В июле впервые модели, разработанные в Китае, заняли все пять верхних строк в рейтинге OpenRouter — нейтральной платформы маршрутизации, которая стала для рынка ИИ почти тем же, чем Nielsen является для ТВ. По объёму токенов первое место досталось Xiaomi MiMo V2.5, далее шли решения от DeepSeek, MiniMax, семейства Alibaba Qwen и Kimi от Moonshot. На китайские модели теперь приходится более 60% трафика платформы — а это свыше 20 триллионов токенов в неделю.
Это уже не лабораторная метрика и не «победа в бенчмарках», а реальная кривая использования.
Ещё год назад американские модели обслуживали примерно 70% трафика OpenRouter. Сейчас их доля около 30%. Ещё показательнее другое: к середине июля китайские модели обеспечили рекордные 58% токенов, обработанных американскими компаниями на платформе. Никто не «загоняет» бизнес в китайский ИИ — компании выбирают его сами, задача за задачей, потому что соотношение цены и производительности невозможно игнорировать.
Две параллельные гонки: мощность и охват
Вот парадокс, который этой осенью должен оказаться в повестке каждого совета директоров. Американские лаборатории по‑прежнему удерживают абсолютный технологический фронтир. GPT 5.5, Claude Fable 5 и Gemini 3.x лидируют в сложнейших рассуждениях, долгоживущих агентах и наиболее требовательных корпоративных сценариях. Этот разрыв реален и измеряется месяцами.
Однако гонка распалась на два соревнования: способности и распространение. США выигрывают первое, но уступают во втором. DeepSeek V4‑Pro стоит примерно в двенадцать раз дешевле GPT‑5.5 при сопоставимой результативности в бенчмарках. DeepSeek V4 Flash оценивается в $0.14 за миллион входных токенов, тогда как GPT‑5.5 — в $5.00. По данным аналитиков OpenRouter, китайские открытые модели обходятся на 60%–90% дешевле ведущих американских решений. Для высоконагруженных продакшн‑сценариев — кодинг‑агентов, обработки документов и операций поддержки — эта разница и определяет, куда уйдёт бюджет.
Именно в распределении экосистемы «запирают» пользователей. Семейство Alibaba Qwen превысило один миллиард суммарных скачиваний и обогнало Meta Llama как самый загружаемый открытый модельный стек в мире. Llama, задававшая стандарт open‑weights в 2023–2024 годах, опустилась ниже 1% маршрутизируемого объёма. Разработчики оптимизируют то, что можно скачать; они строят инструменты вокруг того, что разворачивают. Так Linux победил на серверах, а Android — на смартфонах, и аналогичный механизм снова разворачивается у всех на виду.
«Зона гибели»: кому не быть ни первым, ни самым дешёвым
Между фронтиром и товарным «полом» лежит зона гибели: любой модельный продукт или корпоративная AI‑стратегия, которая не является ни очевидно лучшей, ни безусловно самой дешёвой. Её сейчас раздавливают сразу с двух сторон.
Рыночные данные хорошо показывают, как работает эта развилка. По разбору статистики OpenRouter, у Anthropic всего около 12% доли токенов на платформе, но при этом компания получает примерно половину всех расходов. Это премиальная полоса: меньше токенов, выше цена — для задач, где это оправдано. Товарная полоса — за эффективными открытыми моделями, которые гонят триллионы дешёвых токенов. А середина — закрытые модели без решающего преимущества и корпоративные внедрения, платящие фронтирные ставки за «обычную» работу, — остаётся без собственной полосы.
Большинство AI‑планов Fortune 500 сегодня стоят именно в этой середине. Типичная компания подписала один контракт с фронтирным API в 2024 году, пустила через него всё и больше не пересматривала маршрут. В 2026‑м это всё равно что вести всю логистику исключительно ночной авиадоставкой.
Почему Китай к этому пришёл не случайно
Это не было цепочкой случайностей. Экспортные ограничения лишили китайские лаборатории крупнейших GPU‑кластеров, и они вынужденно проектировали под дефицит: токенная эффективность, новые механизмы внимания, более экономичные Mixture‑of‑Experts, ставка на качество данных вместо голого объёма, а также архитектуры, с самого начала ориентированные на инференс. Государственная поддержка дополнительно снизила эффективную себестоимость. В мае Xiaomi урезала цены на API MiMo вплоть до 99%.
Ограничение превратилось в стратегию. Американские лаборатории, которые оставляют эффективность «на потом», рискуют сохранить технологическое лидерство, но проиграть объём рынка, интерес разработчиков и в итоге — всю экосистему ИИ.
Практический план для создателей AI‑продуктов в 2026
Для руководителей и основателей, которые действительно строят на ИИ, сейчас важны четыре действия — сильнее любых презентаций.
1. Сделайте гибридную маршрутизацию стандартом архитектуры.
Самые сложные, регулируемые и высокорисковые задачи отправляйте на фронтирные модели. Высокообъёмные и чувствительные к стоимости процессы переносите на эффективные открытые модели. Те, кто действует так, сокращают расходы на инференс на 60%–90% в большинстве сценариев, не снижая качество там, где оно критично. Если весь AI‑бюджет проходит через один закрытый API, вы переплачиваете за большую часть работы.
2. Считайте эффективность оружием первого порядка.
Оптимизация инференса, квантизация, speculative decoding и совместное проектирование модели с «железом» уже стали стандартной инженерной практикой, а не редкой научной экзотикой. Изучайте, как строили «в условиях дефицита», и переносите эти уроки, имея за спиной американские вычисления — эффект будет сильнее.
3. Выигрывайте выше уровня базовой модели.
Собственные данные, прикладной слой, доменная донастройка, агентные фреймворки и строгие контуры оценки переживут любое временное превосходство базовой модели. Базовые модели быстро превращаются в инфраструктуру. Ваш «ров» никогда не должен был зависеть от чужой модели.
4. Уходите из «середины» как можно быстрее.
Если продукт держится на модели, которая не лучшая и не самая дешёвая, в этом году нужно выбрать направление. Либо поднимайтесь вверх по кривой возможностей с настоящей дифференциацией, либо жёстко конкурируйте ценой и открытостью. Середина не доживёт до 2027‑го.
США нужен ответ в формате open‑weights — прямо сейчас
Моя позиция такова: Вашингтон готовится вести неправильную битву. Инстинкт в Конгрессе — ограничивать китайские модели из соображений безопасности, и для чувствительных гос- и оборонных задач такая осторожность оправдана. В регулируемых западных секторах вопросы суверенитета данных уже сдерживают использование китайского хостинга, хотя self‑hosted открытые веса во многом снимают этот аргумент.
Но запрет — это не стратегия, а по сути налог на собственных разработчиков. Китайские open‑weights побеждают не из‑за уловок, а потому что они качественные, дешёвые и доступные, а ни одна американская лаборатория сейчас не выпускает фронтир‑класса open‑weight модели по регулярному графику. Отступление Meta оставило пространство пустым — и Китай очень быстро его занял.
Выход — конкурировать: выпускать убедительные американские и союзнические open‑weight модели регулярно и подкреплять это либо стимулами госзакупок, либо прямыми обязательствами лабораторий. Открытые веса — это способ экспортировать экосистему, нормы безопасности и стандарты в остальной мир. США понимали это на примере интернет‑стека. Сейчас нужно вспомнить снова.
Фронтир важен, и США должны его защищать. Но практическая гонка 2026 года выигрывается теми, кто освоит оба соревнования одновременно: абсолютные возможности и радикальную эффективность, закрытое совершенство и открытое распространение, крупнейшие надёжные вычисления и самый умный способ их применить. Инновации под ограничениями больше не должны считаться утешительным призом.
Вопрос для американского C‑suite, советов директоров и Вашингтона один и тот же. Когда будет строиться новое поколение глобального софта, на каких моделях оно будет основано? Прямо сейчас цифры скачиваний уже отвечают. И это не тот ответ, который Америка хотела бы услышать.
Мнения, высказанные в комментариях Fortune.com, принадлежат исключительно их авторам и не обязательно отражают мнения и убеждения Fortune.
This story was originally featured on Fortune.com
