Китайський AI-ривок: як відкриті моделі обійшли санкції та кинули виклик США

Протягом восьми тижнів, починаючи з середини червня 2026 року, китайські лабораторії штучного інтелекту випустили каскад фронтірних моделей, який змінив глобальний ландшафт AI. Кульмінацією хвилі став загальнодоступний реліз DeepSeek V4 Pro 13 серпня, але історія набагато масштабніша за окремий запуск: вона про те, як експортні обмеження, покликані сповільнити китайський AI, натомість породили більш ефективного, самодостатнього та агресивно відкритого конкурента, який тепер не поступається американським фронтірним моделям за можливостями, водночас перевершуючи їх за ціною на порядки.

Що спричинило ривок

Три підсилювальні сили зійшлися, щоб стиснути роки розробки в місяці:

1. Тиск експортних обмежень. Обмеження США на постачання чипів відрізали китайські лабораторії від безперешкодного доступу до NVIDIA H100/B200, змусивши їх інновувати на вітчизняному обладнанні (наприклад, чипи Huawei Ascend 910B/C) та оптимізувати ефективність замість сирої обчислювальної потужності. Найяскравіший приклад — LongCat-2.0 від Meituan: це перша трильйонна модель, повністю навчена та запущена на китайських чипах .

2. Інтенсивна внутрішня конкуренція. Дюжина добре фінансованих лабораторій — DeepSeek, Moonshot, Zhipu/Z.AI, Meituan, Alibaba, Tencent, Baidu, ByteDance — змагаються за престиж, увагу розробників і впровадження в бізнесі, скорочуючи цикли релізів до тижнів.

3. Стратегія відкритих ваг як геополітична зброя. Китайські лабораторії випускають моделі під дозвільними ліцензіями (MIT, модифікована MIT) без регіональних обмежень, що різко контрастує з дедалі більш закритими стратегіями OpenAI та Anthropic. Це завойовує глобальну прихильність розробників .

Моделі

DeepSeek V4 Pro (13 серпня 2026)

Флагманський запуск, який увінчав літню хвилю. DeepSeek V4 Pro — це модель Mixture-of-Experts з 1,6 трильйона параметрів, 49 мільярдами активних параметрів на токен, контекстним вікном в 1 мільйон токенів і до 384 000 вихідних токенів у трьох режимах міркування (стандартний, високий, максимальний) . На Terminal-Bench 2.1 вона отримала 87,9 — на 15,8% більше, ніж квітнева попередня версія — і працює на рівні Claude Fable 5 приблизно за 1/57 вартості . Reuters повідомляє, що модель «наближається до Claude Fable 5, а в деяких тестах перевершує її» в бенчмарках для агентів та програмної інженерії .

Ціна становить $0,435 за мільйон вхідних токенів і $0,87 за мільйон вихідних за стандартними тарифами, зі знижками на кешування до 97% . У режимі максимальних зусиль ціна становить $1,32/$3,96 за мільйон токенів .

Moonshot Kimi K3 (16/27 липня 2026)

Moonshot AI випустила те, що називає «першою у світі відкритою моделлю в класі 3 трильйони параметрів» — модель Mixture-of-Experts на 2,8 трильйона параметрів, яка активує 16 з 896 експертів на токен, з контекстним вікном в 1 мільйон токенів і рідною мультимодальністю (зір + текст) . Повні ваги були випущені на Hugging Face 27 липня під модифікованою ліцензією MIT . Модель доступна на Kimi.com, Kimi Work, Kimi Code та Kimi API .

Zhipu AI GLM-5.2 (13/16 червня 2026)

Модель, яка започаткувала хвилю. GLM-5.2 — це MoE на 744 мільярди параметрів з приблизно 40 мільярдами активних на токен, контекстним вікном в 1 мільйон токенів і ліцензією MIT . Оцінка CAISI від NIST визначає її загальні можливості як подібні до GPT-5.2 (грудень 2025), а кіберможливості — як подібні до Claude Opus . Вона отримує 81,0 на Terminal-Bench 2.1 і 62,1 на SWE-bench Pro — найкращий показник серед відкритих моделей в Індексі штучного інтелекту Artificial Analysis . Ціна через API приблизно в 10 разів нижча, ніж у Claude або GPT-5 .

Meituan LongCat-2.0 (30 червня 2026)

MoE на 1,6 трильйона параметрів (48 мільярдів активних на токен) з контекстним вікном в 1 мільйон токенів, випущена під ліцензією MIT . Її критична відмінність: це перша трильйонна модель, повністю навчена та запущена на вітчизняних китайських чипах — кластері з 50 000 чипів Huawei Ascend 910B/C . За тестуванням Meituan, вона випереджає GPT-5.5 у бенчмарках програмної інженерії . До офіційного релізу вона непомітно очолювала лідерборд OpenLLM під псевдонімом «Owl Alpha» . Ціна API становить $0,75/$2,95 за мільйон вхідних/вихідних токенів, з акційною пропозицією $0,30/$1,20 .

Порівняння з американськими фронтірними моделями

Вимірювання	Китайські фронтірні моделі	Американські фронтірні моделі
Паритет можливостей	GLM-5.2 ≈ GPT-5.2 ; DeepSeek V4 Pro ≈ Claude Fable 5 за кількома бенчмарками ; LongCat-2.0 стверджує, що випереджає GPT-5.5 на SWE-bench	OpenAI GPT-5.5, Anthropic Claude Fable 5/Opus, Google Gemini 3
Перевага у вартості	Китайські моделі в 10–57 разів дешевші за токен або завдання	Американські моделі мають преміальні ціни API
Відкритість	Ліцензії MIT/модифікована MIT з відкритими вагами; глобальний безперешкодний доступ	Переважно закритий API; без випуску ваг
Апаратне обмеження	Найкращі китайські моделі тепер повністю працюють на вітчизняних чипах (LongCat-2.0 )	Американські моделі використовують необмежений доступ до NVIDIA H100/B200

Ширші наслідки

Глобальне впровадження в бізнесі

Підприємства за межами Китаю тепер мають надійні, низьковартісні альтернативи з відкритими вагами американським API-моделям. Ліцензія MIT на GLM-5.2 без жодних регіональних обмежень означає, що будь-яка компанія може комерційно розгортати її самостійно без обмежень . Це змінює рішення про закупівлю в Південно-Східній Азії, на Близькому Сході, в Африці та частині Європи.

Парадокс експортних обмежень

Докази сильно підтримують тезу про те, що експортні обмеження США на чипи дали зворотний ефект щонайменше двома способами:

• Прискорене опанування вітчизняних чипів: LongCat-2.0 навчався на кластері з 50 000 китайських процесорів Huawei Ascend, довівши, що навчання фронтірного масштабу можливе без американського обладнання . Це каталізувало екосистему китайських AI-чипів швидше, ніж це зробили б ринкові сили.
• Форсована алгоритмічна ефективність: Відрізані від надлишкової пропозиції високоякісних GPU, китайські лабораторії більш агресивно оптимізували архітектури для розрідженості MoE, розрідженої уваги та ефективності активних параметрів. Результатом є моделі, які досягають порівнянних можливостей за частку обчислювального бюджету — перевага у вартості в 10–57 разів .

Що залишається непідтвердженим

Не знайдено джерел, які б підтверджували конкретні ціни $0,06 за завдання для DeepSeek V4 Pro або $2,34 для Claude Opus 5. Tencent Hy3 та Alibaba Qwen3.8-Max також не мають перевірених технічних характеристик або дат випуску в наявних доказах. Твердження про нещодавній маніфест Марка Цукерберга про відкрите програмне забезпечення не вдалося підтвердити.

Примітка щодо тверджень і джерел

Ця стаття базується на наявних доказах станом на середину серпня 2026 року. Усі твердження про можливості моделей походять з бенчмарків, про які повідомляють розробники, та сторонніх оцінок (включно з CAISI від NIST). Незалежна верифікація всіх показників бенчмарків триває в галузі. Порівняння вартості базуються на опублікованих цінах токенів API; фактична вартість за завдання значно варіюється залежно від складності завдання, довжини контексту та частоти кеш-попадань.