Індустрія ШІ має залежність від постійних випусків. Випуски передових моделей, які раніше відбувалися з достатнім інтервалом, щоб інженери мали час віддихнути, а користувачі — зрозуміти, що їм надали, зараз з’являються з частотою, як у програмних оновлень. Медіанний інтервал між великих випусками моделей скоротився з 37,5 днів у 2023 році до лише 11 днів на цей момент у 2026 році.
Результатом став явище, яке фахівці називають «втомою моделей» — повільне виснаження, що поширюється серед інженерних команд, корпоративних клієнтів і навіть інвесторів, що фінансують всю операцію.
Стиснення, якого ніхто не просив
Власний темп випуску OpenAI розповідає історію в мініатюрі. Медіанний інтервал між запусками моделей компанії зменшився з 170,5 днів у 2023 році до 49 днів у 2026 році на даний момент. Те, що раніше було циклом розробки й доробки приблизно на шість місяців, зараз ледь встигає за квартал.
Тиск не є виключно внутрішнім. Китайські лабораторії, такі як Moonshot AI та Z.ai, виникли як серйозні конкуренти, випустивши моделі з відкритими вагами, які показують результати на рівні або близькому до закритих власницьких систем. Модель Kimi K3 від Moonshot AI з 2,8 трильйона параметрів досягла еквівалентності з базовими показниками встановлених конкурентів, зменшивши витрати на розгортання приблизно до шостої частини вартості порівнянних закритих моделей.
Моделі з відкритим ваговим коефіцієнтом змінюють математику
Китайські моделі становили 41% завантажень Hugging Face взимку 2026 року. GLM 5.2 від Z.ai досяг таких самих показників продуктивності, які раніше були доступні лише для найдорожчих власницьких рішень, і це — при повній безкоштовності.
Це проблема «збіжності можливостей», яку аналітики Gartner вказали у червні 2026 року. Коли кожна нова модель показує приблизно однакові результати на стандартних тестах, перевага бути першим майже миттєво зникає.
Людська сторона бігової доріжки
Можливо, найбільш вагомим сигналом став липень 2026 року, коли понад 1000 співробітників провідних лабораторій ШІ підписали петицію з закликом до більш обережного темпу розробки.
Насичення еталонів — явище, коли нові моделі демонструють зменшення покращень на стандартних тестах, — сприяє зростанню операційного навантаження на розробників. Коротший термін життя моделей означає, що робота з документацією, тестуванням безпеки та інтеграцією стискається. Підприємствам ледве вдається завершити впровадження однієї версії, як їм повідомляють, що вже доступна наступна версія, а попередню буде виведено з експлуатації.
Що це означає для конкурентної карти
Оцінка Gartner, що переваги базових моделей ШІ стають тимчасовими, вказує на більш широке стратегічне переосмислення. Якщо сирова продуктивність моделі більше не є тривалою конкурентною перевагою, цінність зміщується вниз за ланцюжком до якості даних, глибини інтеграції та доменно-специфічного доналаштування.
Торгівці повинні стежити за показниками адаптації моделей з відкритим кодом, зокрема даними про завантаження на Hugging Face та дані про впровадження в бізнесі. Якщо частка китайських моделей у 41% продовжуватиме зростати, це може поставити під загрозу проекції доходів американських лабораторій, які ще працюють за припущеннями про премійне ціноутворення.
Петиція працівників лабораторії штучного інтелекту також вводить менш кількісний ризик: вигорання талантів. У галузі, де вся цінність залежить від відносно невеликої кількості дослідників і інженерів, тривала втома може призвести до вибуття саме в найгірший момент.