Почему китайский ИИ такой дешёвый? Внутри ценовой войны

Дёшев ли китайский ИИ потому, что за него платит государство? Нет. Субсидии существуют, но они почти ничего не объясняют в этом разрыве. Сентябрьский релиз DeepSeek V4.1-Flash сделал контрпример необычно наглядным: официальная цена API — $0,15 за миллион входных токенов без попадания в кэш и $0,60 за миллион выходных токенов вне пиковых часов, с удвоением до $0,30 и $1,20 в пиковые часы, а скачиваемые веса распространяются по лицензии MIT. Одними дешёвыми деньгами этого не добиться. Нужно хорошо спроектировать модель, активировать небольшую долю большой модели и обслуживать её на более дешёвом стеке. Дешевизна реальна, она по большей части структурна, и возникает она из пяти складывающихся факторов. И только один из пяти — временный.

Ключевые выводы- Китайский ИИ дёшев по пяти складывающимся причинам, а не только из-за субсидий: открытые веса, подлинная эффективность, ценовая война, дешёвая энергия и глубокий кадровый резерв.- Открытые веса полностью убирают наценку за API. Вы хостите модель сами, поэтому потокенной арендной платы вендору нет.- Дёшево не значит маленький или старый. DeepSeek V4.1-Flash — это модель mixture-of-experts на 552 миллиарда параметров, которая при чтении промпта активирует лишь 8 миллиардов параметров на токен, с контекстным окном в 1 миллион токенов и нативным зрением.- Не каждая китайская фронтирная модель дешёвая одинаковым образом. Официальная цена API Kimi K3 без попадания в кэш — $3 за вход и $15 за выход за миллион токенов, так что архитектура, развёртывание и коммерческое позиционирование — всё имеет значение.- Дешёвая энергия — самый структурный фактор: месячная солнечная генерация Китая достигла рекордных 96 ТВт·ч в апреле 2025 года, что сопоставимо с полным месяцем атомной выработки США.- Для покупателей формула «достаточно хорошо за долю стоимости» переписывает расчёт «делать самим или покупать» для большинства нагрузок.

Фактор, на котором все зациклены, — ценовая война, и из пяти это тот, что кажется мне наименее интересным. Я пишу это из Ханчжоу, где находятся обе лаборатории, стоящие за DeepSeek и Qwen, и разговоры здесь редко идут о том, кто кого подрезал по цене в этом месяце. Они — о том, что вам даёт следующая архитектура. Если нужен более широкий аргумент, эта статья ложится под мой опорный материал о том, выигрывает ли Китай гонку ИИ. Более узкий вопрос — практический: почему это стоит так мало и какая часть этого удержится, когда шум уляжется?

Фактор 1: открытые веса убивают наценку за API

Главная причина — она же самая скучная. Ведущие модели Китая выходят с открытыми весами, поэтому наценки за API, которую нужно было бы платить, просто не существует. К августу 2026 года собственный летний подсчёт Hugging Face оценивал Qwen, линейку моделей Alibaba, примерно в 2,045 миллиарда загрузок с Hub только за первые семь месяцев 2026 года и 151 448 производных моделей, тогда как собственный подсчёт Alibaba заявляет более 3 миллиардов загрузок и 300 000 производных на всех платформах. Несколькими месяцами ранее MIT Technology Review называл более 600 миллионов загрузок и свыше 40 % всех новых производных на Hugging Face. Вы скачиваете веса и запускаете их сами.

Стоит точно понимать, за что вы платите при закрытом API. За вычисления — очевидно. Но также за наценку провайдера, за окупаемость его расходов на исследования и за тихо лежащую поверх всего этого премию за риск. Открытые веса схлопывают всё это в одну строку вашего счёта: голую стоимость железа, на котором вы запускаете модель.

По-настоящему это чувствуется, только когда видишь, как движется твой собственный счёт. Когда я переношу нагрузку с хостируемого фронтирного API на открытую китайскую модель на своих GPU, я не выторговываю тариф получше — я избавляюсь от тарифа вообще. Стоимость токена не просто сжимается, она меняет категорию: теперь вы платите за электричество, а не за аренду.

Открытые веса ещё и работают накопительно вниз. В течение 2025 года китайские модели с открытыми весами обошли американские по доле мировых загрузок на Hugging Face, и собственный весенний отчёт Hugging Face за 2026 год оценивает их в 41 % всех загрузок платформы. Каждая производная и каждое квантование, каждый туториал, написанный кем-то в два часа ночи просто потому, что хотелось, чтобы эта штука заработала, делают следующее развёртывание дешевле. Закрытый API не даёт вам ничего из этого. Вы просто продолжаете платить аренду.

Ведущие китайские модели выходят с открытыми весами, полностью убирая наценку за API из стоимости. К августу 2026 года один только Qwen превысил 2 миллиарда загрузок и 151 448 производных на Hugging Face, а китайские модели с открытыми весами обошли американские по доле мировых загрузок на Hugging Face, достигнув 41 % всех загрузок платформы к весне 2026 года. Самостоятельный хостинг заменяет потокенный тариф вендора голой стоимостью железа.

Если нужно сравнение лицом к лицу, я сопоставляю основные варианты в материале Qwen против DeepSeek против Llama.

Фактор 2: настоящая эффективность, а не только субсидии

Вот где история про субсидии рассыпается. Значительная доля ценового преимущества — это подлинная инженерия. У V4.1-Flash основа на 552 миллиарда параметров, но на каждый токен активируется лишь 8 миллиардов при чтении промпта и 16 миллиардов при генерации. V4 Pro намного крупнее: 1,6 триллиона параметров всего и 49 миллиардов активных. Мартовский срез 2026 года в AI Index от Stanford HAI уже показывал ведущие модели США и Китая близко друг к другу на одном публичном лидерборде, но он предшествует V4, Qwen3.8, Kimi K3, GLM-5.2 и MiniMax M3. Это свидетельство тренда, а не актуальный рейтинг с поправкой на цену.

Самый наглядный рычаг — архитектура. Конструкции mixture-of-experts направляют каждый токен лишь через долю параметров модели, поэтому вы получаете возможности огромной модели по стоимости инференса гораздо меньшей. Несколько ведущих китайских моделей сильно на этом построены. Это снижение стоимости токена, запечённое в самой модели, а не прикрученное потом.

Дальше — история DeepSeek, откуда и пошло выражение «момент DeepSeek». К громким цифрам стоимости обучения я бы относился как к заявленным, а не проверенным. Точные числа оспариваются, и любой, кто цитирует их с точностью до трёх значащих цифр, гадает. Но направление сомнений не вызывает: конкурентоспособные модели, построенные на доле того вычислительного бюджета, который все считали ценой входа.

Угол эффективности важнее спора о субсидиях по одной простой причине: эффективность путешествует, а субсидия — нет. Субсидия подпирает цену на одном рынке ровно до тех пор, пока текут деньги. Архитектурная победа — меньше активных параметров на токен или лучший рецепт обучения — опускает реальный пол стоимости везде, для всех, кто её скопирует. Именно поэтому выпуск этих эффективных моделей с открытыми весами — та часть, которая имеет значение. Он экспортирует ценовое преимущество, а не только продукт.

Данные по внедрению говорят, что это работает. Китайские модели обошли американские в топ-10 OpenRouter в конце февраля 2026 года, забрав примерно 61 % потребления токенов в топ-10, и достигли большинства по всей платформе примерно к апрелю 2026 года в рейтингах OpenRouter. Токены — это реальная работа, а не пресс-релизы, и разработчики перенесли свою.

Значительная часть ценового преимущества — это подлинная эффективность, а не субсидия. DeepSeek V4.1-Flash активирует 8 миллиардов из своих 552 миллиардов параметров на токен при чтении промпта, а его официальная цена API без попадания в кэш — $0,15 за миллион входных токенов и $0,60 за миллион выходных токенов вне пиковых часов, с удвоением в пиковые часы, с архитектурой на карточке модели. Конструкция mixture-of-experts снижает объём вычислений на каждый токен, даже когда полная модель велика.

Фактор 3: внутренняя ценовая война

Часть дешевизны в модели вообще не встроена. Она вбивается конкуренцией. Внутренний рынок — это драка: Alibaba, DeepSeek и несколько других, все хорошо профинансированы, все гонятся за одними и теми же разработчиками. Эта борьба тянет вниз стоимость API и хостинга по всему фронту. Значительная часть дешевизны — это просто соперники, подрезающие соперников, и именно эту часть история про субсидии никогда не учитывает.

Механизм достаточно прозрачен. Когда все предлагают сопоставимую модель с открытыми весами, остаются только два рычага: цена и удобство. Никто не может брать премию за возможности, которые лаборатория по соседству повторяет, а потом раздаёт бесплатно. Поэтому пол продолжает опускаться, и экономия доходит до любого, кто хостит эти модели, внутри Китая или за его пределами.

Релизы с открытыми весами отчасти и есть оружие в этой борьбе. Бесплатный выпуск сильных весов завоёвывает внимание, засевает экосистему и лишает соперника шанса на монетизацию. 151 448 производных на Hub у Qwen — отчасти плод именно этой стратегии, и никто из участников не назовёт её благотворительностью.

Это фактор, которому я доверял бы меньше всего, и покупателям стоит закладывать его угасание. Ценовые войны не длятся вечно. Часть лабораторий консолидируется, часть провалится, а выжившие рано или поздно попытаются отыграть маржу обратно. Что удерживает пол внизу, так это то, что открытые веса нельзя «отозвать» обратно. Модели, уже выпущенные на волю, остаются дешёвыми в эксплуатации, что бы рынок ни сделал дальше.

Внутренний рынок ИИ в Китае крайне конкурентен, и эта ценовая война толкает вниз стоимость хостинга и API для всех, а не только для покупателей внутри Китая. Бесплатные релизы с открытыми весами — отчасти конкурентное оружие, помогающее строить экосистемы вроде Qwen с её 151 448 производными на Hub. Ценовая война временна; открытые веса, которые она порождает, постоянны.

Выживших, на которых стоит строиться, я сравниваю в материале Qwen против DeepSeek против Llama.

Фактор 4: дешёвая энергия и масштаб производства

Под программным обеспечением лежит физика, и это самый структурный фактор из всех. Обслуженный токен — это, в конечном счёте, небольшое количество электричества. Месячная солнечная генерация Китая достигла рекордных 96 ТВт·ч в апреле 2025 года, что сопоставимо с примерно 65 ТВт·ч в месяц, которые США получают от атома, — около 775 ТВт·ч в год. Более дешёвая и обильная энергия означает более низкий пол стоимости как для обучения, так и для инференса.

Это тот вход, который не повторит ни один релиз модели. Если ваша энергия дешевле, а сеть растёт быстрее, дешевеет сразу каждый слой стека: прогоны обучения, обслуживание инференса, здания, в которых стоят стойки. Это тихое, накопительное преимущество, а не громкое — наверное, поэтому о нём меньше всего говорят, а значит оно больше всего.

Сверху ложится масштаб производства. Та же промышленная база, что делает железо дешёвым, делает дешёвым и строительство дата-центров. Китай не просто запускает модели на дешёвой энергии — он строит стойки, охлаждение и сами объекты по стоимости внутренней цепочки поставок. Это преимущество в капитальных затратах, и оно напрямую перетекает в цену токена.

Из пяти это тот фактор, который, как я ожидаю, останется верным и через пять лет. Архитектуру можно скопировать за квартал, ценовую войну — завершить за год. Удвоение национальной генерации занимает намного больше времени, а внутреннюю производственную базу не наколдуешь вовсе. Если бы я строил долгосрочный план вокруг какого-то одного фактора здесь, это был бы именно он, потому что его труднее всего кому-либо обратить вспять.

Самый структурный фактор стоимости — это энергия. Месячная солнечная выработка Китая достигла рекордных 96 ТВт·ч в апреле 2025 года, что сопоставимо с полным месяцем атомной генерации США (около 65 ТВт·ч). Более дешёвая энергия снижает пол стоимости одновременно для обучения и инференса, а масштаб производства удешевляет и строительство дата-центров. Это преимущество труднее всего обратить вспять.

Подробнее об истории с энергосетью я рассказываю в материале энергетическое преимущество Китая в ИИ.

Фактор 5: глубокий кадровый резерв

Последний фактор — люди, и цифры предложения впечатляют: Китай обучает 38 % лучших в мире исследователей ИИ, если считать по авторам NeurIPS 2024, против 27 % в 2017 году. Глубокий и доступный по цене резерв элитных инженеров — именно то, что нужно, чтобы гнаться за приростом эффективности, делающим модели дешёвыми в эксплуатации.

Работа над эффективностью трудоёмка особым образом. Выжимание стоимости из модели — через лучшие архитектуры, более умное обучение или агрессивную оптимизацию — требует множества квалифицированных исследователей, быстро итерирующих. Страна с глубоким внутренним предложением может бросить на задачу больше способных людей и по меньшей стоимости, чем та, что ввозит дефицитных специалистов. Кадровый резерв напрямую питает Фактор 2.

Когда я читаю технические отчёты за этими моделями, бросается в глаза не единичный прорыв. Это сам объём аккуратной, поэтапной инженерии. Десятки мелких оптимизаций, которые вообще делаются только тогда, когда у вас достаточно рук. Это история о глубине кадров, и она во многом объясняет, почему эффективность продолжает расти от релиза к релизу.

Одну оговорку я не пропущу: значительная доля элитных исследователей, обученных в Китае, исторически работала за рубежом, так что это не чистое преимущество домашней команды. Но тренд восходящий — с 27 % до 38 % за семь лет, — а растущий список лабораторий мирового класса на родине даёт этим кадрам куда приземлиться.

Глубокий кадровый резерв Китая питает двигатель эффективности. Страна обучает 38 % лучших в мире исследователей ИИ, против 27 % в 2017 году. Работа над удешевлением моделей трудоёмка, поэтому большой и способный инженерный резерв — это именно то, что позволяет китайским лабораториям продолжать снижать реальную стоимость токена от релиза к релизу.

Иллюстративная, направленная оценка, а не точные измеренные значения. Положения отражают описанную картину: китайские модели с открытыми весами группируются в квадранте высоких возможностей и низкой стоимости, а лучшие закрытые фронтирные модели США по-прежнему выше всех по возможностям, но при более высокой стоимости. Контекст разрыва в возможностях: Stanford HAI AI Index 2026.

Что это значит для вашего решения о покупке

Вот где это перестаёт быть занятным фактом и начинает менять решения. Когда модель с контекстным окном в 1 миллион токенов предлагается по ценам DeepSeek V4.1-Flash, расчёт «делать самим или покупать» переворачивается для множества рутинных нагрузок. Вы больше не платите большую премию по умолчанию. Вы решаете, даёт ли более дорогая модель достаточно лучшую работу на вашей собственной оценке, чтобы это оправдать.

Сопоставьте это с реальной работой. Суммаризация, извлечение, классификация, черновики, маршрутизация: ни одной из этих задач не нужна единственная лучшая модель на Земле. Им нужна модель надёжная, достаточно дешёвая, чтобы о ней перестать думать, и работающая там, где всё под вашим контролем. Китайские модели с открытыми весами попадают в эту цель, а поскольку вы хостите их сами, повторяющаяся стоимость — это железо, а не потокенный счётчик, который растёт вместе с вашим успехом.

В моём собственном стеке дешевизна тихо изменила то, какие проекты вообще стоит затевать. Нагрузки, которые я отложил бы как слишком дорогие для запуска в масштабе на фронтирном API, теперь тривиально доступны на открытой модели, которую я хощу сам. Дешевизна не только экономит деньги на работе, которую вы уже делаете. Она делает жизнеспособной новую работу, и именно этот эффект второго порядка я бы закладывал в план.

Ничто из этого — не повод пропускать должную проверку. Происхождение, управление данными, поведение цензуры, лицензирование: всё это нужно проверить, прежде чем что-либо коснётся продакшена. Дешевизна — причина как следует оценить продукт, а не пропустить его без проверки. Вам нужно структурированное решение. Какая нагрузка, какое качество она допускает и что говорит оценка рисков о конкретной модели, на которую вы смотрите.

Когда способные открытые модели стоят долю от многих фронтирных API, расчёт «делать самим или покупать» переворачивается для рутинных нагрузок. DeepSeek V4.1-Flash сочетает контекстное окно в 1 миллион токенов с официальными ценами $0,15 за миллион входных токенов без попадания в кэш и $0,60 за миллион выходных токенов вне пиковых часов, с удвоением в пиковые часы. Самостоятельный хостинг заменяет счётчик вендора стоимостью железа и эксплуатации — после надлежащей оценки рисков.

Полный фреймворк смотрите в материале Безопасен ли DeepSeek для предприятия?, а затем сравните основные варианты в материале Qwen против DeepSeek против Llama.

FAQ

Почему китайский ИИ такой дешёвый, в одном предложении? Открытые веса убирают наценку за API, эффективные архитектуры снижают стоимость токена, ценовая война тянет цены вниз, дешёвая энергия опускает пол, а глубокий кадровый резерв поддерживает постоянные улучшения. Субсидии — второстепенный фактор, а не главный.

Почему DeepSeek такой дешёвый? Складываются две причины. Модель выходит со скачиваемыми весами под лицензией MIT, поэтому при самостоятельном хостинге нет обязательной наценки за API, а её модели mixture-of-experts активируют лишь долю своих суммарных параметров на токен. V4.1-Flash активирует 8 миллиардов из 552 миллиардов параметров при чтении промпта; V4 Pro активирует 49 миллиардов из 1,6 триллиона, согласно официальным карточкам моделей. К историческим заголовкам о стоимости обучения относитесь как к заявленным, а не проверенным, но текущая архитектура инференса и опубликованные цены API — вещи вполне конкретные.

Китайские ИИ-модели дешевле OpenAI? Некоторые — да, часто существенно, но одного названия семейства недостаточно. DeepSeek V4.1-Flash крайне дёшев на своём официальном API, тогда как Kimi K3 стоит намного дороже. Самостоятельный хостинг убирает потокенную цену вендора, но заменяет её стоимостью железа, энергии и эксплуатации. Сравнивайте полную стоимость на конкретной нагрузке, а не цитируйте универсальный множитель.

Дешёвый китайский ИИ хуже по качеству? По одной цене этого не сказать. Ведущие китайские семейства теперь включают огромные длинноконтекстные и мультимодальные модели, но их сильные стороны различаются, а таблицы бенчмарков от провайдеров — не нейтральное сравнение. DeepSeek V4.1-Flash исключительно дёшев; Kimi K3 ощутимо дороже — $3 за миллион входных токенов без попадания в кэш и $15 за миллион выходных токенов. Тестируйте конкретную модель на вашей нагрузке.

Останется ли китайский ИИ таким же дешёвым? В основном да, по структурным причинам. Ценовая война временна и может ослабнуть, но открытые веса, эффективные архитектуры и дешёвую энергию не так просто обратить вспять. Как только сильная модель выпущена открыто, она остаётся дешёвой в эксплуатации навсегда, что бы рынок ни сделал дальше. Я бы рассчитывал, что дешевизна продолжится.

Итог

Китайский ИИ дёшев по пяти складывающимся причинам, и «это всё субсидии» не объясняет почти ничего из них. Открытые веса удаляют наценку за API. Подлинная эффективность — то есть mixture-of-experts и история DeepSeek — снижает реальную стоимость токена. Внутренняя ценовая война тянет цены ещё ниже. Дешёвая энергия и масштаб производства задают низкий пол. Глубокий кадровый резерв поддерживает рост эффективности. Ценовая война — та часть, что угасает. Остальное структурно.

Текущие релизы добивают и ленивую версию этого аргумента. «Китайский ИИ дёшев» — это не одна цена. DeepSeek V4.1-Flash оценён как инфраструктура. Kimi K3 оценён как премиальная агентная модель. Открытые веса Qwen3.8 вышли в августе под собственной лицензией, а хостируемый Qwen3.8-Max привязан к токен-плану. Сравнивайте конкретный чекпоинт, лицензию, способ обслуживания и измеренное качество на задаче, а не флаг на лаборатории.

Для вашего бизнеса вывод прост. Некоторые из самых дешёвых способных моделей — китайские и скачиваемые, тогда как другие китайские фронтирные модели — это премиальные сервисы или огромные проекты самостоятельного хостинга. Поэтому выбирать их вслепую по умолчанию я бы не стал, но конкретный чекпоинт заслуживает внимательного взгляда, потому что расчёт «делать самим или покупать» действительно изменился.

Если нужен стратегический контекст, начните с вопроса, выигрывает ли Китай гонку ИИ. Когда будете готовы действовать, материал Безопасен ли DeepSeek для предприятия? — это место, где статья передаёт эстафету реальному решению.