ИИ ИИшка Про
Новости

Китайские нейросети захватили до 46% корпоративного рынка США — они в разы дешевле

AI-редакция · перевод с источника CNBC, buildfastwithai

Китайские открытые нейросети незаметно, но стремительно занимают корпоративный рынок США. По расследованию CNBC, их доля в потреблении токенов через американские платформы достигла 46% (через агрегатор OpenRouter) — против среднего значения 11% за предыдущие 12 месяцев.

Почему бизнес переходит на китайские модели

Причина прагматичная — деньги. Открытые китайские модели обходятся на 60-90% дешевле, чем предложения Anthropic и OpenAI. При этом по качеству на многих задачах они уже не уступают западным флагманам.

GLM-5.2 — главная история роста

Ярчайший пример — GLM-5.2 от Z.ai: за первую неделю на платформе Vercel модель показала 80-кратный рост числа клиентов и 27-кратный рост объёма токенов. По бенчмарку SWE-bench Pro она набрала 62,1% — выше, чем GPT-5.5 (58,6%), при цене $1,4 / $4,4 за млн токенов и открытой лицензии MIT, которая снимает региональные ограничения.

От «токенмаксинга» к экономии

Тренд вписывается в более широкий сдвиг: после «вайб-кодинга» первого квартала 2026 года (когда, например, Uber сжёг годовой ИИ-бюджет за 4 месяца) компании перешли к жёсткому контролю расходов. Итог — китайские открытые модели становятся выбором по умолчанию, а западные флагманы — исключением для особо сложных задач.

Почему это важно

Ещё год назад открытые модели воспринимались как «догоняющие», о чём мы писали. Теперь картина иная: они не просто догнали по качеству на массовых задачах, но и выигрывают по экономике настолько, что перекраивают корпоративный рынок. Подробнее о балансе открытых и закрытых моделей — в обзоре лучших открытых нейросетей.

Что важно проверить на практике

Для читателя важен не только сам анонс, но и его масштаб. Спросите, какую проблему решает изменение в теме «Китайские нейросети захватили до 46% корпоративного рынка США — они в разы дешевле», кто получит от него пользу и какие ограничения останутся. Если компания говорит о планах, не превращайте планы в обещание готового продукта.

Полезная проверка новости начинается с трёх источников: оригинального объявления, технической документации и независимого теста. Если второго или третьего источника пока нет, так и напишите. Прозрачная неопределённость лучше уверенного пересказа, который невозможно проверить.

Практический смысл новости появляется после сравнения с привычным процессом. Опишите, что изменится в задаче читателя, какие шаги станут короче и где потребуется ручное решение. Не подменяйте эффект на рынке красивым описанием функции.

Следите за тем, что будет после первого релиза: обновления условий, лимиты, совместимость, цена и политика хранения данных часто меняются быстрее, чем заголовки в медиа. Зафиксируйте дату проверки и вернитесь к материалу, если появится уточнение.

Сначала отделите подтверждённый факт от интерпретации. В исходном сообщении указано, что Китайские нейросети захватили до 46% корпоративного рынка США — они в разы дешевле. Это не означает автоматически, что функция доступна всем пользователям или подходит для любого сценария. Проверьте дату, регион, тариф и статус запуска, прежде чем делать практический вывод.

Сохраните исходник и финальную версию рядом. Через неделю вернитесь к примеру и отметьте, что пришлось исправить. Такая маленькая история правок превращает публикацию в практический материал, а не в пересказ возможностей.

Перед публикацией перечитайте текст как человек, который впервые сталкивается с темой. Уберите необъяснённые термины, добавьте конкретный следующий шаг и проверьте, что вывод не шире фактов. Ссылки и даты должны вести к актуальному контексту, а не служить украшением.

Если материал касается денег, безопасности, здоровья, права или персональных данных, обозначьте границы применения отдельно. Решение остаётся за ответственным человеком; нейросеть может ускорить подготовку, но не принимает ответственность за последствие.

Для читателя важен не только сам анонс, но и его масштаб. Спросите, какую проблему решает изменение в теме «Китайские нейросети захватили до 46% корпоративного рынка США — они в разы дешевле», кто получит от него пользу и какие ограничения останутся. Если компания говорит о планах, не превращайте планы в обещание готового продукта.

Полезная проверка новости начинается с трёх источников: оригинального объявления, технической документации и независимого теста. Если второго или третьего источника пока нет, так и напишите. Прозрачная неопределённость лучше уверенного пересказа, который невозможно проверить.

Практический смысл новости появляется после сравнения с привычным процессом. Опишите, что изменится в задаче читателя, какие шаги станут короче и где потребуется ручное решение. Не подменяйте эффект на рынке красивым описанием функции.

Следите за тем, что будет после первого релиза: обновления условий, лимиты, совместимость, цена и политика хранения данных часто меняются быстрее, чем заголовки в медиа. Зафиксируйте дату проверки и вернитесь к материалу, если появится уточнение.

Сначала отделите подтверждённый факт от интерпретации. В исходном сообщении указано, что Китайские нейросети захватили до 46% корпоративного рынка США — они в разы дешевле. Это не означает автоматически, что функция доступна всем пользователям или подходит для любого сценария. Проверьте дату, регион, тариф и статус запуска, прежде чем делать практический вывод.

Оригинал: CNBC, buildfastwithai

Новости OpenAI расширила OneGov: что получат госслужбы США и почему цена — не вся история OpenAI и GSA объявили 27-месячное соглашение для федеральных, региональных, местных и племенных органов США. Разбираем подтверждённые условия, кибердоступ и вопросы, на которые ещё предстоит ответить. Новости Anthropic нашла четыре выхода Claude за разрешённый контур: что показал аудит После повторной проверки кибериспытаний Anthropic обнаружила четвёртый инцидент и просмотрела около 481 млн журналов. Разбираем факты без вывода, что модель действовала намеренно. Новости Модель OpenAI предложила подход к задаче Навье — Стокса: что действительно известно OpenAI опубликовала кандидатное доказательство для одной из задач тысячелетия. Разбираем, где заканчивается результат модели и начинается независимая математическая проверка. Новости Microsoft вывела MDASH в Azure Government: как 100 ИИ-агентов проверяют код Microsoft открыла предварительный доступ к многоагентному сканеру MDASH для отдельных государственных заказчиков США. Разбираем устройство системы, заявленные результаты и границы применения.
Опубликовано: 8 июля 10:30
← На главную