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 Постоянно работающие ИИ-агенты: что меняется, когда помощник действует без открытого чата ИИ-помощник, который продолжает работу между сообщениями, меняет не только скорость задачи. Разбираем, какие границы нужны до первого доступа к рабочим сервисам. Новости Почему команде нельзя оценивать ИИ только по счёту провайдера Поставщик фиксирует объём вызовов, но не знает, принят ли ответ в рабочем процессе. Показываем, какие показатели дополняют счёт и где нужен человеческий контроль. Новости JEV-27B-VL: что проверить в свежей модели решений для изображений AutoTrust представила JEV-27B-VL: разбираем, где полезна связка изображения и калиброванного выбора, а где нужен человек. Новости Новые модели для рабочих данных: что проверить после релизов конца сентября 29–30 сентября NVIDIA представила Kumo Tabular для табличных задач, а разработчики open-weight моделей Hunmin-397B-A17B-CUA и AREX-2 опубликовали новые агентные релизы. Практический смысл, ограничения и план проверки.
Опубликовано: 8 июля 10:30
← На главную