У світі технологій штучного інтелекту, що стрімко розвиваються, питання про те, чи вигідний CPM, стає наріжним для бізнесу. Ми постійно чуємо про зниження вартості «інтелекту», але при цьому флагманські моделі стають дорожчими, а витрати на ШІ зростають. Як розібратися в цьому парадоксі? У цій статті ми зануримося в економіку великих мовних моделей (LLM) до кінця 2026 року, розглянемо реальні ціни, маржу провайдерів і спробуємо спрогнозувати майбутнє.
Скільки коштує токен зараз — за прайсом і фактично?
У попередніх матеріалах ми вже торкалися теми локального інференсу, проте корпоративна практика значною мірою спирається на хмарні моделі. Тут питання вартості стає критично важливим. Незважаючи на заяви дослідників про здешевлення «інтелекту», флагманські моделі, випущені до 2026 року, виявилися дорожчими. Провайдери активно урізають ліміти, а загальні витрати на ШІ продовжують зростати. Давайте розберемося в ціноутворенні та реальній економіці.
До кінця 2026 року ринок LLM сформував чітку трирівневу структуру:
- Надфлагмани: Claude Fable 5.1 та GPT-6 Astra.
- Робочі флагмани: Claude Opus 5.5, GPT-6 Sol, Gemini 3.5 Flash.
- Масові моделі: GPT-6 Luna, DeepSeek V4.1-Flash.
Стандартний прайс-лист за 1 мільйон токенів виглядає наступним чином:
- Claude Fable 5.1 (Anthropic): $75
- GPT-6 Astra (OpenAI): $60
- Claude Opus 5.5 (Anthropic): $30
- Gemini 3.5 Flash (Google): $15
- DeepSeek V4.1-Flash (позапіковий тариф, масова, відкриті ваги): $2
Однак важливо розуміти, що цей прайс-лист не відображає реальних витрат. За даними Ramp, середньозважена ціна, яку американські компанії фактично платять OpenAI та Anthropic, склала близько $0,56 за мільйон токенів до 23 жовтня 2026 року. Це пояснюється тим, що основний обсяг запитів припадає на повторне читання контексту з кешу та використання дешевших моделей.
Мартін Алдерсон показав, що вартість довгої агентної сесії визначається ставкою за читання кешу, а не ціною введення/виведення. Одне й те саме завдання може коштувати від $0,23 до $25. Різниця у два порядки.
Таким чином, вибір моделі та архітектура кешування мають набагато сильніший вплив на бюджет, ніж зміни в прайс-листах. Це не припущення, а підтверджений факт. Оптимізація CPM стає критично важливою для будь-якого AI-проєкту.
Чи обґрунтовані ці ціни економічно?
Звіт Epoch AI під назвою «The plunging price of thought» (вересень 2026 року) стверджує, що вартість досягнення фіксованої якості знижується приблизно в 13 разів на рік. Це темпи, що випереджають здешевлення секвенування ДНК або обчислювальних потужностей.
Гідо Аппенцеллер (a16z) ще в 2024 році назвав це явище «LLMflation» і оцінив зниження вартості в десять разів на рік.
Важливо зазначити, що ця крива стосується фіксованого рівня здібностей. Ітан Дінг справедливо зауважив, що попит постійно зміщується до новітніх моделей, ціна яких залишається відносно постійною, а кількість токенів, необхідних для виконання завдання, зростає. Якщо екстраполювати темп Epoch, ціна фіксованого рівня здібностей знизилася в десять тисяч разів. Однак за той самий період ціна вихідних токенів флагманських моделей OpenAI та Anthropic залишається в діапазоні $10–$75 за мільйон.
У 2026 році нові моделі дійсно подорожчали. Маттіас Бастіан вказує, що Gemini 3.5 Flash дорожчий за свого попередника, а нові версії Claude витрачають більше токенів на виконання того самого завдання. За індексом Ornn, фактичні ціни закритих моделей зросли, тоді як ціна відкритої DeepSeek, навпаки, знизилася.
Чи прибуткові підписки для провайдерів?
Проспект Anthropic, опублікований 26 жовтня 2026 року, вперше надав перевірені фінансові дані. Валова маржа компанії склала близько 85% у першому півріччі 2026 року. Прямі витрати на обчислення склали близько 15% виручки. Для порівняння, у 2024 році цей показник був від’ємним. Близько 80% виручки Anthropic припадає на оплату за токенами, і 20% — на підписки.
Куди ж іде виручка? Близько 60 центів з кожного долара спрямовується на дослідження та розробки (навчання моделей). Ще 23 центи йдуть на продажі та маркетинг, і 6 центів — на адміністративні витрати. Лише 15 центів витрачається на безпосереднє обслуговування запитів.
Фінансове становище OpenAI відрізняється. При виручці $5,7 млрд і $6,7 млрд у першому та другому кварталах 2026 року відповідно, операційний збиток компанії склав $9,3 млрд і $12,3 млрд.
Причина такого розбіжності полягає в тому, що значна частина користувачів ChatGPT використовує безкоштовні або недорогі тарифи. Валова маржа OpenAI становила 33% у 2025 році та 39% у першому кварталі 2026 року. Anthropic же орієнтована переважно на корпоративних клієнтів та програмний доступ.
Мартін Алдерсон ще в 2025 році заявив: «The API business is essentially a money printer». Продаж доступу через API — це, по суті, друкарський верстат.
Даріо Амодей, CEO Anthropic, сформулював логіку наступним чином: «Every model is profitable, but the company is unprofitable every year». Тобто, кожна модель приносить прибуток, але компанія в цілому залишається збитковою через колосальні інвестиції в розробку наступного покоління технологій.
Ціни на фронтирні моделі обґрунтовані не стільки собівартістю токена, скільки наступними факторами:
- Необхідністю окупити навчання моделей з відносно коротким життєвим циклом.
- Премією за технологічне лідерство та інновації.
- Дефіцитом обчислювальних потужностей, який спостерігався у 2026 році.
Висновок очевидний: переплата за потужну модель виправдана лише в тих випадках, коли вона приносить вимірний і суттєвий ефект. Через місяць після запуску Claude Fable 5 на неї припадало всього 6% токенів, що купуються у Anthropic. Це яскравий показник межі готовності компаній платити за приріст якості. ROI в AI-інвестиціях необхідно розраховувати дуже жорстко.

Економіка підписок: ліміти замість цін
Сем Альтман (OpenAI) ще в січні 2025 року визнав, що компанія втрачає гроші на тарифі Pro через інтенсивне використання. Ітан Дінг пояснив це тим, що при автономній роботі агента споживання токенів стає практично необмеженим. «There is no flat subscription price that works in this new world», — зазначив він. Фіксована ціна підписки просто не працює в новій реальності.
Провайдери відреагували на це управлінням лімітами. Anthropic ввела тижневі ліміти, а OpenAI зменшила ліміти для користувачів тарифу Plus. Кріс Зеолі прокоментував: «Instead of raising list prices, they cut usage allowances». Тобто, замість підвищення прайс-листів, провайдери скоротили допустимі обсяги використання.
У масовому сегменті OpenAI поступово зміщується до рекламної моделі, очікуючи скорочення числа передплатників Plus та компенсації за рахунок рекламного тарифу Go.
Модель розрахунку маржі підписок виглядає так:
- Собівартість передплатника C = A × k, де A — місячне споживання за прайсом API, k — відношення собівартості до прайсу (від 10% до 30%).
- Маржа M = P − C, де P — ціна тарифу.
- Точка беззбитковості: A = P / k.
Навіть за умови, що 15% користувачів є «важкими» та екстремальними, маржа за базовим сценарієм становить близько 56%. Отже, ліміти є основним інструментом управління економікою підписок.
Як змінюватимуться ціни у 2027–2029 роках?
Вартість токена, ймовірно, продовжить знижуватися, однак вартість виконання завдання на фронтирних моделях — ні. На ринок впливатимуть різноспрямовані сили:
- Технологічний тренд: Здешевлення фіксованого рівня здібностей не сповільнюється.
- Ефективність інференсу: Gartner прогнозує, що до 2030 року інференс моделі з трильйоном параметрів обійдеться на 90% дешевше, ніж у 2025 році. Однак це здешевлення не буде повністю передано замовникам.
Томаш Тунгуз: «Inflationary demand outpaces deflationary algorithmic & chip improvements». Інфляційний попит випереджає дефляційний ефект від удосконалення алгоритмів та чипів.
Підсумковий прогноз Gartner невтішний: до 2028 року вартість одного агентного процесу зросте більш ніж у п’ять разів, незважаючи на здешевлення токенів. Це явище отримало назву «парадокс інференсу».
Що з цього випливає для компаній та для фахівців?
Вілл Соммер (Gartner): «Керівники продуктів не можуть розраховувати, що здешевлення токенів саме по собі виправдає витрати на ШІ».
Це означає, що необхідно вкрай жорстко рахувати юніт-економіку. CPM вигідний тільки при правильному виборі моделі та архітектури. Тестування гіпотез можна проводити дешево на відкритих моделях. Порівняння за ціною між банером та блогером тепер доповнюється порівнянням з AI-рішеннями. Чи варто інвестувати в AI? Тільки якщо ROI очевидний. Ціна проти результату — ось ключовий показник. Як знизити CPM — це не тільки про токени, а й про ефективність усієї архітектури рішення.
Часто задавані питання
Який реальний CPM на хмарних LLM?
Реальний середньозважений CPM для американських компаній становить близько $0,56 за мільйон токенів, що значно нижче заявлених прайс-листів флагманських моделей. Це зумовлено використанням кешування та дешевших моделей для основного навантаження.
Чому нові флагманські моделі дорожчають, якщо «інтелект» дешевшає?
«Інтелект» дешевшає на фіксований рівень здібностей. Однак попит зміщується на новітні, більш потужні моделі, вартість яких залишається високою. Провайдери змушені окупати величезні інвестиції в навчання наступного покоління моделей, що й підтримує високі ціни на фронтирні рішення.
Чи прибуткові підписки на LLM для провайдерів?
Так, підписки прибуткові для провайдерів, якщо не враховувати колосальні інвестиції в дослідження та розробку нових моделей. Валова маржа Anthropic становить близько 85% на поточних операціях. Однак через інтенсивне використання провайдери змушені вводити ліміти, а не підвищувати ціни, щоб керувати економікою підписок.
Що таке «парадокс інференсу»?
«Парадокс інференсу» — це ситуація, коли вартість токенів продовжує знижуватися завдяки технологічному прогресу, але загальна вартість виконання завдання за допомогою ШІ зростає. Це відбувається через збільшення складності завдань, зростання споживання токенів на завдання (особливо для агентів) та дефіциту обчислювальних потужностей.
Який CPM вважати вигідним для AI-проєктів?
Вигідний CPM залежить від конкретного завдання та ROI. Якщо переплата за флагманську модель приносить вимірний ефект і конвертується в дохід, то такий CPM може бути виправданий. В інших випадках варто орієнтуватися на дешевші відкриті моделі або оптимізувати архітектуру кешування для зниження фактичних витрат.
