Индустрия искусственного интеллекта вступает в новую фазу развития. Если еще несколько месяцев назад компании соревновались в размерах контекстного окна и количестве используемых токенов, то теперь главным показателем становится стоимость каждого запроса.

На этом фоне Anthropic объявила о радикальном шаге: в Claude Code было удалено около 80% системных промптов. Одновременно компания представила модель Fable 5, которая, по словам разработчиков, требует гораздо меньше инструкций для выполнения сложных задач.

Эти изменения отражают более широкий тренд: эпоха бесконтрольного расходования вычислительных ресурсов постепенно заканчивается.

По данным, приведенным InfoQ, расходы Anthropic на вычислительные мощности уже превышают затраты на персонал более чем в два раза.

Если пересчитать общие расходы на одного инженера, то ежегодная стоимость вычислений, приходящаяся на каждого сотрудника компании, оценивается примерно в 515 тысяч долларов — значительно больше полной стоимости работы высококвалифицированного разработчика.

Фактически вычислительные ресурсы становятся самым дорогим активом компаний, создающих современные языковые модели.

Именно поэтому вопрос эффективности использования токенов выходит на первый план.

Еще весной 2026 года среди разработчиков была популярна идея так называемого token maxing — использования максимально возможного количества токенов для достижения лучших результатов.

Сегодня все чаще звучит другой термин — Token Apocalypse («токеновый апокалипсис»), отражающий смену приоритетов. Крупные компании начали жестко контролировать расходы на ИИ:

ограничивают доступ сотрудников к самым дорогим моделям;

устанавливают месячные лимиты на использование токенов;

переводят команды на более дешевые версии моделей;

полностью отключают доступ к некоторым AI-инструментам.

Ранее сообщалось, что Uber ввела ограничения на расходы инженеров, а ряд крупных корпораций, включая Citigroup, значительно сократили использование дорогостоящих языковых моделей.

Причина проста: массовое внедрение генеративного ИИ привело к неожиданно высоким счетам за вычисления.

Claude Code изначально разрабатывался как демонстрация возможностей модели, а не как максимально экономичный инструмент. По словам руководителя проекта Бориса Черны, ключевой вопрос звучал не «как сократить расход токенов», а «как показать, насколько умной стала модель».

Поэтому Claude Code долгое время использовал философию максимального качества взаимодействия:

подробные объяснения;

длинные цепочки рассуждений;

большое количество вспомогательных агентов;

богатые системные инструкции.

Такой подход создавал впечатление высокой производительности, но одновременно значительно увеличивал стоимость каждого запроса.

В отличие от Anthropic, OpenAI сделала ставку на другую стратегию — получение аналогичного результата при меньшем расходе токенов за счет оптимизации внутренних процессов моделей.

Еще недавно разработчики считали, что чем больше инструкций получает модель, тем лучше она работает. Поэтому системные промпты постепенно разрастались. В них добавлялись:

правила использования инструментов;

описание поведения модели;

рекомендации по поиску информации;

сведения о структуре проектов;

дополнительные ограничения.

Каждая новая функция сопровождалась очередным блоком инструкций.

В результате системный промпт Claude Code увеличился примерно до 65 тысяч токенов. Даже после отключения большинства возможностей объем обязательного контекста составлял около 12 тысяч токенов.

Проблема заключается в том, что эти инструкции приходится загружать при каждом обращении к модели. Каждый такой токен увеличивает стоимость вычислений и уменьшает доступный объем контекстного окна.

После появления новой модели Fable 5 в Anthropic пришли к выводу, что столь подробные инструкции уже не только не помогают, но иногда ограничивают возможности модели. Поэтому около 80% системных промптов было удалено.

По словам инженера компании Тарика Шихипара, современные модели способны самостоятельно находить более эффективные решения, чем те, которые заранее описывают разработчики.

По аналогии с техническим долгом в программировании. Если устаревший программный код постепенно усложняет разработку, то чрезмерно разросшиеся системные промпты начинают ухудшать работу моделей. Причем обнаружить такую проблему значительно сложнее.

Пользователь замечает лишь, что новая версия модели неожиданно кажется менее эффективной, хотя причиной может быть не сама модель, а устаревшие инструкции, оставшиеся от предыдущих поколений. В результате промпты, которые раньше считались конкурентным преимуществом, постепенно превращаются в источник дополнительных расходов.

Еще одним направлением оптимизации становится сокращение объема текста, который генерирует сама модель. Именно для этого появился популярный плагин Caveman. Его задача — максимально убрать из ответов:

вежливые вступления;

длинные вводные конструкции;

повторяющиеся пояснения;

разговорные обороты.

Такой подход позволяет сократить объем выходных токенов примерно на 65–75% без ухудшения качества кода или технической информации. При этом сохраняются все критически важные элементы — команды, пути к файлам, URL-адреса и названия функций.

OpenAI значительно раньше начала оптимизировать внутренние процессы моделей. Если ответы Claude традиционно отличаются подробностью, то внутренние цепочки рассуждений моделей OpenAI представляют собой максимально сжатые технические записи.

Вместо полноценных предложений используются короткие инженерные пометки, содержащие только ключевые действия и выводы. Такой стиль позволяет существенно уменьшить объем токенов, расходуемых на внутреннее рассуждение модели.

Поскольку современные AI-агенты выполняют задачи в несколько последовательных этапов, сокращение внутренних рассуждений снижает затраты не только на текущий запрос, но и на все последующие шаги обработки.

Именно поэтому OpenAI может эффективно работать с меньшим контекстным окном, тогда как Claude традиционно использует окна объёмом до миллиона токенов. Ситуация вокруг Claude Code показывает, что развитие искусственного интеллекта вступает в новую стадию.

Если раньше главным критерием считались возможности моделей, то теперь все большее значение приобретают экономические показатели:

сколько токенов требуется для выполнения задачи;

насколько эффективно расходуются вычислительные ресурсы;

можно ли добиться того же результата меньшими затратами.

Удаление 80% системных промптов в Claude Code — не просто техническое обновление. Это сигнал о смене подхода всей отрасли. Компании начинают понимать, что дальнейшее развитие ИИ зависит не только от роста мощности моделей, но и от способности сделать их использование значительно дешевле.

Следующим этапом конкуренции, вероятно, станет не увеличение размеров моделей или контекстных окон, а поиск способов выполнять те же задачи с минимальным расходом вычислительных ресурсов. Именно эффективность, а не только производительность, постепенно становится новым стандартом развития искусственного интеллекта.