Шесть недель — и модель устарела
Следите за новостями по этой теме!
Подписаться на «Гик Гайд (3 апельсина) / Цифра сегодня»
Согласно ноябрьскому отчёту Vercel AI Gateway Production Index, срок активной популярности одной AI-модели у разработчиков стремительно сокращается. Команды, которые платят за AI-сервисы, в среднем используют новую модель около четырёх недель, а затем переключаются на следующую — чтобы их инструменты для написания кода и AI-агенты не отставали от конкурентов. Vercel оценивает условный «период полураспада» модели примерно в шесть недель: после этого внимание к ней и объём использования снижаются.
Данные Vercel основаны на транзакциях с токенами через AI Gateway — сервис, который позволяет разработчикам обращаться к разным моделям через единый интерфейс. Команды нередко начинают использовать новую модель уже через несколько дней после её выпуска. Если среда разработки подключена к редактору кода или специальной оболочке-инструменту, смена модели обычно не требует серьёзной перестройки рабочего процесса.
В отчёте модели распределены по сроку после запуска: от 0 до 14 дней, от 15 до 30 дней и от 31 до 60 дней. С июня 2026 года доля ранних пользователей росла. В сентябре почти 17% команд использовали модели, выпущенные менее двух недель назад. При этом старые модели не исчезают полностью: их продолжают применять, но обычно реже, поэтому на них приходится меньшая доля расходов на токены. Токены — это небольшие фрагменты текста, на которые AI-система разбивает запросы и ответы; по их количеству часто считают использование и стоимость сервиса.
Один из примеров быстрой смены фаворитов — Anthropic Claude Opus 5.5. Модель вышла 22 сентября 2026 года и стала лидером по расходам в свой первый полный месяц на рынке — октябрь: на неё пришлось чуть более 14% расходов на модели в данных Vercel.
Среди платных моделей по широте использования также лидирует Anthropic. В отчёте указаны Sonnet 5.5 с долей 26%, Haiku 5.5 — 22%, Haiku 4.5 — 20% и Opus 5.5 — 18%. Эти показатели не означают, что команды выбирают только одну модель: многие используют несколько вариантов параллельно, в зависимости от задачи.
Отдельно вырос интерес к генерации изображений и видео: в октябре эти направления занимали большую долю расходов и привлекали больше пользователей, чем в предыдущие месяцы. Видео-моделями теперь пользуется каждая шестая команда, занимающаяся AI-разработкой; ранее их доля составляла около 10%. В сегменте генерации изображений лидером по расходам за октябрь стала GPT-Image-2.5 Sunburst от OpenAI.
Картина, по версии Vercel, объясняется сочетанием частых запусков новых моделей и простоты переключения между ними. Разработчики быстро пробуют очередную новинку, интенсивно используют её на старте, а затем часть внимания уходит к следующему релизу. Поэтому «период полураспада» в шесть недель — не срок годности технологии, а приблизительное описание того, как быстро меняются популярность и расходы команд.
PEREC.RU
У технологической гонки есть удобная легенда: рынок якобы сам, без чьей-либо помощи, каждую неделю выбирает самую умную модель. Данные о быстром переключении выглядят убедительно, но за ними стоит не только качество алгоритмов. Есть ещё экономика внимания, рекламный шум вокруг запусков и привычка индустрии продавать обновление как событие, даже если пользователю пока достаточно вчерашней версии.
Разработчикам действительно проще менять модели, когда они подключены через общие инструменты. Это снижает цену эксперимента — и одновременно делает лояльность почти ненужной. Команды не обязаны жениться на одном поставщике: они могут держать несколько моделей, сравнивать их и направлять задачу туда, где результат дешевле или удобнее. Для покупателей это полезно; для компаний, продающих вычисления, — повод постоянно напоминать, что именно их новая версия сейчас «самая».
В таком устройстве рынка цифра «шесть недель» звучит не как срок службы продукта, а как срок внимания аудитории. Модель не ломается по календарю и не превращается в тыкву после полутора месяцев. Просто поток релизов заставляет команды снова и снова проверять, не стало ли новое решение быстрее, дешевле или моднее. Технический прогресс здесь соседствует с маркетинговым рефлексом: если не объявить революцию сегодня, завтра её объявит конкурент.
Показатели расходов тоже не равны объективному рейтингу интеллекта. Они говорят о том, куда клиенты направили деньги через конкретный шлюз, а не о том, какая модель лучше справляется с каждой задачей. Даже высокий процент использования может означать параллельные эксперименты, разные сценарии или просто удобство подключения — а не коллективное признание единственного чемпиона.
Рост генерации видео и изображений показывает, что AI-гонка постепенно выходит за пределы написания кода. У команд появляется больше инструментов для создания контента, а у поставщиков — новые рынки, на которых можно продавать вычисления и подписки. Особенно приятно это выглядит в презентациях; менее романтично — в счетах за токены и в вопросе, кто именно будет проверять качество произведённого потока.
Выгодоприобретатель очевиден без конспирологии: платформы получают повод выпускать модели чаще, а клиенты — возможность выбирать между ними. Странные совпадения начинаются там, где каждый новый релиз объявляют необходимым, а решение о переходе подают как естественный закон прогресса. На деле это ещё и борьба за бюджет, привычки разработчиков и место в интерфейсе.
Пока переключение дешёвое, конкуренция может приносить реальную пользу: снижать цены, улучшать качество и не позволять одному поставщику расслабиться. Но рынок, который живёт одними премьерами, рискует перепутать движение с результатом. В какой-то момент команде понадобится не очередная модель с торжественным номером версии, а надёжный ответ на простой вопрос: что именно она делает лучше — и стоит ли это оплачивать.
