Модели уже настолько сильны — почему OpenAI не откроет 100 собственных компаний?

Анонимный пост на Hacker News задал вопрос, которого в индустрии чаще всего избегают. Пользователь ex-aws-dude озаглавил его так: «Если модели настолько хороши, почему OpenAI просто не откроет 100 собственных компаний?» Он сам признал, что заголовок преувеличен, а на самом деле хотел спросить: если передовые модели уже настолько способны, почему OpenAI всё ещё зарабатывает на продаже токенов, а не идёт напрямую в приложения и не забирает конечную прибыль?

Комментарии взорвались, и стороны разделились на два лагеря. Одни говорили, что модели достаточно сильны, чтобы заменить массу человеческого труда, и именно на уровне приложений находится настоящий источник прибыли; другие — что управлять компанией гораздо сложнее, чем писать хороший софт, и ИИ с этим в принципе не справится. В итоге аргументы обеих сторон сошлись на одной линии: дело не в том, что модели недостаточно умны, а в том, что никто не решается доверить им ответственность за результат.

Что модели умеют — уже не размытый вопрос

Сначала посмотрим на бенчмарки. OpenAI заявляет, что GPT-5.5 набирает 82,7% в Terminal-Bench 2.0, GPT-5.4 — 75,1%, Claude Opus 4.7 — 69,4%; в OSWorld-Verified модель получает 78,7%, что выше человеческого базового уровня. Ещё показательнее тест GDPval: из 44 профессиональных задач GPT-5.5 в 84,9% задач достигает или превосходит уровень отраслевых экспертов, у предыдущего поколения GPT-5.4 этот показатель составлял 83,0%.

Помимо бенчмарков есть реальные кейсы. Финансовый директор OpenAI Сара Фрайар на конференции Goldman Sachs Communacopia в сентябре 2026 года привела двух корпоративных клиентов: код Canva «на 100% создаётся OpenAI», еженедельно генерируются миллиарды изображений; ИИ-ассистент по страховым выплатам компании Travelers за два месяца расширился с 8 штатов на всю страну.

Это уже не лабораторные демонстрации. Модели способны писать production-код, обрабатывать структурированные профессиональные задачи и эффективно работать в чётко очерченных границах.

Чего они не умеют — бенчмарки этого не показывают

В комментариях на Hacker News сложилось довольно единое мнение: большим моделям не хватает способности к суждению и долгосрочной автономности. Способность к суждению — это умение принимать решения в сложных и трудных ситуациях, а не просто правильно заполнять известные ответы; это способность определять, что делать, когда информация неполна, а последствия необратимы. Один из пользователей резюмировал, что модели 2026 года отлично выполняют задачи с чёткими границами и уже определёнными идеями, но не видят общей картины, им не хватает дальновидности и креативности.

В комментариях кто-то переформулировал исходный вопрос ещё резче: «Если модели настолько хороши, почему они не могут сами управлять компанией?» Ответ: управлять одной компанией проще, чем сотней, но для успеха компании нужно гораздо больше, чем просто написать хороший софт. Нужно оценивать рынок, управлять денежными потоками, справляться с регулированием, обрабатывать жалобы клиентов и делать ставки в условиях неопределённости. Общая черта всех этих вещей — отсутствие стандартного ответа, а ошибка стоит денег.

Вот эта граница: она проходит не в самих интеллектуальных задачах, а в том, «кто отвечает за результат».

Изменение тарификации Codex — зеркало этой границы

Действия самой OpenAI подтверждают эту линию. В апреле 2026 года биллинг Codex перешёл от «оценки по сообщениям» к строгому соответствию потреблению токенов API: сначала для индивидуальных и корпоративных пользователей Plus, Pro и других тарифов, а в конце апреля — для каналов в сфере образования, медицины и госсектора. Одновременно появились «места Codex» без фиксированной ежемесячной платы — чисто по токенам, без ограничений скорости.

Сторонние аналитики посчитали цены на кредиты Codex: 1 кредит равен 0,04 доллара, тариф Sol на 750 кредитов соответствует 30 долларам за миллион выходных токенов. Вывод: «это не скидка и не наценка, а просто предоплаченный прайс-лист API».

Это означает, что OpenAI превратила Codex из «шведского стола по подписке» во «взвешивание по граммам». Один разработчик подсчитал: за последние 30 дней он израсходовал токенов на 1199,79 доллара в Claude Code и на 980,37 доллара в Codex — в сумме 2180,16 доллара, тогда как фактически заплатил за подписку всего 200 долларов. После перехода с помесячной оплаты на оплату по объёму номинальная стоимость тех же возможностей для него выросла почти в 11 раз.

Посмотрим на это с другой стороны: если бы OpenAI была достаточно уверена в способности своих моделей доводить дело до конца, ей было бы выгоднее брать плату за задачу или за результат. Но она пошла в противоположном направлении — довела гранулярность биллинга до самого мелкого уровня токенов. Продажа по токенам — это продажа вычислительных мощностей и права пользоваться способностями, а не результата. Что пользователь с этим сделает, получится у него или нет — весь риск остаётся на его стороне.

Токен-бизнес на 40 миллиардов долларов

Масштаб этой модели уже впечатляет. Фрайар на конференции Goldman Sachs сообщила, что годовой темп выручки OpenAI в июле 2026 года превысил примерно 40 миллиардов долларов, причём корпоративный сегмент (корпоративные подписки плюс API) уже составляет более половины. Её дословная цитата: «В начале года у нас было 60 на 40, но корпоративный рост значительно опередил ожидания, и две линии уже пересеклись». Годовой темп выручки вырос на 20% месяц к месяцу с июня по июль, а корпоративный бизнес за тот же период — на 32%.

Сторонние данные это подтверждают. Отчёт платёжной компании Ramp за третий квартал 2026 года показывает, что расходы предприятий на API OpenAI выросли на 82% по сравнению с предыдущим кварталом, а на Anthropic — на 76%.

Теперь о ценах. GPT-5.5 по сравнению с GPT-5.4 подорожала вдвое: ввод вырос с 2,5 до 5 долларов за миллион токенов, вывод — с 15 до 30 долларов. Объяснение OpenAI: модель умнее и эффективнее по токенам, поэтому на одну и ту же задачу тратится меньше токенов. А на более ранних моделях стратегия снижения цен тоже сработала: после снижения цены Luna максимум на 80% использование выросло примерно в 10 раз, что по грубой оценке соответствует доходу примерно в 2 раза выше, чем до снижения. Цена за единицу упала, но общий объём вырос ещё сильнее, и совокупная выручка увеличилась. Это классический парадокс Джевонса в контексте ИИ: рост эффективности и снижение затрат не сжимают рынок, а расширяют его.

Фрайар также привела очень наглядную цифру: топ-10% клиентов на человека в неделю потребляют в 8 раз больше токенов, чем средний клиент (раньше было в 3 раза), а сотрудники самой компании — в 33 раза больше среднего клиента. По её словам, «то, как ведущие клиенты используют модель сегодня, — это то, как обычные клиенты будут использовать её через два года». Если это суждение верно, общее потребление токенов ещё далеко от пика.

Число пользователей Codex выросло с примерно 100 тысяч в январе 2026 года до примерно 25 миллионов в сентябре 2026 года. По официальной оценке OpenAI, средний разработчик тратит от 100 до 200 долларов в месяц. Даже если взять среднее значение 150 долларов и умножить на 25 миллионов человек, годовой масштаб получается колоссальным, хотя фактическая доля платящих и среднее потребление наверняка ниже этого потолка.

Почему оплата за результат пока остаётся лишь идеей

Фрайар на том же мероприятии отметила, что корпоративным клиентам всё чаще нужны ИИ-системы, кастомизированные под конкретные задачи, и OpenAI «будет устанавливать цены на основе бизнес-результатов, а не объёма использования». Она также предложила отрасли оценивать модели по «стоимости за задачу», а не по «стоимости за токен», и привела сторонние данные, согласно которым Astra достигает того же результата, используя на 68% меньше токенов, чем конкурирующие передовые модели.

Если поставить эти два высказывания рядом, видно, куда OpenAI хочет двигаться и где она находится сейчас. «Будет устанавливать цены на основе бизнес-результатов» — это будущее время; а реформа Codex, которую только что завершили, как раз свела биллинг к самой мелкой токеновой гранулярности. Предпосылка оплаты за результат — способность модели отвечать за итог или хотя бы стабильно выдавать измеримый результат. Расширение ассистента Travelers на всю страну выглядит близким к этому стандарту, но это в сценарии страховых выплат, где процессы высоко стандартизированы и критерии оценки относительно чётки. Для большинства корпоративных задач сам «результат» трудно определить, не говоря уже о том, кто возьмёт на себя риск его недостижения.

В комментариях кто-то привёл аналогию с Apple и App Store: ни одна компания не может быть экспертом во всём, а продажа токенов — это «деньги без риска»: берёшь комиссию с каждого приложения, но не несёшь операционных рисков. Аналогия не совсем точна: Apple забирает фиксированный процент с транзакционного оборота, а OpenAI продаёт вычислительные ресурсы, но логика схожа: платформа ставит себя в позицию, где не отвечает за бизнес-результат, и её доход растёт вместе с совокупным объёмом всех приложений на платформе.

Реклама — ещё одно направление для пробы. Фрайар сообщила, что рекламный бизнес за семь месяцев после запуска достиг годового темпа в 1 миллиард долларов и стал «самым быстрым продуктом компании, достигшим 1 миллиарда», уже охватив 40 стран; среди клиентов — WPP и Dentsu, а нативные ИИ-рекламные форматы ещё не запущены. Миллиард долларов на фоне 40 миллиардов — небольшая доля, но коммерческая суть рекламы — плата за внимание или конверсию, что ближе к «оплате за результат», чем плата за токены. Пока это лишь фланговое направление.

Один из комментаторов отметил, что текущие цены API содержат элемент субсидий венчурного капитала: на уровне инференса маржа положительная, но компания в целом всё ещё убыточна. Если это суждение верно, токеновое ценообразование ещё не отражает всех затрат, и первоочередная задача OpenAI — нарастить масштаб токеновой выручки до достаточного уровня, а не рисковать, пробуя непроверенную модель монетизации.

Безопасная линия

Модели действительно уже очень сильны — настолько, что Canva генерирует с их помощью весь код, Travelers за два месяца развернула ИИ-обработку страховых требований по всей стране, а 84,9% профессиональных задач выполняются на уровне или выше человеческих экспертов. Но между «сильна» и «способна управлять компанией» лежит целый пласт: суждение в условиях неопределённости, обязательства по результату, принятие неудач.

Продажа моделей по токенам — это по сути безопасная линия. OpenAI стоит по одну сторону и предоставляет возможности, клиент — по другую и несёт риски. Годовой темп выручки в 40 миллиардов долларов, рост расходов на API на 82% по сравнению с предыдущим кварталом, 25 миллионов пользователей Codex — всё это доказывает, что линия проведена в правильном месте. Слова Фрайар о «ценообразовании на основе бизнес-результатов» описывают, куда эта линия должна сдвинуться; переход Codex на токеновый биллинг подтверждает, что сейчас она всё ещё здесь.

Впрочем, кое-кто уже пробует заступить за эту линию. Согласно пресс-релизу HubSpot, с апреля 2026 года компания перевела своего ИИ-агента поддержки Breeze Customer Agent с тарифа «1,00 доллар за диалог» на «0,50 доллара за каждый успешно решённый диалог», а агента по лидогенерации Breeze Prospecting Agent — на «1 доллар за каждый лид, рекомендованный для исходящего звонка». Директор по работе с клиентами HubSpot Джон Дик высказался прямо: «От бизнеса требуют делать крупные ставки на ИИ, но слишком часто они покупают потенциал, а не результат. Ценообразование по результату снимает этот риск — платишь только за эффект, без всяких „но“». Это реально внедрённый ценовой эксперимент, но он происходит в сценариях, где результат легко измерить — поддержка и лиды, — и до «ведения бизнеса за клиента» ему ещё очень далеко. Куда в итоге сдвинется эта линия, зависит от того, в каком масштабе модели смогут давать проверяемые обязательства по результату. Пока же токен-бизнес на 40 миллиардов долларов и есть сам ответ.