GPT-5.6 обрушился в цене на 80%, но предприятия экономии так и не увидели: почему дешёвые токены не становятся деньгами

GPT-5.6 обрушился в цене на 80%, но предприятия экономии так и не увидели: почему дешёвые токены не становятся деньгами

В начале августа 2026 года OpenAI снизил цену своей флагманской модели GPT-5.6 Luna на 80% — до 0,20 доллара за миллион входных токенов и 1,20 доллара за миллион выходных, а версию Terra подешевил на 20%. В те же дни компания сообщила о преодолении отметки в один миллиард активных пользователей. Однако опрос SAP, опубликованный CIO Dive в конце июля, показывает обратное: предприятия действительно получают от ИИ полезные инсайты и улучшают взаимодействие с клиентами, но сокращения затрат и времени — двух показателей, под которые изначально писались бизнес-кейсы, — как не было, так и нет. Краткий вывод: стоимость «интеллекта» обрушилась, но дешёвые токены сами по себе в экономию не превращаются — узким местом остаётся доставка ИИ в реальные процессы, а не цена модели.

Что произошло: рекордное снижение цен на флагманскую модель

30 июля 2026 года OpenAI объявил о пересмотре тарифов на всё семейство GPT-5.6. Версия Luna — самая быстрая и дешёвая — подешевела примерно на 80%: теперь 0,20 доллара за миллион входных токенов и 1,20 доллара за миллион выходных. Более мощная Terra подешевела на 20% — до 2 и 12 долларов за миллион токенов соответственно. По данным Axios и Softonic, причиной компания назвала собственный рост эффективности при разработке и обучении моделей. Буквально на следующий день, 31 июля, Quartz сообщил, что число активных пользователей OpenAI превысило один миллиард, а 4 августа gHacks Tech News зафиксировал, что именно ценовое снижение стало катализатором взрывного роста аудитории.

Чтобы оценить масштаб, стоит вспомнить контекст: ещё два года назад миллион токенов флагманской модели обходился в 10–30 долларов, а сейчас — меньше чем в доллар. Это самый резкий обвал удельной стоимости «интеллекта» за всю историю индустрии. На уровне заголовков вывод напрашивается сам собой: главный барьер входа в ИИ для бизнеса исчез, и теперь окупаемость гарантирована если не всем, то почти всем. Дальше мы разберём, почему этот вывод ошибочен.

Реальность по данным SAP: инсайты есть, экономии нет

И вот тут рыночные настроения вступают в прямое противоречие с цифрами. Опрос SAP, который 25 июля 2026 года разобрали CIO Dive, Marketscale и Channel Dive, рисует системно иную картину. Предприятия, внедрившие ИИ, действительно фиксируют ценность в двух областях: генерация бизнес-инсайтов и улучшение взаимодействия с клиентами. Но два показателя, под которые чаще всего изначально писались бизнес-кейсы, — сокращение затрат и экономия времени — остаются по-прежнему труднодемонстрируемыми. Модель работает, а в деньгах и часах это почти не видно.

Это не локальный сбой одной компании, а устойчивый паттерн. На языке ЛПР ситуация выглядит так: пилот показывает зелёные метрики на стенде, а в бюджете следующего квартала статья «ИИ-инструменты» только растёт. Цена токенов упала в разы, а совокупные затраты на ИИ у большинства предприятий выросли — потому что дешевизна модели стимулирует не оптимизацию, а рост потребления. Это классический эффект Джевонса: удешевление ресурса увеличивает, а не уменьшает совокупные расходы на него, потому что падает стимул к экономии и расширяется сфера применения.

Отсюда первый практический вывод: само по себе снижение цены модели не приближает компанию к окупаемости ни на шаг. Если бизнес-кейс строился на экономии, а экономии нет, проблема не в модели и не в её тарифе.

Почему цена модели никогда и не была узким местом

Дефицитный ресурс в корпоративном ИИ — не вычисления и не токены, а связность: способность доставить ответ модели туда, где принимается решение, с учётом регламентов, контекста и уже принятых решений. В этом и состоит «разрыв последней мили». Компания покупает подписку на мощную модель, сотрудники открывают чат, вставляют задачу — и получают generic-ответ, который приходится перепроверять, дополнять контекстом компании и вручную переносить в нужный документ. На каждый сэкономленный моделью час на генерацию набегает час-другой на ручную доработку, проверку и доставку. В итоге чистая экономия времени по процессу стремится к нулю, сколько бы ни стоил токен.

Узкое место лежит в инфраструктуре доставки, а не в интеллекте. Это четыре слоя: постоянная память (чтобы модель знала контекст компании, а не спрашивала заново каждый раз), регламентация (чтобы ответ опирался на утверждённые правила, а не на галлюцинацию), интеграция (чтобы ответ попадал в рабочую систему, а не в ещё одну вкладку) и измерение (чтобы экономия считалась в часах по конкретному процессу, а не в абстрактных метриках вовлечённости). Ни один из этих слоёв не становится дешевле от того, что OpenAI снижает цену модели. Наоборот — чем дешевле токены, тем больше стимул запускать «ещё одного агента» без выстроенной инфраструктуры, и тем быстрее растут неконтролируемые затраты.

Gartner: свыше 40% агентских проектов закроют к концу 2027 года

Картину довершает прогноз Gartner от 25 июня 2025 года: к концу 2027 года будет отменено свыше 40% корпоративных агентских ИИ-проектов. Причины названы предельно конкретные — растущие затраты, неясная бизнес-ценность и недостаточный контроль рисков. Важный нюанс, на который в июле 2026 года обратил внимание Forbes: отмены происходят не из-за слабости моделей, а из-за управленческих проблем — плохой регламентации, неопределённой бизнес-ценности и недостаточной операционной дисциплины.

Проще говоря, модели за последние два года стали радикально умнее и дешевле, а доля провалов проектов осталась высокой. Это сильнейший аргумент против тезиса «подешевеет — и окупится». Технология улучшается быстрее, чем организации учатся её применять, и именно второе, а не первое, определяет, получите вы возврат или попадёте в те самые 40%.

Где ИИ реально работает, а где маркетинг

Полезно разделить реальные эффекты и декларативные. По совокупности данных за 2025–2026 годы ИИ даёт измеримый возврат там, где три условия сходятся одновременно: процесс высокоповторяющийся, контекст формализован в структурированные данные, а результат легко проверить. Это клиентическая поддержка первого уровня, первичная обработка документов, онбординг по чек-листу, ответы по регламенту из базы знаний. В этих зонах экономия реальна и составляет по разным оценкам от 30% до 80% цикла.

Маркетинг же концентрируется на другом — на заявлениях о «трансформации», об «агентах, которые всё решают сами», и о «радикальном сокращении ФОТ». Между заявлением и результатом обычно стоит системный пропуск: нет измерения в часах, нет базовой линии «до», нет привязки к конкретному процессу. Именно поэтому опрос SAP фиксирует инсайты, но не экономию: инсайт невозможно подставить в бюджет, а часы — можно. Компании, которые меряют инсайтами, в бюджете проигрывают; компании, которые меряют часами и деньгами, видят реальную отдачу.

Это согласуется с исследованием PwC от 13 апреля 2026 года: три четверти экономических выгод от ИИ концентрируются всего у 20% компаний. Лидеров от остальных отличает не размер модели и не бюджет на токены, а способность перестроить процессы под ИИ и измерять результат в деньгах. Подробнее об этом распределении и о том, почему фокус на росте, а не на экономии, отделяет лидеров, — в нашем разборе реальности ROI в ИИ.

Практические шаги для ЛПР

Первое — пересчитайте бизнес-кейс. Если он строился на экономии от «дорогих» моделей, а модель подешевела на 80%, но экономии по-прежнему нет, значит, модель не была вашим узким местом. Не обновляйте прогноз ROI в большую сторону только из-за снижения тарифа — найдите реальное узкое место в доставке.

Второе — считайте в часах, а не в токенах. Единственная метрика, которая имеет смысл для ЛПР, — сколько часов в неделю сэкономлено на конкретном процессе с измеренной базовой линией «до». Дашборды с «токенами» и «вовлечённостью» декоративны. Подробно этот подход разобран в материале о том, как ИИ снижает трудозатраты, когда доставка выстроена правильно.

Третье — не запускайте агентов без регламента. Если нет документа, описывающего, что агент может и чего не может, кто отвечает за его действия и как откатить результат, — вы попадаете в зону тех 40% проектов, которые Gartner прогнозирует к закрытию. О роли регламентации — в отдельном разборе регламентации бизнес-процессов с ИИ.

Четвёртое — начните с одного процесса с максимальной плотностью повторяющихся вопросов. Обычно это онбординг новых сотрудников или база знаний компании. Загрузите контекст в систему с постоянной памятью, измерьте результат за две недели, и только потом масштабируйте.

Как закрыть разрыв последней мили

Падение цены GPT-5.6 на 80% — это действительно важное событие, но не победа, а лишь устранение одного из многих барьеров. Узким местом остаётся доставка: способность превратить дешёвый интеллект в конкретные сэкономленные часы и сэкономленные деньги внутри конкретного процесса. Компании, которые первыми закроют этот разрыв, получат преимущество не от лучшей или более дешёвой модели, а от выстроенной инфраструктуры памяти, регламентов и измерения.

recall — ИИ-советник с системой постоянной памяти для бизнеса — построен именно для закрытия этого разрыва. Сотрудник задаёт вопрос на естественном языке и получает ответ, учитывающий специфику компании, её регламенты и уже принятые решения, без посредников и без ожидания. Система памяти накапливает контекст: чем дольше вы пользуетесь, тем точнее ответы и тем выше реальная, измеримая в часах экономия — независимо от того, сколько стоит токен. Подробнее о том, чем ИИ-советник с памятью отличается от обычного чата.

Узнайте больше о recall и попробуйте бесплатно

Источники

• Axios, 30 июля 2026: OpenAI снижает цены на GPT-5.6 Luna и Terra (примерно на 80% и 20%).
• Softonic, июль 2026: детали тарифов GPT-5.6 Luna (0,20 / 1,20 долл. за млн токенов) и Terra (2 / 12 долл.).
• Quartz, 31 июля 2026 и gHacks Tech News, 4 августа 2026: OpenAI превзошёл отметку в один миллиард активных пользователей после снижения цен.
• CIO Dive / Marketscale / Channel Dive, 25 июля 2026: опрос SAP — ИИ даёт инсайты и улучшает взаимодействие с клиентами, но не сокращает затраты и время.
• Gartner, пресс-релиз 25 июня 2025: свыше 40% агентских ИИ-проектов будут отменены к концу 2027 года; комментарий Forbes от 7 июля 2026.
• PwC, 13 апреля 2026: три четверти экономических выгод от ИИ концентрируются у 20% компаний.