Большинству компаний не нужны дорогие флагманские ИИ-модели для решения повседневных задач. Такое мнение высказал сооснователь Fireworks AI Чэньюй Чжао на технологической конференции Slush в Хельсинки. По его словам, открытые нейросети постепенно сокращают технологический разрыв с разработками OpenAI и Anthropic, а их адаптация под конкретные бизнес-процессы позволяет предприятиям уменьшить расходы и сохранить контроль над собственными технологиями.

Fireworks AI специализируется на развертывании и дополнительном обучении моделей с открытыми весами. В отличие от закрытых систем, параметры таких нейросетей можно скачать и использовать на собственной или арендованной инфраструктуре согласно условиям лицензии.
Среди клиентов Fireworks — Uber, Shopify и другие технологические компании. В июле 2026 года стартап сообщил, что годовой темп его выручки превысил $1 млрд, а инвесторы оценили бизнес в $17,5 млрд.
По оценке Чжао, еще несколько лет назад открытые модели отставали от коммерческих аналогов примерно на год-полтора. После появления DeepSeek и других разработок этот разрыв сократился до трех-шести месяцев. При этом большинству корпоративных приложений не требуются передовые возможности ИИ.
Обработка клиентских обращений, классификация документов, извлечение информации и выполнение стандартных операций зачастую обходятся без сложных рассуждений.
Использование флагманских моделей особенно сильно сказывается на экономике сервисов с большой аудиторией. По словам Чжао, при запуске нового продукта обращение к дорогой нейросети помогает снизить технические риски. Однако после достижения 10–100 тыс. пользователей ежемесячные расходы на ИИ могут вырасти до $10–100 тыс. На этом этапе бизнесу становится выгоднее адаптировать менее дорогие модели под собственные задачи.
Fireworks предлагает гибридный подход: мощные нейросети отвечают за планирование и решение нестандартных проблем, а более дешевые выполняют основную часть операций. Специальные алгоритмы распределяют запросы между моделями в зависимости от сложности.
При такой схеме важна итоговая стоимость успешно выполненной задачи, поскольку экономию на токенах могут свести на нет ошибки и необходимость повторных запросов.
Кроме того компании, которые используют одинаковые коммерческие нейросети, получают доступ примерно к одному технологическому набору. Собственные специализированные модели позволяют учитывать внутренние знания, особенности отрасли и накопленный опыт сотрудников.
Однако использование открытых весов само по себе не гарантирует безопасность информации. Осенью Fireworks раскрыла два киберинцидента, после которых злоумышленники получили доступ к данным ряда клиентов. Среди пострадавших оказались Notion и Uber.
Интерес к специализированному ИИ растет и среди крупных технологических корпораций. 18 ноября компания Palo Alto Networks объявила о покупке Applied Compute за $4,5 млрд. Стартап основали бывшие исследователи OpenAI, а его платформа позволяет предприятиям обучать и запускать собственные модели. Покупатель рассчитывает объединить эти инструменты с корпоративными системами кибербезопасности.
Одновременно дешевеют и закрытые нейросети. В ноябре Anthropic снизила стоимость использования Claude Fable 5.2 через API на 20% относительно предыдущей версии. Компания также развивает более доступные семейства Sonnet и Haiku.
Поэтому конкуренция постепенно смещается в сторону экономической эффективности отдельных задач. Для разработчиков универсальных моделей это создает риск сокращения доходов от массовых операций, тогда как рынок специализированного ИИ получает возможность расти за счет корпоративных клиентов.
Подпишитесь на «Инк» в Telegram. Там мы пишем нескучным языком о самом важном для предпринимателей. Подписаться.