Village LLM Atlas: закрытые ИИ-модели вытеснили открытые по цене и качеству

Компания Village опубликовала анализ на основе своего LLM Atlas, каталога, который показывает границу соотношения цены и качества: самую сильную ИИ-модель на каждом ценовом уровне. Оценки в исследовании актуальны на 31 октября 2026 года. Вывод: закрытые модели занимают почти все бюджеты. Открытая модель (с открытыми весами) сейчас лучшая покупка лишь на 3% бюджетов, и почти все они приходятся на дешёвый край, их удерживают Gemma 4 E4B от Google и MiMo-V2.6-Flash от Xiaomi.

В июне этот показатель был 41%. Тогда одна только DeepSeek V4 Flash была лучшей покупкой почти на трети бюджетов, а GLM-5.2 от Zhipu стояла чуть выше неё. Большую часть этого отыграли два релиза OpenAI: GPT-6 Luna в сентябре и GPT-6.1 Terra в октябре. Теперь они вместе с Claude Haiku 5.5 от Anthropic покрывают бюджеты, которые раньше выигрывали открытые модели.

Открытые модели и раньше лидировали по выгоде, но ненадолго. Нынешняя доля, самая низкая из всех замеров Village: в конце каждого квартала начиная с 2024 года открытые модели держали не менее 6% бюджетов. Пики давали отдельные релизы: например, DeepSeek-V3.2-Exp в неделю выхода в сентябре 2025 года была лучшей покупкой почти на половине всех бюджетов. После каждого пика доля открытых моделей к следующему кварталу падала примерно вдвое или сильнее, потому что закрытые лаборатории выпускали более дешёвые версии. Авторы резюмируют: открытые модели выигрывают всплесками, сильный и дешёвый релиз, обычно от DeepSeek, занимает широкую полосу бюджетов, пока его не перебьёт следующая закрытая модель. Последние закрытые релизы одновременно и дешевле, и сильнее любой открытой модели, поэтому полоса сузилась до самого низа ценового диапазона.

Почему закрытые лаборатории могут выигрывать, Village объясняет тремя гипотезами, которые «подходят под картину». Первая: закрытые лаборатории могут дистиллировать собственные передовые модели, обучать более дешёвые на их ответах внутри компании. Сегодняшние дешёвые закрытые версии появлялись через недели после флагманов: Claude Haiku 5.5 вышла через две недели после Claude Opus 5.5. Открытым лабораториям приходится стартовать со своих, более слабых моделей, поскольку условия закрытых лабораторий, как правило, запрещают обучать конкурентов на их выходных данных. Вторая: закрытые лаборатории выпускают целые семейства. Модели GPT-6 и GPT-6.1 от OpenAI, от Luna и Terra до Sol и Astra, занимают 11 из 21 точки границы, так что одно поколение закрывает почти любую цену. Третья: закрытые лаборатории могут обслуживать модели дешевле, OpenAI, Anthropic и Google запускают вывод (инференс) в огромных масштабах, Google ещё и на собственных чипах, что может снижать стоимость каждой задачи, тогда как большинство лабораторий открытых моделей обслуживают намного меньше трафика.

Методика: Atlas оценивает уровень возможностей каждой модели и режима рассуждения по публичным результатам бенчмарков и отдельной моделью стоимости считает цену задачи по запускам оценщиков. Стоимость указана относительно GPT-5 с высоким уровнем рассуждения. Для каждой даты берутся все вышедшие к ней модели и для каждого из 201 бюджета, равномерно распределённых в логарифмической шкале от 1% до трёхкратной стоимости GPT-5, выбирается самая сильная. Стоимость отражает то, что оценщики платили через облачные API, а на собственном оборудовании открытые модели могут выйти дешевле. Если брать только модели с оценками минимум по 10 семействам бенчмарков или сузить бюджеты до диапазона от 3% до однократной стоимости GPT-5, картина та же; если расширить бюджеты от 0,3% до десятикратной стоимости, доля открытых сегодня вырастет до 16%, потому что крошечные открытые модели по-прежнему выигрывают на самом дешёвом краю.

Ключевые факты

На 31 октября 2026 года открытая модель, лучшая покупка лишь на 3% бюджетов (в июне, 41%); почти всё приходится на дешёвый край, где лидируют Gemma 4 E4B (Google) и MiMo-V2.6-Flash (Xiaomi).
Июньский пик обеспечивала в основном DeepSeek V4 Flash (лучшая покупка почти на трети бюджетов); его отыграли GPT-6 Luna (сентябрь) и GPT-6.1 Terra (октябрь) от OpenAI вместе с Claude Haiku 5.5 от Anthropic.
Нынешняя доля открытых моделей, самая низкая из замеров; в конце каждого квартала с 2024 года она была не ниже 6%, а после каждого пика за квартал падала примерно вдвое или сильнее.
Авторы предлагают три объяснения: дистилляция собственных флагманов, выпуск целых семейств (модели GPT-6 и GPT-6.1 держат 11 из 21 точки границы) и возможное более дешёвое обслуживание.
Стоимость указана относительно GPT-5 и отражает оплату через облачные API; при расширении диапазона бюджетов (от 0,3% до десятикратной стоимости GPT-5) доля открытых сегодня, 16%.

Почему это важно

Открытые модели обычно считают дешёвой альтернативой закрытым. Данные Village показывают, что по соотношению цены и качества эта альтернатива сейчас почти исчезла: доля бюджетов, где открытая модель лучшая покупка, упала с 41% в июне до 3% и стала самой низкой из всех замеров Village. Одновременно анализ показывает закономерность: открытые модели выигрывают всплесками, обычно после сильного и дешёвого релиза DeepSeek, а затем закрытые лаборатории выпускают более дешёвые версии, и доля быстро падает.

Кому это важно

Командам, которые выбирают модель под бюджет и решают, брать ли открытую или закрытую. Тем, кто следит за конкуренцией между закрытыми лабораториями (OpenAI, Anthropic, Google) и разработчиками открытых моделей (DeepSeek, Zhipu, Xiaomi). Также исследователям и аналитикам рынка, которым нужны данные о том, как менялась граница цены и качества с 2024 года.

Как это применить

Если вы платите за модели через облачные API, сверьтесь с Atlas на своём уровне бюджета: по данным Village, на большинстве уровней сейчас лучшая покупка закрытая модель, а открытые остаются выгодными в основном на самом дешёвом краю (Gemma 4 E4B, MiMo-V2.6-Flash). Важная оговорка самих авторов: стоимость отражает цены облачных API, а на собственном оборудовании открытые модели могут обходиться дешевле, для такого сценария вывод может быть иным. Какие-либо цены в долларах в материале не приведены: стоимость дана относительно GPT-5 при высоком уровне рассуждения.

Можно ли доверять

Это собственное исследование Village на данных её же каталога LLM Atlas; независимой проверки в материале нет. Оценка возможностей строится по публичным результатам бенчмарков, стоимость, отдельной моделью по запускам оценщиков; подробности методологии лишь упомянуты со ссылкой на описание. Авторы проверили устойчивость вывода: при ограничении моделей теми, у кого оценки минимум по 10 семействам бенчмарков, и при сужении бюджетов картина та же. Имена авторов в источнике не указаны. Объяснения победы закрытых лабораторий даны как возможные («подходят под картину»), а не как доказанные причины.

Риски и подводные камни

Вывод зависит от выбранного диапазона бюджетов: при расширении от 0,3% до десятикратной стоимости GPT-5 доля открытых сегодня составляет 16%, потому что крошечные открытые модели выигрывают на самом дешёвом краю. Стоимость считается по цене облачных API, а самостоятельный запуск на своём оборудовании не измерялся. Три объяснения лидерства закрытых лабораторий, гипотезы: доказательств того, что дешёвые версии действительно дистиллированы из флагманов, в материале нет. Наконец, картина быстро меняется: прошлые пики открытых моделей длились недолго, и новый сильный дешёвый релиз может снова поднять их долю.

«Открытые модели выигрывают по соотношению цены и качества всплесками: сильный и дешёвый релиз, как правило от DeepSeek, занимает широкую полосу бюджетов, пока следующая закрытая модель не окажется дешевле.»

— Village, исследование на основе LLM Atlas