас.

Ответ на самом деле несложный.

Главная ценность прошлых флагманских моделей заключалась не в заработке денег, а в доказательстве технологического лидерства. После выхода GPT-4 оценка OpenAI постоянно росла. Каждое обновление Claude позволяло Anthropic заново определять свою технологическую позицию. Флагманские модели несут в себе брендовую ценность.

Но настоящие расходы компании находятся не здесь.

Предприятие выполняет несколько миллионов вызовов API в день. Высокочастотные задачи, такие как служба поддержки, поиск, утверждение, генерация кода и выполнение агентов, потребляют большую часть токенов. Главное, что интересует предприятия при закупке, — это не первое место в рейтинге Benchmark, а стоимость одной задачи, насколько стабильна система и высок ли ROI.

Когда масштаб вызовов увеличивается до десятков миллионов в день, незначительное преимущество в интеллекте флагманских моделей мгновенно сглаживается огромными затратами на вычислительные ресурсы.

Действия и заявления OpenAI означают переломный момент: топовые флагманы больше не несут ответственность за прибыль.

Эту сцену автомобильная промышленность уже переживала.

Двадцать лет назад 7-я серия определила высоту BMW, S-класс поднял роскошный имидж Mercedes, а A8 заложил фундамент флагманской позиции Audi — флагманские модели определяли потолок бренда. Однако настоящей основой для объема продаж и прибыли всегда оставались BMW 3-я серия, Mercedes C-класс и Audi A4.

Позже это стало еще более очевидным. Model S доказала, что Tesla может производить автомобили. То, что действительно сделало ее глобальным автопроизводителем, — это Model 3 и Model Y.

Флагман отвечает за доказательство способностей, а массовые модели — за масштаб.

Искусственный интеллект сегодня также вступил в эту стадию. Sol и Fable продолжат существовать, отвечая за преодоление технических ограничений и обновление показателей. Реальную коммерциализацию всё больше будут нести Luna, Terra и Opus.

OpenAI на этот раз даже открыто описала рекомендательный процесс: Sol отвечает за планирование, Luna — за выполнение.

Это уже не просто модель — OpenAI разрабатывает систему распределения задач между моделями. В будущем компании будут покупать не одну модель, а целую систему моделей. Реально определяющими затраты являются не главный архитектор, а бригады, которые ежедневно выполняют работу.

Еще один деталь, который, как мне кажется, интереснее самого снижения цены.

OpenAI в техническом описании отметила, что это снижение цен связано не только с закупкой большего количества GPU или увеличением масштаба. Настоящей причиной является то, что модель начала участвовать в оптимизации самой себя.

В частности, под руководством инженеров-человеков Sol самостоятельно переписал и оптимизировал базовый производственный ядро. Он сам разработал сотни экспериментов для повышения эффективности генерации токенов и даже участвовал в мониторинге процесса обучения модели, непосредственно вмешиваясь при обнаружении проблем.

В результате общая стоимость выполнения снизилась на 20%, а эффективность генерации токенов повысилась на 15%.

Это сообщение легко игнорировать, но оно имеет большое значение.

Раньше для повышения эффективности полагались на инженеров. После запуска модели человек один Нажмите Оптимизация инференс-фреймворка, CUDA, стратегий кэширования и алгоритмов планирования. За год получить повышение эффективности на несколько процентов — это уже неплохо.

Сейчас технологическое развитие вступило в новый этап. Модели начинают брать на себя инженерную оптимизацию базового кода и распределения вычислительных ресурсов, работая в режиме круглосуточной итерации.

Это цикл, который будет постоянно ускоряться. Чем умнее модель, тем сильнее она может участвовать в оптимизации. Чем быстрее оптимизация, тем быстрее снижаются затраты. Чем ниже затраты, тем больше запросов. Чем больше запросов, тем больше данных генерируется для дальнейшего обучения модели.

Я проанализировал изменение цены OpenAI за последние два с половиной года. При запуске GPT-4 стоимость ввода составляла 30 долларов за миллион токенов, GPT-4o снизила цену до 5 долларов, а GPT-4o mini — до 0,15 доллара. Сегодня цена Luna находится вблизи дешевого диапазона, характерного для ранних версий mini, однако ее общий уровень интеллекта значительно превосходит дорогостоящий GPT-4 двухлетней давности.

За более чем два года цена снизилась почти на два порядка. Если модель продолжит участвовать в оптимизации себя, эта кривая, скорее всего, продолжит снижаться.

На самом деле страшно не то, что цена упала на 80% сегодня, а то, что снижение стоимости начало обладать собственной движущей силой.

Я всё больше чувствую, что при обсуждении конкуренции в области ИИ сегодня люди иногда всё ещё используют рамки предыдущего этапа.

Например, часто дополнительно спрашивают: кто самый умный? GPT, Claude, Gemini, DeepSeek При выпуске каждой новой модели СМИ сразу смотрят на рейтинг. Кто первый — тот и победил.

Однако новые действия OpenAI и Anthropic нарушили эту закономерность, передав рынку новый сигнал: привлекательность чемпионов по отдельным показателям снижается.

OpenAI в объявлении упомянула один момент, который я считаю особенно важным: она рекомендует разработчикам выбирать модели в зависимости от важности задачи, стоимости ошибок, срочности и масштаба.

Обратите внимание, что речь идет уже не о модели, а о задаче.

Раньше при внедрении ИИ компания чаще всего имела только один выбор. Сегодня это больше похоже на создание организации: самые важные задачи выполняются с помощью Sol, повседневные операции — с помощью Luna, а в будущем более легкие модели могут взять на себя более простые задачи.

Это очень похоже на то, как было с облачными вычислениями. Никто не хранит все данные на самых дорогих SSD. Горячие данные — на SSD, обычные — на HDD, а холодные — в объектное хранилище. Люди всегда обсуждали не то, какой диск быстрее, а как построить всю систему наиболее выгодно.

DeepSeek На самом деле, он почувствовал это направление раньше, чем Силиконовая долина. За последние полгода он почти не подчеркивал, что является самым умным в мире, а постоянно повторял всего несколько слов: дешево, достаточно быстро, достаточно хорошо.

После попадания в кеш стоимость снижается до почти незаметного уровня на миллион токенов. Он постоянно делает ставку на одно: компаниям нужен не чемпион мира, а вариант развертывания с наивысшей общей рентабельностью.

Это не краткосрочная ценовая война; последующие действия двух крупных компаний из Кремниевой долины подтверждают неизбежность этого бизнес-пути.

Сегодня стратегия OpenAI стала ясной: то, что она действительно хочет продавать, — это не модели, а объем вызовов.

Раньше производители моделей полагались на высокую технологическую надбавку для получения высокой маржи, теперь бизнес-логика изменилась на получение сверхмасштабной экосистемы трафика через крайне низкий порог входа.

Microsoft действительно зарабатывает деньги не потому, что Windows продается дорого, а потому, что на всех компьютерах установлен Windows. AWS зарабатывает деньги не потому, что прибыль с одного сервера высока, а потому, что ежедневно по всему миру работает бесчисленное количество приложений на его платформе.

Доходы платформы всегда зависят от уровня проникновения.

Это объясняет, почему цена SOL не двигалась. SOL несет на себе бренд, подтверждая, что OpenAI остается компанией с самым высоким технологическим потенциалом. А Luna — это двигатель доходов.

OpenAI надеется, что разработчики сформируют новую привычку: писать агентов с помощью Luna, запускать рабочие процессы с помощью Luna и выполнять пакетные задачи также с помощью Luna. Только при столкновении с действительно сложными проблемами следует один раз вызвать Sol.

Как только такой стандарт будет установлен, дальнейшая конкуренция станет крайне сложной. Перенос предприятия на другую базовую модель означает повторное тестирование, проверку и адаптацию всего рабочего процесса. Стоимость миграции будет все больше расти.

Настоящая защитная дамба уже начинает переходить от лидерства в возможностях к эко-системной привязанности.

В долгосрочной перспективе отрасль ИИ переживает крайне типичную точку перелома экономии масштаба.

Когда стоимость единицы вычислительной мощности снижается до крайне низкого уровня, общий спрос на токен не уменьшается вместе с падением цены за единицу, а наоборот, взрывно растет экспоненциально.

Флагманские модели больше не определяют направление, поскольку фокус технологического развития сместился с исследования пределов интеллекта на индустриализацию вычислительных мощностей для снижения затрат. Когда стоимость вызова API снижается до незначительного уровня, форма и границы моделей начнут стираться.

Корпоративные разработчики больше не уделяют внимание потере каждого токена, а бесшовно интегрируют ИИ в каждый бизнес-процесс.

Самое глубокое изменение заключается в том, что обвал цен на API повышает общую стоимость миграции для всей инженерии программного обеспечения. Как только рабочие процессы предприятия, сеть планировщиков агентов и автоматизированные конвейеры данных полностью построены на комбинации моделей с низкой стоимостью, поставщики базовых моделей блокируют доступ к вычислительным каналам на следующие десять лет.

В последние годы крупные компании, работающие с большими моделями, продавали интеллект. С сегодняшнего дня они начинают продавать эффективность.

Это две совершенно разные истории.

За пределами макета:

Раньше мы привыкли сравнивать развитие ИИ с потребительской электроникой, ожидая периодических появления новых флагманских моделей, побивающих рекорды.

Но, возможно, истинная форма победы ИИ — это не стать продуктом, вызвавшим сенсацию.

Когда паровой двигатель только был изобретен, люди восхищались его производительностью, а сегодня электричество повсюду течет, приводя в движение весь文明, но больше никто не обсуждает его специально.

Когда люди перестали с энтузиазмом обсуждать, какой флагманский модель обновил какой показатель IQ, ИИ незаметно встроился в каждую систему и каждую команду, став неотъемлемой водой и электричеством за всеми автоматизированными процессами.

Его настоящая эпоха только начинается.

Эта статья взята из официального аккаунта WeChat «За пределами макета», автор: Hua Hua