Китайская ценовая война в ИИ удешевила токены до рекордных $0,97, не остановив рост расходов

Индекс расходов на токены LLM от Silicon Data 1 сентября 2026 года опустился до $0,97 за 1 млн токенов — это рекордный минимум и менее половины летнего пика. Но это не означает, что спрос на ИИ ослаб. SDLLMTK показывает взвешенную по использованию фактическую цену миллиона токенов, а не общее число обработанных токенов и не все расходы компаний на ИИ. 24

Что именно измеряет отметка в 97 центов

Silicon Data описывает SDLLMTK как ориентир для смешанной стоимости инференса больших языковых моделей. Индекс сочетает цены провайдеров с наблюдаемым потреблением в определённом наборе моделей и рассчитывает фактическую рыночную цену за 1 млн токенов. 24

Это принципиальное различие. Если компании переводят большую долю задач на дешёвые модели, индекс может снижаться одновременно с ростом общего объёма токенов — и даже общих расходов на ИИ. Иными словами, он отражает изменение цены и структуры используемых моделей, а не совокупную выручку рынка.

Как конкуренция китайских API изменила рынок

Ценовая конкуренция дала компаниям особенно дешёвые варианты для задач, которым не требуется самая дорогая передовая модель. Например, DeepSeek V4-Flash предлагался по цене $0,14 за 1 млн входных токенов и $0,28 за 1 млн выходных токенов. 49

В мае 2026 года DeepSeek также снизила цены на V4-Pro на 75%; в публикациях это было представлено как усиление конкуренции между китайскими разработчиками моделей. 58 Новые тарифы и недорогие предложения в китайской экосистеме усилили давление на провайдеров, борющихся за высокообъёмные задачи инференса. 452

Данные указывают на сильную связь между этой конкурентной средой и падением смешанной цены токенов. Однако они не позволяют точно определить вклад конкретной лаборатории, модели или отдельного снижения тарифа. На индекс также влияют рост эффективности моделей, расширение вычислительных мощностей и решения клиентов о маршрутизации запросов.

Почему токены дешевеют, а расходы на ИИ растут

На первый взгляд здесь есть противоречие, но его объясняет простая формула:

общие расходы на токены = фактическая цена токена × объём токенов

Более низкая цена единицы вычислений делает рентабельными новые сценарии: можно запускать больше автоматизированных процессов, использовать длинные промпты и контекстные окна, генерировать больше кода или разворачивать агентные системы. Если объём токенов растёт быстрее, чем снижается их цена, совокупные расходы увеличиваются.

Эта картина согласуется с оценками, согласно которым цена одного токена с 2023 года упала более чем на 90%, тогда как расходы на использование LLM примерно удвоились с конца 2025 года. 4143 Механизм здесь — расширение применения: дешёвый инференс увеличивает число задач, которые имеет смысл автоматизировать.

Китайский спрос показывает масштаб эффекта

Суточное потребление ИИ-токенов в Китае к марту 2026 года превысило 140 трлн, против 100 трлн в конце 2025 года, согласно правительственным прогнозам, на которые ссылался Reuters. 18

Раскрытия компаний, в том числе из финансового сектора, указывают в том же направлении. China Merchants Bank сообщил, что среднесуточный поток токенов вырос более чем на 78% год к году; по отдельным сообщениям, к концу мая банк потреблял около 33 млрд токенов в сутки. 1929 Также сообщалось, что в некоторых китайских банках среднесуточное использование токенов выросло значительно сильнее. 20

Эти цифры не измеряют напрямую выручку API-провайдеров и не доказывают экономическую эффективность каждого сценария. Но они показывают, что дешёвый инференс превращается в резко возросшее использование в крупном масштабе.

Главный вызов для поставщиков моделей

Для покупателей ИИ падение цен на инференс выгодно. Для разработчиков моделей оно усложняет экономику: выручка на токен может снижаться, тогда как расходы на чипы, дата-центры, обучение и разработку моделей остаются высокими.

Поэтому ключевой вопрос уже не в том, будут ли клиенты потреблять дешёвые токены: данные показывают, что будут. Вопрос в том, смогут ли растущие объёмы, премиальные модели и корпоративные продукты достаточно быстро обеспечить устойчивую выручку и измеримый прирост производительности, чтобы оправдать дальнейшие вложения в инфраструктуру. Падение индекса усилило опасения относительно ценовой власти поставщиков моделей. 436

На какие показатели смотреть дальше

Важна не только цена API конкретной модели. Полезнее отслеживать сочетание нескольких метрик:

• Смешанные фактические цены токенов — например, SDLLMTK: они показывают, куда покупатели действительно направляют нагрузку. 2
• Объём токенов: он позволяет понять, расширяется ли спрос вслед за удешевлением.
• Выручку и маржу: они показывают, умеют ли поставщики превращать рост использования в устойчивую отдачу.
• Качество и полезность задач: высокий расход токенов сам по себе ещё не доказывает ценность для бизнеса.

Главный вывод прост: конкуренция недорогих китайских API помогла резко удешевить инференс LLM и опустить смешанную рыночную цену ниже $1 за миллион токенов. Но именно более низкие цены стимулируют новые сценарии применения — поэтому потребление токенов и совокупные расходы на ИИ способны расти одновременно. 2441