Через год выбор модели будет как выбор процессора у Apple — 13 июля 2026 г. в 13:00:30.516
Через год выбор модели будет как выбор процессора у Apple 👋 Всем привет. На связи Алекс Монами Раньше в макбуке был один процессор. При покупке ставил на кассу — получал что дают. Максимум решал сколько памяти взять. Сейчас три. M4, M4 Pro, M4 Max. Один бренд, разная цена, разные задачи. Кто-то берёт M4 для веб-браузинга и почты. Кто-то Pro для монтажа видео. Кто-то Max для тяжёлого 3D-рендера. Одинаковая логика в каждом слое: под задачу. С AI-моделями сейчас происходит примерно то же самое. За последние месяцы у OpenAI появилась линейка Sol / Terra / Luna. У Anthropic — Fable / Opus / Haiku. Разная цена, разная скорость, разная сила. И большинство людей смотрят на это как раньше на макбук — «покажите самое дорогое, я подключусь и не буду думать». Через месяц смотрят на счёт и не понимают откуда столько. Что реально произошло? Раньше выбирать было нечего. Была одна топ-модель. Ты подписывался, платил свои $20-200 в месяц и не заморачивался. Она справлялась со всем — от «напиши email» до «разбери сложный контракт». Сейчас топ-модель стала специализированной. Она умеет очень сложное. Но для «напиши email» она стреляет из пушки по воробьям, и стоит в 5-15 раз дороже, чем нужно на такую задачу. Средняя модель делает 80% задач работающего головой человека без потери качества. Дешёвая — рутину, черновики, разбор простых сообщений от клиентов, классификацию. По моему опыту, из 100 запросов к AI за рабочий день реально требуют топ-модель штук 10-15. Остальные вниз по уровням идут спокойно. Почему аналогия с Apple работает M4 Max в макбуке не для того чтобы смотреть YouTube. Он для рендера, для нейросетей, для того что реально требует много силы. YouTube нормально идёт и на M4. С моделями то же самое: топ-модель нужна для юридического анализа, стратегической аналитики, глубокого разбора длинных документов. Всё остальное — писать письма, суммаризировать статьи, придумывать варианты заголовков, разбирать таблицы — прекрасно идёт на средней или дешёвой. Но разница в счёте — не 20%, а в разы. Что это меняет в практике Появляется навык, которого раньше не было — сортировать задачи по уровням. Раньше не думал: подключил, задал вопрос, получил ответ. Сейчас перед тем как задать вопрос, полезно сказать себе: «это из категории "сложное" или "рутинное"?». Первый раз это выглядит как лишняя работа. Через две недели становится привычкой на три секунды, и счёт падает в разы. Плюс средняя модель отвечает быстрее чем топовая. То есть дешевле и быстрее одновременно. Один день из моей работы. Утром — аналитический обзор рынка, сложное, идёт на топ-модель. Днём — разбор переписки с клиентами, рутина, идёт на дешёвую. Вечером — написание кода, средне-сложное, идёт на среднюю. Три разные модели за один день, три разные цены. Раньше всё это шло в одно место и стоило втрое дороже. Это не значит, что каждый должен строить у себя ферму из трёх подписок. Для маркетолога, HR, аналитика — обычно достаточно одной подписки на средний уровень. Топ-модель дёргать точечно, когда действительно нужна глубина. Дешёвую — тоже точечно на рутину. Тем более, сейчас Claude и OpenAI позволяют вручную переключаться между моделями. И не значит, что тому, кто платит одну подписку сейчас, срочно всё переделывать. AI пока не настолько дорог, чтобы разделение задач давало огромный выигрыш на маленьких объёмах. Оно начинает окупаться когда вы гоняете AI по многу раз в день. Но вот что важно поймать Не сколько вы платите сейчас. А то, что через год-полтора это станет обычным: выбирать модель под задачу, как выбирать процессор в макбуке. Не одна на всё. Не «топовая на самое главное». А привычка думать какой уровень нужен под каждый конкретный запрос. Кто эту привычку начнёт формировать в 2026, будет платить в разы меньше в 2027. 🔌 Адаптируемся.