Клиенты ИИ-рынка убеждаются: маленькое, прекрасно

The Register разбирает смену тренда на рынке ИИ: крупные технологические компании всё активнее заменяют универсальные флагманские модели вроде GPT (OpenAI) и Claude (Anthropic) собственными компактными узкоспециализированными моделями. Автор материала, штатный редактор издания по системам и оборудованию Тобиас Манн, называет такие флагманские модели «швейцарскими ножами» ИИ: они умеют почти всё, но для большинства рутинных задач это избыточно и дорого.

Ключевой пример, Microsoft. Компания без лишнего шума развивает собственное семейство моделей MAI с версиями под рассуждения, генерацию кода, изображений и голоса. Согласно материалу Bloomberg от 7 июля 2026 года, на который ссылается автор, эти модели постепенно заменяют инструменты OpenAI внутри продуктов самой Microsoft. Одну из моделей линейки, MAI-Thinking-1, компания описывает как модель среднего размера, входящую в число сильнейших в своём весовом классе: по её словам, модель сопоставима с ведущими решениями по ключевым бенчмаркам (тестам производительности) в разработке ПО, а в слепых оценках людей её предпочитают модели Sonnet 4.6 от Anthropic.

Похожим путём идут и другие облачные гиганты: Amazon делает ставку на собственное семейство моделей Nova и приложения на его основе, а Google использует стратегию компактных моделей ещё с начала бума ИИ, через линейки Gemini и Gemma.

Экономика, главный аргумент в пользу такого подхода: небольшие модели дешевле в развёртывании, а на одном ускорителе умещается сразу несколько их экземпляров, тогда как для большой флагманской модели нередко нужен целый кластер чипов. Для рутинных сценариев, сортировки и выжимки писем, черновика ответа, конспекта встречи, гонять запрос через тяжёлую универсальную модель, по мнению автора, попросту нет смысла. Играет роль и собственное «железо»: в январе 2026 года Microsoft анонсировала ускорители нового поколения Maia 200, заявленные как сопоставимые по производительности с чипами Nvidia Blackwell, свои чипы позволяют оптимизировать софт, железо и модель как единый стек, а не подстраиваться под чужую инфраструктуру.

Ещё один довод, независимость от внешних поставщиков. Автор иронично замечает, что, полагаясь на собственную модель, не приходится беспокоиться, что приложение вдруг «понесёт какую-то дичь» после того, как OpenAI за пару недель предупреждения заменит любимую, но устаревшую модель на новую, или что регулятор однажды сочтёт выбранную модель слишком рискованной для массового использования. Это скорее образная иллюстрация риска, чем описание конкретного случая: так автор подчёркивает саму уязвимость бизнеса, полностью зависящего от чужого API.

Вывод автора: облачные компании по-прежнему нуждаются в OpenAI и Anthropic как в источнике прорывов на переднем крае ИИ, но чем меньше их продукты зависят от чужих моделей в повседневных сценариях, тем больше у них шансов сделать ИИ-направление по-настоящему прибыльным бизнесом, а не дорогой надстройкой поверх чужого API.

Ключевые факты

Microsoft развивает семейство специализированных моделей MAI, с версиями под рассуждения, код, изображения и голос, и, по данным материала Bloomberg от 7 июля 2026 года, постепенно заменяет ими инструменты OpenAI в собственных продуктах.
Модель MAI-Thinking-1, по описанию самой Microsoft, входит в число сильнейших в своём весовом классе: сопоставима с ведущими моделями по бенчмаркам разработки ПО, а в слепых оценках людей её предпочитают модели Sonnet 4.6 от Anthropic.
Amazon делает ставку на собственное семейство моделей Nova и приложения на его основе; Google использует стратегию компактных моделей ещё с начала ИИ-бума, через линейки Gemini и Gemma.
В январе 2026 года Microsoft анонсировала ускорители Maia 200, заявленные как сопоставимые по производительности с чипами Nvidia Blackwell, это позволяет оптимизировать модель, софт и железо как единый стек.
Компактные модели дешевле в эксплуатации: на одном ускорителе умещается сразу несколько их экземпляров, тогда как большой флагманской модели нужен целый кластер чипов; это также снижает зависимость бизнеса от решений OpenAI и Anthropic о смене версий моделей.

Почему это важно

Смена стратегии трёх крупнейших облачных провайдеров, Microsoft, Amazon и Google, говорит о том, что рынок ИИ проходит точку, где универсальные флагманские модели OpenAI и Anthropic перестают быть единственным разумным выбором для бизнеса. Если ещё недавно любая ИИ-функция в продукте почти автоматически означала вызов API GPT или Claude, то теперь крупные игроки показывают: для большей части практических задач достаточно куда более скромной и дешёвой модели, разработанной под конкретную нишу. Это меняет расстановку сил на рынке, облачные гиганты перестают быть просто перепродавцами чужих моделей и превращаются в самостоятельных разработчиков ИИ, конкурирующих с теми, чьи API они ещё вчера встраивали в свои продукты.

Кому это важно

В первую очередь, самим Microsoft, Amazon и Google, которые получают шанс превратить дорогостоящие ИИ-направления в прибыльный бизнес, а не в надстройку поверх чужого API. Важно это и для OpenAI с Anthropic: их крупнейшие клиенты-облака на глазах становятся конкурентами в сегменте прикладных моделей, хотя пока и остаются покупателями их флагманских разработок. Наконец, это важно для компаний и разработчиков, встраивающих ИИ в свои продукты и сервисы: у них появляется более дешёвая и предсказуемая альтернатива универсальным моделям для рутинных сценариев.

Как это применить

Практический вывод для бизнеса: не каждая задача требует вызова самой мощной флагманской модели. Для рутинных операций, сортировки и выжимки почты, черновика ответа, конспекта встречи, вполне достаточно компактной специализированной модели, и это может кратно снизить расходы на обработку запросов моделью, поскольку на одном и том же ускорителе умещается сразу несколько экземпляров небольшой модели вместо одной большой. Крупную универсальную модель имеет смысл приберечь для задач, где действительно нужны широкие рассуждения или творческая гибкость. При выборе поставщика стоит также учитывать риск: полная зависимость от одного внешнего API оставляет бизнес уязвимым, если поставщик меняет или снимает с поддержки версию модели, на которой построен продукт.

Можно ли доверять

Материал, авторская аналитика The Register (автор, штатный редактор издания по системам и оборудованию Тобиас Манн), а не строгая новостная заметка, и написан в характерной для издания ироничной манере. При этом ключевые факты опираются на публично известные и проверяемые вещи: существование модельных линеек Microsoft MAI, Amazon Nova, Google Gemini/Gemma, анонс ускорителей Maia 200 в январе 2026 года и материал Bloomberg от 7 июля 2026 года о постепенной замене OpenAI на MAI внутри продуктов Microsoft. А вот отдельные образные пассажи автора, вроде шутливого примера про странное поведение чат-бота после смены модели или гипотетическую ситуацию с запретом модели регулятором, это иллюстративные обороты авторской речи, а не описание конкретного зафиксированного случая, и их не стоит читать как отдельную новость.

Риски и подводные камни

У ставки на компактные специализированные модели есть обратная сторона. Узкая модель, заточенная под конкретный сценарий, может заметно уступать флагманским GPT и Claude в задачах, где нужны широкий контекст, творческая гибкость или рассуждения по незнакомому классу задач, то есть выигрыш в цене легко может обернуться потерей качества за пределами узкой ниши. Сама расстановка аргументов в материале выгодна прежде всего облачным провайдерам, которые продают собственные модели и чипы, это стоит держать в уме при чтении. Кроме того, даже по логике самого текста, Microsoft, Amazon и Google по-прежнему зависят от OpenAI и Anthropic как источника прорывов на переднем крае ИИ: полностью отказаться от их моделей никто пока не предлагает, речь о снижении, а не о полном разрыве зависимости.

«Модель среднего размера, входящая в число сильнейших моделей в своём весовом классе, она сопоставима с ведущими моделями по ключевым бенчмаркам в разработке ПО, и её предпочитают модели Sonnet 4.6 в слепых оценках людей.»

— Microsoft о модели MAI-Thinking-1