Новые лидеры китайского рынка

Компания Alibaba представила свою крупнейшую на данный момент модель Qwen3.8-Max. Она обладает 2,4 триллионами параметров и использует архитектуру mixture-of-experts. Это означает, что для обработки каждого отдельного запроса активируется лишь часть параметров — около 95 миллиардов. Такой подход позволяет снизить задержки и уменьшить затраты на вычисления.

Qwen3.8-Max способна работать с текстом, изображениями и видео, поддерживая контекст объемом до одного миллиона токенов. В тестах модель показала высокую эффективность: например, она смогла самостоятельно завершить программный проект за 16 дней. По результатам платформы Arena.AI, модель заняла первое место среди китайских текстовых моделей и второе место в рейтинге моделей для анализа визуального контента.

Стратегия DeepSeek: ставка на доступность

В то время как Alibaba делает ставку на масштаб, компания DeepSeek выбрала другой путь с моделью V4-Flash. Вместо огромного количества параметров она предлагает крайне низкую стоимость использования. Согласно данным Artificial Analysis, цена за миллион входных токенов для V4-Flash составляет всего 0,14 доллара, а за выходные — 0,28 доллара.

Такая ценовая политика делает DeepSeek крайне конкурентоспособной. В тестах на выполнение задач средняя стоимость одного теста для V4-Flash составила всего 3 цента. Для сравнения: выполнение аналогичной задачи с помощью модели Kimi K3 обходится в 86 центов, а использование моделей от OpenAI или Anthropic требует затрат в несколько долларов.

Скрытые расходы при использовании ИИ

Важно понимать, что низкая цена за один токен не всегда означает дешевизну всей задачи. Итоговая стоимость зависит от архитектуры модели, количества необходимых запросов и объема генерируемого текста. Например, модель Kimi K3 от Moonshot AI имеет более высокую базовую цену, но при выполнении сложных задач она может потреблять огромное количество токенов и требовать множества итераций взаимодействия.

В ходе тестов на выполнение сложных интеллектуальных задач Kimi K3 потребовалось в среднем 83 обращения к модели, что в итоге привело к высокой стоимости выполнения одной задачи. Это наглядно показывает, что при выборе ИИ для бизнеса нужно учитывать не только тариф за токен, но и реальный объем работы, который модель выполняет за один цикл.

Открытость и доступность технологий

Еще одним важным фактором конкуренции является способ распространения моделей. Alibaba, DeepSeek и Moonshot AI продолжают выпускать свои разработки с открытыми весами (open-weight). Это означает, что разработчики могут запускать модели на собственной инфраструктуре, а не только через платные API-сервисы компаний-разработчиков.

Такой подход дает пользователям больше гибкости и прозрачности. В отличие от закрытых систем от OpenAI, Google или Anthropic, открытые веса позволяют компаниям самостоятельно контролировать расходы на развертывание и не зависеть от одного провайдера. Это делает качественные технологии ИИ более доступными для широкого круга бизнес-задач.

Что это значит

Развитие китайских моделей демонстрирует переход от гонки за чистым интеллектом к гонке за экономической эффективностью. Компании стремятся сделать ИИ не только умным, но и максимально дешевым и доступным для массового внедрения в бизнес-процессы.