Май 2026 года зафиксировал одновременно несколько структурных сдвигов. Компании, которые строили репутацию на дешевизне или закрытости, теперь публично тратят деньги, теряют людей и перестраивают инфраструктуру.
Что произошло
DeepSeek привлекает первые внешние деньги — стартап, до сих пор живший на капитал хедж-фонда High-Flyer, ищет минимум $300 млн при оценке выше $10 млрд. Параллельно потерял автора архитектуры V3 (ушёл в Xiaomi) и исследователя Го Дая (ушёл в ByteDance). В апреле 2026 — 7-часовой сбой на 355 млн пользователей. Закрытость и самофинансирование как модель роста исчерпала себя: вычислительные мощности дорожают быстрее, чем растёт капитал одного фонда.
OpenAI выпустила GPT-Rosalind для биологии — модель из серии Life Sciences, названная в честь биофизика Розалинд Франклин. На бенчмарке BixBench показала лучший результат среди доступных систем; по прогнозированию функций РНК-последовательностей превзошла 95% исторических результатов экспертов-людей (по данным компании). Плагин Codex Life Sciences Research открывает доступ к более 50 биологическим базам данных. Доступно только корпоративным клиентам США через Trusted Access Program. Фарма — следующий крупный рынок после корпоративного программирования.
Anthropic исправила баг биллинга в Opus 4.7 — из-за новой версии токенизатора тот же текст тратил до 1,35× токенов по сравнению с предыдущей версией. В сочетании с ошибкой подсчёта квот лимиты сгорали в разы быстрее положенного. Компенсация в виде сброса счётчиков ударила по тем, кто планировал расход токенов на конец расчётного периода. Технический долг в биллинге при масштабировании модели — это прямые потери доверия у самых активных пользователей.
Google опубликовал фреймворк Simula — система генерирует синтетические датасеты с нуля: без исходных обучающих примеров разворачивает домен в иерархическую таксономию, управляет охватом, сложностью и качеством независимо. Корректность ответов проверяют два независимых критика — это снижает эффект «согласия с собой» в самооценке модели. Simula уже применяется внутри Google для ShieldGemma, MedGemma, FunctionGemma и фильтров мошеннических звонков в Android. Качество обучающих данных становится управляемым производственным параметром — тот, кто контролирует датасеты, контролирует точность модели.
OpenAI одновременно потеряла двух ключевых руководителей — Билл Пиблз (руководитель разработки Sora, стоял у истоков проекта с команды из двух человек) и Кевин Вейл (директор по продукту, с октября 2025 — руководитель направления OpenAI for Science) объявили об уходе в один период. Отдел OpenAI for Science расформирован, команда распределена по другим подразделениям. Два ухода за один цикл новостей — признак не случайного совпадения, а внутреннего перераспределения приоритетов.
Куда всё катится (главный тренд)
Все пять событий описывают одну механику: фаза «строим на энтузиазме и закрытом капитале» закончилась. Теперь начинается фаза «платим за инфраструктуру, людей и данные рыночными деньгами».
DeepSeek — самый показательный пример. Компания годами позиционировала себя как альтернативу дорогому западному ИИ. Модель R1 в январе 2025 года обрушила акции Nvidia на $600 млрд за одну торговую сессию — рынок решил, что дешёвый ИИ убивает потребность в дорогих чипах. Но уже через 16 месяцев та же компания вынуждена идти за внешним капиталом: обучение следующего поколения моделей требует вычислений, которые один хедж-фонд физически не может обеспечить. Собственный дата-центр во Внутренней Монголии — это попытка зафиксировать себестоимость вычислений на годы вперёд.
Уходы из OpenAI указывают на другое узкое место: управленческая пропускная способность. Когда компания одновременно строит потребительские продукты, корпоративную инфраструктуру, научные направления и лоббирует регуляторику — удерживать людей на всех фронтах становится структурно невозможным. Расформирование OpenAI for Science после ухода Вейла означает: без конкретного носителя компетенции направление не выживает. Это узкое место любой быстро растущей организации, где знания персонифицированы.
Simula от Google и GPT-Rosalind от OpenAI указывают на один вектор: конкуренция смещается с «кто лучше обучит модель на открытых данных» к «кто построит лучший конвейер синтетических и специализированных данных». Тот, кто управляет качеством датасета как производственным параметром — управляет точностью итоговой модели. Для корпоративных покупателей ИИ-решений это означает: спрашивайте поставщиков не только о бенчмарках, но и о происхождении обучающих данных.
Action plan: что делать прямо сейчас
Аудит зависимости от внешних ИИ-провайдеров — если ваш рабочий процесс критически зависит от одного поставщика (Anthropic, OpenAI, DeepSeek), зафиксируйте риски: баги биллинга, сбои инфраструктуры и кадровые ротации напрямую влияют на доступность и стоимость. Составьте матрицу резервных поставщиков с оценкой CAC (стоимость привлечения клиента) на перестройку процессов.
Проверьте, персонифицированы ли ключевые компетенции в вашей команде — уход Вейла убил целое направление OpenAI for Science. Если ваш ИИ-проект держится на одном человеке — это не кадровый риск, это архитектурная уязвимость. Документируйте процессы, создавайте внутренние базы знаний, распределяйте компетенции минимум на двух носителей.
Оцените потенциал специализированных моделей для вашей отрасли — выход GPT-Rosalind в фарму — шаблон, который повторится в юриспруденции, логистике, промышленной диагностике. Если ваша отрасль ещё не получила профильную модель — закладывайте в стратегию 2026–2027 тестирование узкоспециализированных решений. ROI (возврат на инвестиции) у профильной модели выше, чем у универсальной с дополнительным промпт-инжинирингом.
Пересчитайте фактический расход токенов после обновлений моделей — ситуация с Opus 4.7 типична: смена токенизатора при переходе между версиями меняет реальную стоимость запросов на 20–35%. Если у вас автоматизированные цепочки с большими объёмами запросов — после каждого обновления модели проводите замеры фактического потребления и пересчитывайте бюджет на ИИ-инфраструктуру.
Мониторьте кадровые перемещения в ИИ-компаниях как опережающий индикатор — уход ключевых архитекторов из DeepSeek и OpenAI предшествует изменениям в продуктовых приоритетах. Если разработчики флагманской модели уходят в индустриальные компании (Xiaomi, ByteDance) — через 12–18 месяцев ждите сдвига балансов конкурентоспособности на уровне потребительских устройств и медиаплатформ.
Вывод
Рынок ИИ в 2026 году перешёл от фазы «кто дешевле и быстрее» к фазе «кто контролирует инфраструктуру, данные и людей». Для бизнеса это означает одно: ИИ-стратегия без управления рисками поставщика — это не стратегия, а ставка на удачу.
Пока без комментариев. Будьте первым.