Обсуждение вокруг AI-моделей всё чаще сводится к одному показателю — сколько стоит токен.Но если смотреть только на цену токена, можно упустить главное: в AI важны не только расходы на вычисления, но и то, как модель встроена в продукт, как она используется и какую ценность создаёт в реальном рабочем процессе.

Именно об этом говорит текст: модель — это не отдельный “голый API”, а часть продукта.

Поводом для дискуссии стала политика Anthropic: она ограничила доступ подписчиков к модели через сторонние инструменты. Это вызвало реакцию у разработчиков и у тех, кто строит продукты поверх больших моделей.

С одной стороны, такая политика может казаться неудобной: если пользователь привык работать через сторонний сервис, ему приходится перестраивать процесс.

С другой стороны, у этого есть и положительный эффект: когда доступ к модели становится дороже или сложнее, разработчики начинают внимательнее относиться к архитектуре, экономии контекста и инженерной дисциплине.

Иными словами, дорогая модель заставляет делать продукт более аккуратным и эффективным.

Многие компании в AI-индустрии используют агрессивное ценообразование, чтобы быстро привлечь пользователей. Но у такого подхода есть обратная сторона:

качество сервиса может быть нестабильным;

ответы модели могут быть хуже заявленных;

инфраструктура может не выдерживать нагрузку;

продукт начинает “сыпаться” под реальным использованием.

В отличие от обычных интернет-сервисов, где рост аудитории часто почти не увеличивает себестоимость, у AI всё иначе. Здесь каждый запрос стоит денег. И чем активнее пользователи, тем заметнее расходы.

Поэтому спор о том, “дорого это или дёшево”, недостаточен. Нужно спрашивать шире: что именно получает пользователь за эти деньги, насколько стабилен сервис и насколько хорошо модель встроена в опыт использования?

Первая волна AI-продуктов строилась по простой схеме:

есть модель как универсальный API;

сверху к ней прикручивают отдельное приложение.

Именно эта схема породила массу “обёрток” и приложений без собственной глубины. Она помогла быстро запускать продукты, но привела к огромной неэффективности:

продукт не понимает ограничения модели;

модель не адаптирована к сценарию использования;

контекст расходуется нерационально;

архитектура получается тяжёлой и дорогой.

Новая логика другая: модель и продукт должны проектироваться вместе.

Примером такого подхода можно считать AI-инструменты, где модель умеет лучше управлять контекстом, сокращать лишние вызовы, сохранять состояние задачи и не тратить ресурсы на повторяющиеся операции.

То есть модель уже не просто “внешний сервис”, а часть самой продуктовой архитектуры.

На рынке часто кажется, что выигрывает тот, кто продаёт дешевле. Но в AI эта логика работает не так прямолинейно. Если модель дешевле, но:

хуже держит качество,

нестабильно отвечает,

плохо работает под нагрузкой,

требует слишком много повторных вызовов,

то экономия на токене превращается в потери на пользовательском опыте.

Особенно это важно для AI-продуктов, где пользователь не всегда может точно измерить, насколько эффективно была использована модель. Он видит не стоимость token usage, а результат:получил ли он качественный ответ, быстро ли он пришёл, не сломался ли сценарий, не пришлось ли всё делать заново.

Сегодня многие компании в индустрии уже понимают, что одних ценовых войн недостаточно.Пока одни пытаются демпинговать, другие делают ставку на:

связку модели и продукта,

устойчивый пользовательский опыт,

более точную инженерную интеграцию,

собственную экосистему, а не только внешний API.

Это особенно заметно у крупных компаний, у которых есть:

свои приложения,

свои пользовательские базы,

свои каналы дистрибуции,

собственные модели.

У них есть преимущество: они могут не просто “продавать токены”, а встраивать AI в более широкий продуктовый контур.

Фраза “не считай только token-экономику” означает следующее: в AI нельзя оценивать бизнес только по цене запроса, себестоимости инференса или скорости сжигания токенов.

Нужно смотреть глубже:

как устроен продукт;

насколько он эффективно использует модель;

есть ли инженерная дисциплина;

создаёт ли связка модели и интерфейса реальную ценность;

есть ли у компании шанс построить устойчивую экосистему, а не просто дешевый доступ к API.

AI-индустрия вступает в этап, где модель — это уже не самостоятельный центр, а часть более сложной системы.Поэтому успех будет зависеть не только от мощности модели и не только от цены токена, а от того, насколько хорошо всё собрано вместе: модель, интерфейс, архитектура, контекст и пользовательский сценарий.

Именно поэтому нельзя считать только токены. В AI важно считать весь продукт целиком.