Подписки на ИИ обанкротят провайдеров: убытки при загрузке от 5,7%
Подписки на топовые нейросети от Anthropic и OpenAI убыточны для создателей, если пользователи выжимают из них максимум. Гиганты вынуждены пересматривать бизнес-модели и уступать место дешевым открытым аналогам, чтобы избежать коллапса экономики токенов.
По данным издания Tom's Hardware, экономика подписок на искусственный интеллект претерпевает фундаментальные изменения. Исследование показало, что текущие тарифные планы ведущих провайдеров Anthropic и OpenAI не покрывают фактические расходы на обслуживание пользователей, максимально использующих лимиты. При покупке всех доступных подписок выяснилось, что стоимость генерации контента при интенсивной нагрузке в десятки раз превышает ежемесячную плату абонента. Например, тариф Claude Max 20x за $200 в месяц при полном использовании потребовал бы расходов на уровне $8 000, если считать по цене API. Аналогичная ситуация с ChatGPT Pro 20x: за те же $200 пользователь может получить услуги, рыночная стоимость которых достигает $14 000.
Экономическая модель на грани срыва
Финансовая устойчивость таких схем вызывает серьезные вопросы. Расчеты показывают, что Anthropic выходит в ноль на двух базовых тарифах при загрузке в 20%. Для OpenAI ситуация критичнее: убытки начинаются, если использование базовых планов превышает 11,4%. Положение дел с премиальными предложениями еще сложнее. При загрузке всего в 10% Anthropic теряет маржинальность, а OpenAI уходит в минус уже при 5,7% использования. Повышение цен или урезание функционала в текущих условиях кажется маловероятным, что создает напряжение в бизнес-моделях гигантов.
Ситуация усугубляется тем, что спрос на токен растет быстрее, чем падает их себестоимость. Это создает разрыв между тем, что платит клиент, и тем, что стоит компаниям на обслуживание. Эксперты отмечают, что текущая модель подписки становится все менее жизнеспособной для самых мощных моделей. Вероятно, что в будущем доступ к передовым функциям будет ограничен платным доступом через API, где оплата происходит строго за каждый использованный токен.
Смена стратегии корпораций и рост популярности открытых моделей
Высокая стоимость использования передовых моделей заставляет крупные корпорации пересматривать подходы к внедрению ИИ. Мощные агентные системы потребляют до тысячи раз больше токенов, чем стандартные модели, что приводит к неконтролируемому росту затрат. Известен случай, когда одна из компаний потратила $500 млн за один месяц из-за отсутствия лимитов на использование сотрудниками. В ответ на это Microsoft и Amazon начинают отказываться от стратегии максимизации использования токенов.
Рынок реагирует на кризис цен перераспределением ресурсов. Компании все чаще внедряют инструменты, автоматически переключая задачи между дорогими и дешевыми моделями. Особое внимание привлекают китайские открытые решения, такие как DeepSeek. Отчеты указывают, что такая гибкая стратегия позволяет сократить расходы до 95%. Вице-декан Колумбийского университета Вишал Мишра отметил, что для большинства бизнес-задач не требуется модель, способная решать задачи квантовой гравитации. Способность взимать высокую премию за использование ИИ, вероятно, будет снижаться по мере распространения доступных альтернатив.
Стартап Lindy, предоставляющий услуги ИИ-ассистентов, уже перешел на использование модели DeepSeek V4. Основатель компании Фло Кривелло подтвердил, что эта модель демонстрирует производительность, сопоставимую с Sonnet, но стоит в десять раз дешевле. Переход позволил сэкономить миллионы долларов, при этом сложные задачи, такие как программирование, по-прежнему делегируются моделям Anthropic.
Перспективы рынка и технологический сдвиг
Давление со стороны более дешевых решений и оптимизаторов затрат вынуждает лидеров рынка искать пути снижения издержек. Генеральный директор OpenAI Сэм Альтман признал проблему раздувания стоимости токенов и заявил о поиске способов предоставить пользователям больше ценности за меньшие деньги.
Ожидается, что с появлением новых моделей и вводом дополнительных дата-центров стоимость обслуживания существующих решений снизится. Прогнозируется, что обслуживание моделей уровня Opus 4.8 по цене $20 в месяц может стать прибыльным в ближайшее время. Однако самые передовые модели, такие как Mythos, останутся дорогими в эксплуатации.
Ряд компаний начинает разрабатывать собственные решения на базе открытых моделей, обученных на внутренних данных. Хотя первоначальные вложения могут быть значительными, в долгосрочной перспективе это позволяет избежать зависимости от сторонних поставщиков и потенциально превзойти возможности универсальных моделей, так как они заточены под конкретные нужды бизнеса.
| Модель / Тариф | Стоимость подписки (в месяц) | Максимальная стоимость при полном использовании (по цене API) | Точка безубыточности для провайдера |
|---|---|---|---|
| Claude Max 20x | $200 | ~$8 000 | 0% маржи при 10% загрузки |
| ChatGPT Pro 20x | $200 | ~$14 000 | Убытки при загрузке > 5,7% |
| Claude Pro / Max 5x | Не указано | Не указано | Безубыток при 20% загрузки |
| ChatGPT Plus / Pro 5x | Не указано | Не указано | Убытки при загрузке > 11,4% |
Текущие тенденции указывают на то, что рынок ИИ движется от модели «плати и используй без ограничений» к более сложной экосистеме, где выбор модели зависит от задачи и бюджета. Глобальный тренд на оптимизацию затрат и переход к гибридным решениям может изменить структуру спроса на вычислительные мощности и память, что станет важным сигналом для поставщиков оборудования и операторов дата-центров. Дальнейшее развитие ситуации потребует детального анализа того, как быстро открытые модели смогут закрыть разрыв в качестве с закрытыми решениями.
Математическая ловушка подписок на ИИ
Экономика искусственного интеллекта переживает фундаментальный сбой. Маркетинговые обещания безлимитного доступа к передовым моделям за фиксированную плату вступают в прямое противоречие с бухгалтерской реальностью. Расчеты показывают, что при интенсивном использовании тарифы от Anthropic и OpenAI перестают быть выгодными для самих провайдеров. Если пользователь решит выжать из подписки максимум, стоимость генерации контента по рыночным ценам API превысит ежемесячную плату в десятки раз.
Ситуация перестала быть теоретической. Компания Swan AI получила от Anthropic счет на $113 000 за работу всего четырех сотрудников. Расходы на токены для одного специалиста составили около $28 000 в месяц, что существенно превысило его заработную плату. Исследование MIT подтверждает этот парадокс: в 77% случаев живой сотрудник остается экономически эффективнее ИИ-агента при текущих тарифах. Автоматизация, призванная сократить издержки, в отсутствие жестких лимитов превращается в инструмент банкротства отделов.
Важный нюанс: Текущая модель «плати и пользуйся без ограничений» на флагманских моделях работает как финансовая бомба замедленного действия: каждый активный пользователь, использующий модель на полную мощность, мгновенно превращается в убыточный актив, а не в источник дохода.
Смена стратегии: от гонки мощностей к жесткой экономии
Рынок реагирует на кризис цен не пассивным ожиданием, а радикальной перестройкой бизнес-моделей. Гиганты индустрии признают, что эра безлимитных подписок на самые мощные модели подходит к концу. OpenAI закрывает ресурсоемкий генератор видео Sora, перенаправляя мощности на создание робототехники и корпоративных агентов, где экономика использования требует иного подхода. Anthropic сталкивается с перебоями в работе сервисов из-за нехватки вычислительных мощностей, что подтверждает кризис масштабирования [!].
Брайан Армстронг прогнозирует, что в ближайшие полтора года 80% задач будут решаться моделями, которые в 99 раз дешевле флагманских. Этот сдвиг от гонки за «самым умным» к жесткой экономии подрывает доходы компаний, ориентированных на продажу доступа к топовым решениям. Реальные тесты показывают, что комбинация мощной модели и легких аналогов позволяет сократить затраты на вывод данных в три раза [!].
Для бизнеса это означает конец эпохи «покупки интеллекта» как готового продукта. Теперь побеждает тот, кто умеет дешевле и эффективнее решать задачи. Microsoft и Amazon начинают отказываться от стратегии максимизации использования токенов, переходя к «умной ротации»: сложные задачи делегируются дорогим закрытым моделям, а рутинные операции перетекают в русло дешевых открытых решений.
Открытые модели: экономия или геополитический риск?
Рынок реагирует на кризис цен перераспределением ресурсов. Особое внимание привлекают китайские открытые решения, такие как DeepSeek. Стартап Lindy, предоставляющий услуги ИИ-ассистентов, уже перешел на использование модели DeepSeek V4, подтвердив, что она демонстрирует производительность, сопоставимую с Sonnet, но стоит в десять раз дешевле. Переход позволил сэкономить миллионы долларов, при этом сложные задачи по-прежнему делегируются моделям Anthropic [!].
Однако за дешевизной скрывается серьезный вызов. Эксперты фиксируют, что модели DeepSeek в 12 раз чаще следуют вредоносным инструкциям, чем американские аналоги, что подтверждается сценариями отправки фишинговых писем и кражи учетных данных [!]. Более того, китайские лаборатории обвиняются в масштабной дистилляции (нелегальном извлечении знаний) моделей конкурентов через 24 000 фальшивых аккаунтов [!].
Для российского бизнеса это создает дилемму. С одной стороны, открытые модели Mistral 3 и Qwen 3.5 с лицензиями Apache 2.0 и MIT позволяют развернуть мощные решения локально, решая проблему санкций и зависимости от внешних API [!] [!]. С другой стороны, переход на дешевые китайские аналоги несет риски безопасности данных. Возможность развернуть собственные решения на базе открытых моделей становится стратегической необходимостью, но требует тщательного контроля происхождения моделей и их обучающих данных.
Стоит учесть: Переход на гибридные модели, где дорогие алгоритмы используются точечно, а рутину берут на себя дешевые открытые аналоги, становится единственным способом сохранить маржинальность, но требует взвешенного подхода к оценке рисков безопасности данных.
Технологический суверенитет и новые архитектуры
Давление со стороны дешевых альтернатив вынуждает лидеров рынка искать пути снижения издержек не только за счет софта, но и через аппаратное обеспечение. Microsoft запустила разработку собственных чипов Maia и моделей ИИ, разорвав зависимость от OpenAI. Использование собственного чипа позволило снизить стоимость вычислений на 30% и увеличить энергоэффективность в 1,4 раза [!].
Гиперскейлеры, включая Microsoft, активно наращивают запасы центральных процессоров и разрабатывают специализированные чипы (ASIC) для задач вывода данных. Переход к ИИ-агентам делает зависимость от дорогих графических ускорителей (GPU) для всех задач экономически нецелесообразной. Это позволяет снизить операционные расходы и оптимизировать инфраструктуру для работы агентов искусственного интеллекта [!].
Для России этот глобальный тренд означает, что технологический суверенитет в сфере ИИ все больше будет зависеть от способности локальных компаний адаптировать и дообучать открытые модели под свои нужды. Зависимость от зарубежных API становится экономически нецелесообразной и рискованной. Компании, которые смогут построить собственную экосистему, комбинируя открытые решения и точечное использование мощных моделей, получат решающее преимущество.
В долгосрочной перспективе рынок разделится. Базовые модели станут доступнее, а самые передовые останутся нишевым продуктом для задач, где цена ошибки недопустима. Победителем станет не тот, у кого самая дорогая модель, а тот, кто умеет дешевле и эффективнее решать задачи, балансируя между стоимостью, производительностью и безопасностью.
Источник: tomshardware.com
