OpenAI коригує стратегію ціноутворення, рекомендує менш витратні моделі для звичайних завдань

Якщо сьогодні хтось ще витрачає найбільше грошей на виклик найпотужнішої моделі OpenAI.

OpenAI навпаки запропонує йому змінити його.

30 липня OpenAI опублікувала оголошення про корекцію цін.

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

Бачачи цю новину, легко зосередитися на тому, що Кремнієва долина почала цінову війну.

Але, якщо уважно ознайомитися з офіційно опублікованими технічними документами та керівництвом щодо виклику API, стає зрозуміло, що справжньо важливі дії знаходяться не в самих цінових цифрах.

Це суттєво перший раз, коли OpenAI повідомила користувачів, що багато завдань насправді не вимагають найпотужнішої моделі.

Офіційно надано дуже конкретну рекомендацію. Якщо це складне завдання, спочатку використовуйте GPT-5.6Sol для аналізу вимог та розробки рішення, а потім передайте Luna для виконання, написання коду та запуску тестів.

Найдорожча модель відповідає за міркування, найбільш дешева — за виконання роботи. Дві роки тому така стратегія виглядала як комерційне самознищення.

Варто зазначити, що раніше весь індустрія штучного інтелекту всі намагалися переконати ринок, що їхні моделі найрозумніші.

Сьогодні OpenAI заявила, що не завжди потрібно купувати найдорожчі.

Це набагато важливіше, ніж зниження ціни.

Спочатку розгляньте те, що відбулося за останні два тижні.

30 липня OpenAI змінила ціни. Luna — знижка 80%. Terra — знижка 20%. Sol не знизив ціну, а додав режим Fast, який може бути до 2,5 рази швидшими за стандартний режим, ціна подвоїлася, але рівень інтелекту залишився таким самим.

Топові моделі залишаються. Насправді починають масово продаватися середні та нижчі.

Ще тиждень тому.

24 липня Anthropic зробила майже те саме. Claude Opus 5 вийшов: вхід 1 мільйон токенів — 5 доларів, вихід — 25 доларів. Точніше вдвічі менше, ніж у Fable 5.

Замість акценту на прорив у продуктивності, Anthropic зосереджується на економічності: за половину ціни ви отримуєте передові здібності висновування, що майже ідентичні Fable 5.

Ще місяць тому Fable 5 був флагманом, який Anthropic активно просувала — найкраще міркування, найдовший контекст, найвища ціна. А вже через місяць Anthropic сама знайшла для свого флагмана альтернативу за половину ціни.

Якщо це робить лише одна компанія, можна вважати це налаштуванням продукту. Але якщо дві компанії роблять це майже одночасно, це вже не випадковість.

Вони всі почали активно знижувати значущість флагманських моделей.

Я потім все думав, чому саме зараз.

Відповідь насправді не складна.

Найбільша цінність попередніх флагманських моделей полягала не у прибутку, а у підтвердженні технологічного лідерства. Після виходу GPT-4 оцінка OpenAI постійно зростала. Кожне оновлення Claude дозволяло Anthropic переозначити свою технологічну позицію. Флагманські моделі несуть брендову цінність.

Але справжні витрати бізнесу — не тут.

Компанія виконує мільйони викликів API щодня. Такі часті завдання, як служба підтримки, пошук, схвалення, генерація коду та виконання агентів, споживають більшість токенів. Головне, чого цікавляться підприємства при закупівлі, — не перше місце у тестах, а вартість однієї задачі, наскільки вона стабільна та який її ROI.

Коли масштаб викликів зростає до десятків мільйонів на день, незначна перевага в інтелекті флагманських моделей миттєво згасає через колосальні витрати на обчислювальні ресурси.

Дії та заявки OpenAI позначають переломний момент: топові флагманські продукти більше не несуть відповідальність за отримання прибутку.

Цю сцену автопромисловість вже переживала.

Двадцять років тому серія 7 визначила висоту BMW, S-клас підняв рівень люксової естетики Mercedes, а A8 заклали основу флагманського іміджу Audi — флагманські моделі визначали верхню межу бренду. Але справжнім фундаментом, що забезпечував обсяги продажів та прибуток, завжди залишалися BMW 3 серії, Mercedes C-клас та Audi A4.

Пізніше це стало ще очевиднішим. Model S довів, що Tesla може виробляти автомобілі. Саме Model 3 і Model Y зробили її глобальним автовиробником.

Флагманські моделі відповідають за підтвердження здатності, а масові — за масштаб.

AI також почав входити в цей етап сьогодні. Sol і Fable продовжуватимуть існувати, вони відповідають за подолання технічних обмежень та оновлення Benchmark. Насправді, комерціалізація все більше перейде до Luna, Terra, Opus.

OpenAI цього разу навіть публічно написала рекомендовану процедуру: Sol відповідає за планування, Luna — за виконання.

Це вже не одна модель — OpenAI розробляє систему розподілу обов’язків між моделями. У майбутньому компанії не купуватимуть одну модель, а цілу систему моделей. Насправді витрати визначаються не головним архітектором, а бригадою, яка щодня виконує роботу.

Ще один деталь, який, на мою думку, цікавіший за саме зниження ціни.

OpenAI зазначає у технічному описі, що це зниження цін — не лише через закупівлю більшої кількості GPU чи збільшення масштабу. Справжня причина полягає в тому, що модель почала брати участь у оптимізації моделі.

Зокрема, під керівництвом інженерів-людей Sol самостійно переписав та оптимізував базовий виробничий ядро. Він сам розробив сотні експериментів для підвищення ефективності генерації токенів і навіть брав участь у моніторингу процесу навчання моделей, безпосередньо втручався при виявленні проблем.

В результаті загальні витрати на енд-ту-енд роботу знизилися на 20%, а ефективність генерації токенів зросла на 15%.

Цю інформацію легко проігнорувати, але вона має велике значення.

Раніше ефективність підвищували інженери. Після запуску моделі людина одна Точково Оптимізація інференс-фреймворку, CUDA, стратегій кешування та алгоритмів планування. За рік вдається досягти підвищення ефективності на кілька десятків відсотків — це вже добре.

Сьогодні технічний розвиток вступив у нову фазу. Моделі почали брати на себе інженерну оптимізацію базового коду та розподілу обчислювальних ресурсів, працюючи в режимі 24/7.

Це цикл, який постійно прискорюється. Чим розумніша модель, тим сильніше вона може брати участь у оптимізації. Чим швидше оптимізація, тим швидше знижуються витрати. Чим нижчі витрати, тим більший обсяг викликів. Чим більший обсяг викликів, тим більше даних генерується для подальшого навчання моделі.

Я проаналізував зміни цін OpenAI за останні два з половиною роки. На початку GPT-4 коштував 30 доларів США за мільйон токенів, GPT-4o знизив ціну до 5 доларів, а GPT-4o mini — до 0,15 долара. Зараз Luna цінується на рівні дешевого діапазону ранніх mini, але її загальний рівень інтелекту вже значно перевищує дорогий GPT-4 з двох років тому.

Протягом більше ніж двох років ціна знизилася майже на два порядки. Якщо модель продовжуватиме вдосконалювати себе, ця крива, найімовірніше, продовжить падіння.

Справді жахливо не те, що ціна сьогодні впала на 80%, а те, що витрати почали знижуватися і набули самопідтримуваної здатності.

Я все більше відчуваю, що сьогодні, обговорюючи конкуренцію в галузі ШІ, люди іноді все ще використовують рамки попереднього етапу.

Наприклад, часто додають питання: хто найрозумніший? GPT, Claude, Gemini, DeepSeek Після кожного запуску нової моделі ЗМІ першою перевіряють рейтинг. Хто на першому місці — той виграв.

Однак нові дії OpenAI та Anthropic порушили цю закономірність, передавши ринку новий сигнал: привабливість чемпіонів за окремими показниками зменшується.

OpenAI у оголошенні згадала один момент, який, на мою думку, дуже важливий: вона рекомендує розробникам вибирати модель залежно від важливості завдання, вартості помилок, терміновості та масштабу.

Зверніть увагу, що тут йдеться не про модель, а про завдання.

Раніше компанія, впроваджуючи ШІ, мала зазвичай лише один вибір. З сьогоднішнього дня це більше схоже на створення організації: найважливіші завдання виконує Sol, повсякденні операції — Luna, а в майбутньому можуть з’явитися ще більш легкі моделі для простіших завдань.

Це дуже схоже на той час, коли з’явилася хмарна обчислення. Ніхто не зберігав усі дані на найдорожчих SSD. Горячі дані — на SSD, звичайні — на HDD, а холодні — у об’єктне сховище. Люди обговорювали не те, який диск найшвидший, а як побудувати всю систему найбільш вигідно.

DeepSeek Справді, він відчув цей напрямок раніше, ніж Сіліконова долина. За останні шість місяців він майже не підкреслював, що є найрозумнішим у світі, а постійно повторював кілька слів: дешево, швидко, достатньо.

Після попадання у кеш вартість знижується майже до нуля на мільйон токенів. Він завжди робив ставку на одне: компаніям потрібні не чемпіони світу, а найбільш прибуткове рішення з точки зору загального ROI.

Це не короткострокова цінова війна; сьогоднішні кроки двох сіліконових гігантів підтверджують необхідність цього бізнес-шляху.

До сьогодні стратегія OpenAI дуже ясна: те, що вона справді хоче продавати, — це не моделі, а кількість викликів.

Раніше виробники моделей залежали від високих технологічних надбавок для отримання високої маржі, а зараз логіка бізнесу змінилася на отримання надвеликої трафікової екосистеми за дуже низькими бар’єрами.

Майкрософт справді заробляє гроші не тому, що Windows продається дорого, а тому, що на всіх комп’ютерах встановлена Windows. AWS заробляє гроші не тому, що прибуток з однієї серверної машини високий, а тому, що щодня по всьому світу на ній працює безліч додатків.

Доходи платформи завжди залежать від рівня проникнення.

Це пояснює, чому ціна Sol не змінювалася. Sol відповідає за бренд, підтверджуючи, що OpenAI залишається компанією з найвищим технологічним потенціалом. А Luna — це двигун доходів.

OpenAI бажає, щоб розробники утворили нову звичку: писати агентів за допомогою Luna, запускати робочі процеси за допомогою Luna, а також виконувати пакетні завдання за допомогою Luna. Лише при зіткненні з справді складними проблемами використовуйте Sol один раз.

Після того як така за замовчуванням система встановлюється, конкуренція стає надзвичайно складною. Перехід підприємства на іншу базову модель означає повторне тестування, перевірку та адаптацію всього робочого процесу. Витрати на перехід будуть постійно зростати.

Справжній захисний рівень вже почав зміщуватися від лідерства в здібностях до екосистемної прив’язаності.

Якщо подивитися на тривалий період, індустрія ШІ переживає надзвичайно типову точку перелому економії масштабу.

Коли вартість обчислювальної потужності на одиницю знижується до надзвичайно низького рівня, загальний попит на токен не зменшується разом із зниженням ціни за одиницю, а навпаки, експоненційно зростає.

Флагманські моделі більше не визначають напрямок, оскільки акцент технічного розвитку змістився з дослідження меж інтелекту на індустріалізацію обчислень для зниження витрат. Коли вартість викликів API знижується до незначної величини, форма та межі моделей почнуть згладжуватися.

Корпоративні розробники більше не звертають уваги на витрати кожного токена, а замість цього безперервно інтегрують ШІ в кожен бізнес-процес.

Найглибшою стороною цього переходу є те, що крах цін на API піднімає вартість міграції всієї програмної інженерії. Коли робочі процеси підприємства, мережі планування агентів та автоматизовані данінжинірингові канали повністю побудовані на комбінації моделей з низькою вартістю, постачальники базових моделей блокують канали обчислювальних ресурсів на наступні десять років.

Протягом останніх кількох років компанії великих моделей продавали інтелект. З сьогодні вони починають продавати ефективність.

Це дві абсолютно різні історії.

[За межами макету]:

Раніше ми звикли порівнювати розвиток ШІ зі споживчою електронікою, очікуючи, що з часом з’являтимуться нові флагманські моделі, що б’ють рекорди.

Але, можливо, справжня форма перемоги ШІ — це не стати продуктом, що викликає сенсацію.

Коли паровий двигун був винайдений, люди дивувалися його продуктивності, а сьогодні електрика повсюдно протікає, забезпечуючи роботу всієї цивілізації, але ніхто більше не обговорює її окремо.

Коли люди перестали з нетерпінням обговорювати, як нова флагманська модель знову побила рекорд інтелектуального рейтингу, штучний інтелект тихо вбудувався в кожну систему, кожну команду, ставши невидимою водою та електрикою за всіма автоматизованими процесами.

Справжній час цього лише починається.

Цей текст зі сторінки WeChat «Поза межами сторінки», автор: Малює