Цена ИИ упала на 90%, а бизнес платит больше — в чём подвох

За восемь июльских дней рынок нейросетей перевернулся. Grok 4.5, семейство GPT-5.6, свежие модели от других лабораторий вышли почти встык — и потянули цены вниз. Вывод, который ещё год назад стоил 25–50 долларов за миллион слов, теперь просят по 4–6. Если считать от начала 2023-го, средняя цена ответа топовых моделей упала примерно на 94%. Логика подсказывает: ИИ подешевел в разы, значит и счёт бизнеса за него должен рухнуть. На практике всё наоборот — у многих компаний расходы на ИИ этим летом выросли. Разберём, почему так и что теперь реально считать.

Что случилось за неделю

Обычно новые модели выходят по одной и держат цену месяцами. В июле три крупных игрока выкатили флагманы почти одновременно и сразу поставили низкий ценник. Никто не хотел остаться дорогим на фоне соседа. Началась гонка вниз: каждый следующий релиз оказывался дешевле предыдущего при сопоставимом качестве. Для рынка это здоровый сигнал — конкуренция работает. Но у резкого удешевления есть оборотная сторона, о которой в пресс-релизах не пишут.

Цена за запрос и цена за результат — не одно и то же

Модель берёт деньги не за задачу, а за объём текста, который прочитала и написала. Этот объём считают в мелких кусочках слов. Дешевеет именно кусочек. А вот сколько таких кусочков уйдёт на одну реальную задачу — зависит не от прайса, а от того, как устроена работа. Написать короткое письмо клиенту — это сотни кусочков. Разобрать входящую заявку, сходить в базу, проверить остаток на складе, сверить с прошлым заказом и сформировать ответ — уже десятки тысяч. Цена за кусочек упала вдвое, но если задача стала «умнее» и требует в двадцать раз больше шагов, итоговый чек растёт. Прайс на витрине снизился — сумма в конце месяца выросла.

Почему умный ассистент сжигает больше, чем кажется

Год назад нейросеть чаще работала в один заход: получила вопрос — выдала ответ. Сейчас в цене модели, которые «думают вслух»: раскладывают задачу на шаги, проверяют себя, обращаются к внешним данным, переспрашивают и переделывают. Каждый такой внутренний шаг — это новые прочитанные и написанные слова, за которые капает счётчик. Плюс попытки, которые не сработали с первого раза, и их всё равно оплачивают. Получается парадокс: чем «толковее» ведёт себя ассистент, тем больше он расходует под капотом. Дешёвая цена за слово тут не спасает — она перекрывается количеством слов.

«Лучшая модель» уступила место «лучшей под задачу»

Пока модели были дорогими и заметно различались по силе, выбор был простым: бери самую мощную. Теперь сильных моделей много, стоят они копейки, а разрыв между ними по качеству на обычных задачах почти стёрся. Побеждает не тот, у кого модель «самая умная», а тот, кто под конкретную работу подобрал подходящую. Отвечать на типовые вопросы клиентов и писать диссертацию по физике — задачи разного веса. Гонять тяжёлую дорогую модель там, где справится лёгкая, — как возить пиццу на грузовике. Экономика ИИ сместилась от «кто мощнее» к «кто точнее попал в задачу по цене и скорости».

Что это меняет для бизнеса

Главная ошибка сейчас — смотреть на цену за миллион слов в рекламе поставщика и радоваться скидке. Эта цифра почти ничего не говорит о том, сколько вы заплатите за результат. Считать нужно другое: во сколько обходится одна закрытая заявка, один разобранный документ, один доведённый до ответа диалог. Компания, которая приходит к переговорам со своими цифрами «стоимость за результат», а не с прайсом продавца, экономит куда больше, чем на скидке за слово. И ещё: удешевление открыло дверь тем, кто раньше считал ИИ дорогой игрушкой. Автоматизировать разбор почты, первичные ответы клиентам, сортировку заявок стало по карману и небольшому бизнесу — при условии, что систему собрали так, чтобы она не жгла слова впустую.

Вывод

Нейросети подешевели в разы — это факт и хорошая новость. Но дешёвая модель не равно дешёвый ИИ: платите вы за результат, а не за прайс на витрине, и умный ассистент под капотом расходует больше простого. Выигрывает не тот, кто нашёл самую дешёвую или самую мощную модель, а тот, кто под каждую задачу подобрал подходящую и считает стоимость по итогу, а не по рекламному ценнику. МАВИИ как раз помогает бизнесу выстроить внедрение ИИ так, чтобы деньги шли в результат, а не в лишние слова.