Открытые и закрытые модели находятся на разных экспонентах

Нейтан Ламберт написал эту небольшую заметку для interconnects в июне 2026 года. Его тезис в том, что баланс сил между открытыми и закрытыми моделями определит экономика, а именно готовность пользователей и дальше платить высокую маржу за лучшие закрытые модели. Агенты для написания кода дали первый ответ в начале 2026 года: как минимум один огромный рынок готов платить внушительную наценку за более высокий интеллект. В списке open-source-ai-reading-list этот пост приводится как объяснение того, где именно расходятся пути внедрения обоих типов моделей.

Экспонента закрытых моделей

Привычки пользователей начали меняться с появлением агентов для написания кода после преодоления порогов Opus 4.5 и Codex 5.2. Ламберт отмечает, что люди перешли на них из-за роста итоговой продуктивности при использовании агента в роли помощника в реализации. Любой, кто опирается на агентов в работе, предпочтёт заплатить за лучшее решение, а не довольствоваться приемлемым. Сам он отдавал бы по $2 000 в месяц за сегодняшние инструменты. При этом он признаёт, что многие компании навязывают агентов сотрудникам, которым те в текущем виде дают мало пользы, и это подпитывает масштабное развёртывание инфраструктуры - или раздувание пузыря.

Лучшие лаборатории закрытых моделей - сейчас это Anthropic и OpenAI, к которым, вероятно, подтянется Google, - всегда будут создавать наиболее эффективные модели для заданного уровня интеллекта. Веса, обвязка (harness), инструменты и инфраструктура инференса вместе дают огромную отдачу от вертикальной интеграции, тогда как открытые модели, напротив, проектируются под работу во множестве разных сред развёртывания. Если результаты в бенчмарках выйдут на плато, лаборатории начнут оптимизировать полезность в секунду или на ватт; никаких непреодолимых стен на пути прогресса не возникало. Ламберт поддерживает фокус лабораторий на чистом интеллекте, поскольку он открывает новые рынки, тогда как оптимизация на фиксированном уровне интеллекта замыкает существующие рынки и снижает маржинальность.

Его аналогия - iPhone. Можно купить Android и мириться с мелкими неудобствами ради экономии, но зачем, а в работе отдача от производительности ещё выше. Он ожидает, что передовые лаборатории станут гибридом Apple, продающей интегрированные технологии, которые крайне сложно повторить, и Microsoft, продающей высокоэффективные подписки по всей экономике. Через 5-10 лет он ожидает оценку OpenAI и Anthropic в $2-10 трлн у каждой, причём настоящий фронтир превратится в олигополию, похожую на современный рынок облачных провайдеров.

Обратная сторона - постепенное угасание API-бизнеса этих лабораторий. Они будут защищать свои лучшие модели, откладывая их выпуск в API, чтобы экономить ресурсы генерации токенов, избегать дистилляции и сохранять фокус на высокомаржинальных сценариях. Ламберт ожидает, что на горизонте 5-10 лет это станет очевидным; в ближайшей же перспективе дефицит вычислительных мощностей и сильно субсидированные токены определяют цены, маржу и спрос.

Экспонента открытых моделей

Совокупная ценность вокруг открытых моделей окажется гораздо больше, утверждает Ламберт, и с большим отрывом превысит совместную стоимость OpenAI и Anthropic, однако выручка и маржа распределятся по широкому стеку компаний. Множество бизнесов хотят перейти на открытые модели, но сегодня эти модели недостаточно хороши на задачах вне обучающего распределения (out-of-distribution). Со временем разработчики открытых моделей перестанут гнаться за Claude и GPT в рейтинге Artificial Analysis и закроют этот разрыв - либо потому, что больше не смогут финансировать растущие расходы на R&D, либо потому, что некоторые продукты жизнеспособны только при ценах открытых моделей.

Открытые модели не интегрированы вертикально, поэтому для их обслуживания требуется координация нескольких компаний, на каждом уровне есть альтернативы, а цены снижаются до уровня биржевых товаров (commodities). Низкие и предсказуемые цены - именно то условие, при котором корпоративные заказчики начинают создавать собственных внутренних агентов и инструменты для нишевых задач. Стандартная схема развёртывания - найти модель, преодолевающую планку качества для конкретной задачи, и больше никогда её не менять, поскольку перенастройка обходится дорого. Сервисы fine-tuning'а вроде Tinker, Fireworks и Prime Intellect расширяют этот рынок. Он прогнозирует устойчивый рост доли инференса открытых моделей в облаках Google, Amazon и Microsoft, а также на Together, Fireworks и OpenRouter по сравнению с OpenAI и Anthropic.

Две эти экономики развиваются по разным экспонентам. Прогресс остаётся быстрым по всем направлениям, а заявления о том, что рекурсивное самосовершенствование обеспечит закрытым лабораториям недосягаемый отрыв, Ламберт считает преувеличенными. Новые продукты, такие как фоновые агенты, могут работать на моделях обоих типов. Закрытые модели первыми нашли product-market fit в премиальном сегменте интеллектуального труда; открытой же экономике потребуется гораздо больше времени, поскольку она следует за распространением ИИ по всей остальной экономике.

Связь с другими материалами

Этот пост превращает аргументацию из what-comes-next-with-open-models и данные об отставании из open-models-in-perpetual-catch-up в бизнес-прогноз. Работа Кристиана Каталини some-simple-economics-of-open-versus-closed-ai, вышедшая двумя месяцами позже, приходит к такому же разделению - премиальные токены для немногих покупателей и массовые commodity-токены для большинства - исходя из экономики комплементарных активов. Заметка rl-finetune-beats-frontier служит конкретным примером описанного Ламбертом сценария развёртывания "достаточно хороша для одной задачи и больше не меняется".

Аналогия с iPhone ставит Ламберта в оппозицию к Биллу Гёрли и его статье from-open-source-software-to-open-source-strategy, опубликованной месяцем ранее. Гёрли тоже сравнивает OpenAI с Apple образца 2008 года, но видит в ней действующего лидера, которого коалиция последователей низведёт до уровня типового товара, как это сделал Android. Ламберт согласен, что открытая сторона в итоге аккумулирует больше совокупной ценности (что соответствует результату Android), но всё же ожидает, что премиальный сегмент сохранит ценовую власть и вырастет в триллионные компании. Расхождение касается того, какую долю рынка сохранит за собой позиция Apple.

Этот прогноз опирается всего на один рынок. Агенты для написания кода - единственное приведённое свидетельство того, что пользователи готовы платить крупную наценку за лучшую модель, и в посте не ставится вопрос, распространится ли эта готовность на другие виды интеллектуального труда.