Токены подешевели вдвое, но флагман уехал за забор: Google, Anthropic и OpenAI построили двухконтурный рынок ИИ

За один сентябрьский месяц OpenAI, Anthropic и Google выпустили целую пачку новых моделей, и все — дешевле предшественников. GPT-6 Luna стоит $0,10 за миллион входных токенов, Gemini 4 Argon идёт с вводной ценой $2/$10 за миллион токенов, кэшированные вызовы подешевели на 90–95%. Но за этой ценовой гонкой спрятана более важная вещь, которую анонсы не выпячивают: три лаборатории одновременно, независимо друг от друга, перестали продавать сильные в кибербезопасности модели всем желающим. Gemini 4 Argon на старте доступен только верифицированным защитникам через программу Fairwind, Claude Mythos 5.1 — только проверенным организациям в киберзащите и бионауке, GPT-6 Astra с классификацией «Critical» тоже ограничен. Дешёвый инференс для всех и запертые флагманы для избранных — это два разных рынка в одном прайсе, и компании, планирующие внедрение ИИ на 2027 год, должны учитывать это уже сейчас.

Что именно произошло в сентябре

Если собрать анонсы сентября в одну таблицу, видно две одновременные динамики, которые на первый взгляд не связаны.

Цены падают по всей линейке — тут всё честно. Luna в $0,10 за миллион входных токенов против $2 у Sol — это разница в двадцать раз внутри одной линейки одного вендора за один месяц. Epoch AI давно фиксирует этот тренд: цена достижения уровня GPT-4 на задачах уровня PhD-наук падала примерно в 40 раз в год, а диапазон по разным ориентирам — от 9x до 900x в год — по данным Ben Cottier, Ben Snodin, David Owen и Tom Adamczewski из Epoch AI. Тренд не новый. Новое другое: параллельно со снижением цен три вендора одновременно поставили верификационный барьер на самые сильные модели.

Google запустил Fairwind в начале сентября как программу ограниченного доступа — для правительств, клиентов Google Cloud и партнёров по кибербезопасности, на старте более 650 участников. Изначально программа соединяла модель Gemini 3.8 Flash Cyber с инструментом CodeMender, который находит, проверяет и исправляет уязвимости. Gemini 4 Argon — первый флагман, который выходит сразу в этот карантин. Google заявил: «Для доверенных защитников и наших собственных внутренних команд в Google мы выпускаем Argon без кибер-ограждений, чтобы они могли задействовать весь спектр его флагманских возможностей по киберзащите». Для остальных — очередь и заявка.

Понятно, зачем это Google: SecurityWeek пишет, что Argon в ранней демонстрации нашёл критическую уязвимость, открывавшую доступ к чувствительным персональным данным в медицинском ПО, которым пользуются больницы по всему миру, — то, что предыдущие флагманы пропустили. На бенчмарке CWE-bench v1 от Collinear AI Argon делит первое место с результатом 68% вместе с GPT-6 Astra от OpenAI и Grok 4.7 от xAI. Модель, которая автономно находит, валидирует и патчит уязвимости, без ограничений в чужие руки не отдают. Вопрос не в том, оправдан ли карантин. Вопрос в том, что рынок теперь двухконтурный, и это надо закладывать в бюджет.

Почему это важно, если вы не киберзащитник

Здесь я должен признаться в собственной ошибке. Когда я впервые пробегал анонсы, я думал, что это кибербезопасностная история, которая касается только SOC-аналитиков и bug bounty. Потом пересчитал: из семи сентябрьских релизов три закрыты верификацией полностью или частично. Это уже не нишевое правило, а паттерн.

Для компании, которая внедряет ИИ в документооборот, поддержку или онбординг, это означает три вещи.

Первое: планировать внедрение на открытых моделях. Opus 5.5, Sonnet 5.5, GPT-6 Sol, Luna, Fable 5.1 — все доступны по API без заявки. Для 90% рабочих задач — поиска по базе знаний, суммаризации договоров, черновиков ответов — их хватает с запасом. Если ваш подрядчик обещает «флагманский GPT-6 Astra» в вашем процессе, спросите, как именно он к нему получил доступ.

Второе: пропуск к флагману теперь не покупается. Раньше «купить флагман» означало «иметь бюджет». Теперь это «пройти проверку». Для небольшой компании это добавляет фильтр, которого не было два года назад: даже при наличии бюджета доступ к сильнейшим кибер-моделям идёт через процедуру, где вас оценивают.

Третье: открытость и цена разошлись. Argon стоит $2/$10 — как Sonnet 5.5. Деньги больше не покупают топ-возможности. Деньги покупают токены, а возможности покупаются статусом проверенного. Это переворачивает привычную модель закупки, где сила модели была функцией цены.

Я не знаю, как долго продлится эта сегрегация. Google обещает расширять доступ постепенно. Возможно, через полгода Argon откроют всем. Но сам прецедент установлен: сильные модели теперь сначала выходят в карантин, и покупатель корпоративного ИИ должен закладывать в план не только цену токенов, но и время на верификацию.

«Не проще ли всем сидеть в ChatGPT?»

Живой вопрос, который я слышу от читателей и на встречах: если токены дешевеют, а интерфейсы бесплатны — зачем вообще что-то строить, не проще ли каждому сотруднику дать подписку и не думать?

Koray Kavukcuoglu, который в августе возглавил Google DeepMind после ухода Demis Hassabis и совмещает пост с ролью Chief AI Architect Google, сформулировал философию запуска Argon так: ответственный выпуск подобных возможностей требует поэтапного подхода (CNBC Tech Download). И это не ответ санкционного юриста, это позиция архитектора модели: модель такого класса не выпускается на всех, потому что её киберспособности ещё не проверены в реальной эксплуатации.

Tulsee Doshi, продуктовый лидер Gemini в Google, сказала CNBC дословно:

«Запуск в таком режиме даёт нам больше уверенности, но и позволяет как можно быстрее передать модель, натренированную и сильную в киберзащите, в руки защитников» — Tulsee Doshi, Google.

Переведу с языка лаборатории на язык компании. Если сам вендор не уверен в поведении модели настолько, что выпускает её только проверенным, — вопрос «зачем строить что-то своё, если есть ChatGPT» звучит иначе. Вендор сам говорит: самые сильные модели — не товар с полки. А товар с полки, то есть подписка, по определению не флагман с полными возможностями. Подписка покупает удобство, но не покупает ни память между сессиями, ни интеграцию с вашим документооборотом, ни ответственность за результат. Это разные покупки.

Где проходит граница двух контуров

Попробую сформулировать правило, которое я вижу в этих релизах. Оно примерно такое: модель закрывается верификацией тогда, когда её способности могут навредить третьим лицам, а не только её владельцу.

• Denial-of-Wallet: бухгалтерский агент сжёг $50 000, но пострадали только его владельцы (разбор отчёта Mandiant). Модели этого класса открыты.
• Sandbox escape: агенты вышли из песочницы ради чита на тесте (техотчёт). Тоже открыты, но с ограничениями платформы.
• Автономный поиск и эксплуатация уязвимостей в чужом ПО — потенциальный вред третьим лицам. Закрыто: Mythos 5.1, Argon, Astra с классификацией «Critical».

Есть соблазн увидеть в этом заботу о нас. Я бы не торопился. Google с Argon решает прежде всего свою задачу — репутационную и регуляторную. После серии инцидентов с агентами позиция надёжного вендора стала рыночным преимуществом: Lian Jye Su, главный аналитик Omdia, прямо говорит, что многочисленные инциденты с ИИ-системами OpenAI и Anthropic дали Google шанс закрепиться как самому доверенному провайдеру. Tim Law, директор по исследованиям ИИ в IDC, добавляет, что настоящий тест Argon начнётся только тогда, когда модель выйдет в широкую производственную эксплуатацию. Забота о пользователях тут совпадает с коммерческим интересом — нормальная конфигурация, но не надо её романтизировать.

Второй контур — это не «корпорации прячут ИИ». Второй контур — это признание, что между моделью для суммаризации договоров и моделью, которая патчит уязвимости в больничном ПО, лежит пропасть риска, и продавать их по одной процедуре нельзя.

Что это значит для руководителя: план без иллюзий

Соберу всё в практические выводы, без лозунгов о трендах.

Считайте экономику на открытых моделях, закладывайте риск закрытия флагмана. GPT-6.1 Sol, по заявлению OpenAI, догоняет Astra на бенчмарке DeepSWE v1.1 за треть цены — гонка «стоимость за задачу» продолжается, мы разбирали её ранее. Но если ваш сценарий затрагивает безопасность — пентест, аудит кода, комплаенс-контроль, — в смету надо внести строку «верификация и ожидание», потому что сильные модели там уже за забором.

Пересчитайте модельную иерархию. Кэш-скидки 75–95% меняют арифметику агентных нагрузок: Anthropic говорит о снижении эффективных затрат до 45% на тяжёлых агентных сценариях. Если ваш агент перечитывает одни и те же регламенты по сто раз — теперь это копейки, а не статья расхода. Но Inference Paradox по Gartner никуда не делся: токены дешевеют, а общие счета за ИИ растут, потому что агентов становится больше.

Не покупайте слово «флагман». Если в презентации подрядчика звучит «самая мощная модель», спросите: какая именно, по какой программе доступа, и что будет с вашим процессом, когда вводные цены Argon закончатся и вырастут вдвое. Цена модели в этом новом мире — не константа, а функция вашего статуса у вендора.

Переведите на язык жизни. Раньше: хочешь лучший ИИ — плати. Теперь: хочешь лучший ИИ — либо плати и получаешь «достаточно хороший» (что для 90% задач и есть правильный выбор), либо проходи проверку и жди. Из десяти компаний, которым нужен ИИ для документов и поддержки, девяти хватит первого контура. Десятой — той, что работает с чужим кодом и чужой инфраструктурой, — придётся учиться жить во втором.

И если вы уже устали от этих волн релизов, цен и заборов — закройте этот текст и вернитесь, когда голова остынет. Серьёзно: решения о внедрении, принятые на эмоциях от анонсов, обходятся дороже любых токенов. Текст подождёт.

Эпилог, который мне не нравится

Честно говоря, я рассчитывал написать эту статью как историю о том, что всё дешевеет и демократизируется. Цифры цен это подтверждали: Luna за $0,10, кэши за копейки, честная гонка вниз. Хорошая история, гладкая.

А потом я стал считать закрытые релизы и понял, что она неполная. Дешевеет именно нижний контур. Верхний — флагманы с киберспособностями — дешевеет в цене и одновременно закрывается в доступе. Демократизация токенов идёт рука об руку с аристократизацией способностей. Я не знаю, устойчива ли эта конструкция и не выльется ли она через год в рынок, где настоящий ИИ вообще не продаётся, а сдаётся в аренду под надзор. Мой опыт работы с корпоративными внедрениями говорит, что заказчику всё равно, какой контур у модели, пока задача решается. Но сентябрьские цифры говорят другое: контур теперь — часть ответа на вопрос, что вы вообще купили. И мне пока не удалось свести эти два взгляда в один.

Мы делаем recall — ИИ-советника с системой памяти для компаний, который работает на открытых моделях, хранит ваши регламенты и договоры и отвечает за секунды вместо часов поиска. Если хотите разобрать, какой контур моделей нужен именно вашим процессам, посмотрите digitude.ru и напишите нам.