Содержание
Затраты на ИИ быстро догоняют реальность подписок: план ChatGPT Pro 20x за $200 в месяц может тянуть на $14 000 расходов по API-тарифам. Для пользователя это около 16 000 рублей в месяц. Для OpenAI — потенциально около 1,1 млн рублей вычислительной нагрузки.
Исследовательская фирма SemiAnalysis купила подписки Anthropic и OpenAI. Затем команда запускала длинные задачи по программированию до исчерпания недельных лимитов. Расчёт сделали через стоимость тех же токенов при оплате по API.
И получилась неприятная для AI-компаний математика. Подписка продаётся как понятный месячный платёж. Но активный пользователь может съесть вычислений на сумму в десятки раз выше.
Подписка за $200 скрывает расход на $14 000
SemiAnalysis сравнила месячную цену подписок OpenAI и Anthropic с максимальным возможным расходом токенов, если считать его по API-прайсу. Разрыв особенно заметен на старших тарифах: пользователь платит $200, а провайдер фактически обслуживает нагрузку на тысячи долларов.
| План | Цена подписки | Максимальный расход по API |
|---|---|---|
| Claude Max 20x | $200 в месяц, около 16 000 рублей | $8 000, около 630 000 рублей |
| ChatGPT Pro 20x | $200 в месяц, около 16 000 рублей | $14 000, около 1,1 млн рублей |
Нижние тарифы держатся лучше, но запас там тоже небольшой. Anthropic выходит в ноль на Claude Pro и Claude Max 5x при 20% использования лимита. OpenAI начинает терять деньги на базовых ChatGPT Plus и ChatGPT Pro 5x уже после 11,4% загрузки.
На старших планах картина жёстче. Anthropic теряет валовую маржу при 10% использования. OpenAI уходит в минус после 5,7%. Это не баг в таблице цен, а следствие того, как растёт потребление токенов.
Стоимость одного токена снижается по мере оптимизации моделей и дата-центров. Но пользователи начинают просить больше: длинный код, агенты, анализ документов, многошаговые задачи. В итоге экономия на токене не успевает за ростом объёма.
Агенты съедают бюджет быстрее обычных чат-ботов
Самый дорогой сценарий для AI-провайдеров — агентные системы, которые сами планируют работу, вызывают инструменты и много раз обращаются к модели. Такие задачи могут расходовать до тысячи раз больше токенов, чем обычный запрос в чат-боте.
Для компаний это уже не теоретическая проблема. Microsoft, Meta и Amazon, по данным отраслевых публикаций, стали осторожнее относиться к безлимитному потреблению токенов внутри корпоративных сервисов. Один неназванный бизнес потратил $500 млн за месяц, около 39 млрд рублей, после запуска лицензий для сотрудников без жёсткого лимита.
С подписками дилемма простая. Поднять цену трудно: пользователь уже привык к $20 или $200 в месяц. Урезать лимиты тоже опасно, потому что конкурент рядом. А платить за чужой энтузиазм GPU-кластерами бесконечно нельзя.
SemiAnalysis считает, что обслуживать модели уровня Opus 4.8 за $20 в месяц скоро можно будет с прибылью. Но это касается уже существующего класса моделей. Передовые frontier-модели вроде Mythos останутся дорогими. Их функции могут уйти в API с оплатой за каждый токен.
DeepSeek и open-source становятся финансовым клапаном
Компании начали переносить часть задач с дорогих frontier-моделей на более дешёвые LLM, включая китайские open-source-модели вроде DeepSeek. Идея простая: сложное программирование или архитектуру отдаём Anthropic, а типовую рутину закрывает модель дешевле.
Wall Street Journal приводит оценку: инструменты, которые автоматически переключают агентов между моделями, могут снизить расходы до 95%. Для бизнеса это уже не оптимизация ради красивого графика. Это разница между пилотом и внедрением на тысячи сотрудников.
Заместитель декана Колумбийского университета Вишал Мисра сформулировал это без романтики: «Вам не нужна модель, которая знает квантовую гравитацию». По его словам, open-source-модели уже достаточно сильны, а возможность брать большую премию за ИИ будет снижаться.
Стартап Lindy, который делает AI-ассистентов для руководителей, перешёл на DeepSeek V4 для части задач. Основатель компании Фло Кривелло сказал WSJ, что модель оказалась сопоставима с Sonnet, но стоит в десять раз меньше. Anthropic компания оставила для сложной работы, включая кодинг.
По словам Кривелло, такой переход сэкономил Lindy миллионы долларов. Для рынка это показательный пример: компания не отказывается от сильных моделей, а перестаёт тратить их на каждое письмо, сводку и простую операцию.
Другой путь — собственные модели на базе open-source. Компания берёт открытую LLM, дообучает её на внутренних данных и режет зависимость от внешнего API. Старт дороже и сложнее, зато при больших объёмах счёт может стать ниже.
Глава OpenAI Сэм Альтман уже признавал проблему растущих расходов на токены. Он говорил, что компания ищет способы дать пользователям «больше ценности за меньшие траты» при работе с ChatGPT.
SemiAnalysis опубликовала свои расчёты 10 июня 2026 года. По этим данным, ChatGPT Pro 20x за $200 в месяц начинает приносить OpenAI убыток уже после 5,7% использования доступного ресурса.
