Содержание
Расходы на токены ИИ впервые стали большой темой для клиентов OpenAI: Сэм Альтман признал, что компании начали жаловаться на счета за использование моделей. На мероприятии Intelligence at Work глава OpenAI сказал, что запрос на эффективность резко вышел в топ обсуждений.
Фраза Альтмана звучит почти как разговор с финансовым директором после неудачного квартала: «Люди говорят: это уже мем, но моя компания потратила весь бюджет 2026 года в первом квартале. Можете сделать это эффективнее?»
Для рынка это неприятный, но ожидаемый момент. Последние два года бизнес активно покупал доступ к ИИ-моделям, запускал агентов, подключал API и мерил продуктивность сотрудников. Теперь эксперименты дошли до бухгалтерии, а слово «токены» перестало быть термином из документации для разработчиков.
Почему счета за ИИ выросли именно сейчас
Компании стали тратить больше, потому что перешли от разовых запросов к постоянным сценариям: ИИ-агенты пишут код, анализируют документы, ходят по внутренним системам и делают цепочки задач. Каждый такой шаг сжигает токены, а длинные контексты быстро превращаются в заметную строку расходов.
Альтман сказал, что в начале года клиенты почти не поднимали тему стоимости. По его словам, они были довольны тем, сколько платят за доступ к моделям. Потом ситуация резко изменилась: расходы на токены ИИ стали «huge issue», то есть крупной проблемой.
OpenAI теперь ищет способы дать клиентам больше пользы за меньшие деньги. Альтман говорил именно про улучшение моделей и эффективность, а не про простое снижение цен. Для бизнеса разница большая: дешевый запрос не спасает бюджет, если агент делает сотни лишних шагов.
«Tokenmaxxing» дошёл до мемов и реальных счетов
В индустрии уже появился термин tokenmaxxing — максимально агрессивное использование ИИ-токенов ради роста продуктивности. Идея простая: если модель ускоряет инженера, аналитика или менеджера, значит, на токенах лучше не экономить.
Глава Nvidia Дженсен Хуанг раньше сформулировал это предельно жёстко. Он говорил, что инженеры должны использовать ИИ-токены стоимостью хотя бы половину своей годовой зарплаты. Иначе он был бы «deeply alarmed» — глубоко встревожен.
- OpenClaw: команда Питера Штайнбергера потратила $1,3 млн за месяц на OpenAI API, это около 100 млн рублей.
- 603 млрд токенов: столько запросов набрал тот же месячный расход OpenClaw.
- Amazon: сотрудники признавали, что запускали ИИ-агентов для ненужных задач, чтобы держаться выше во внутреннем рейтинге.
- Microsoft: компания, по сообщениям, сократила лицензии Claude Code из-за роста расходов.
- Uber: глава компании признал, что прямой связи между максимальным использованием ИИ и успешными продуктами пока нет.
Здесь и начинается неприятная математика. Если сотрудник просит ИИ сделать полезную задачу, расходы можно оправдать. Если агент гоняет цепочку действий ради красивой метрики, компания платит за шум.
Рост токенов обгоняет экономию на моделях
Альтман привёл хороший масштаб для сравнения. Шесть с половиной лет назад крупнейший пользователь OpenAI тратил 100 000 токенов в месяц. Сейчас, по словам главы компании, это средний мировой показатель на человека.
Верхняя планка тоже уехала далеко. Лидер по потреблению внутри экосистемы OpenAI использует около 100 млрд токенов в месяц. Альтман с иронией добавил, что кто-то за пределами OpenAI тратит ещё больше.
Если потребление будет расти линейно, Альтман допускает сценарий, где средний мировой расход дойдёт до 100 млрд токенов в месяц на человека. Это звучит дико, но история вычислений уже видела похожую логику. Когда ресурс дешевеет, люди начинают использовать его больше.
Этот эффект называют парадоксом Джевонса. В случае ИИ он особенно заметен: модели дешевеют на один запрос, но агенты делают больше запросов. Сложные цепочки, большой контекст и автоматические проверки легко съедают выгоду от оптимизации.
Проблема для OpenAI и других разработчиков моделей теперь выглядит прямолинейно. Они должны снижать стоимость инференса быстрее, чем растёт аппетит клиентов к токенам. Иначе часть компаний снова сравнит ИИ не с магией, а с зарплатой живого специалиста.
Сам Альтман описал смену настроения так: в начале года вопрос расходов «никогда не возникал», а затем «вдруг стал огромной проблемой».
