Парадокс дешёвого API: как можно зарабатывать, продавая в три раза дешевле рынка?
DeepSeek V4 Flash стоит $0,35 за миллион токенов на вход. Claude Sonnet 4.6 — $0,50. GPT-5 — $0,60. Mimo AI — всего $0,20. Разрыв в два-три раза. Но все они — коммерческие компании, которые должны приносить прибыль. Как DeepSeek и малоизвестный Mimo AI умудряются не просто выживать, а показывать маржу в 2-3x? Спойлер: никакого чуда. Только инженерный цинизм, жёсткая оптимизация каждого цикла GPU и умение считать каждый ватт. Давайте заглянем под капот.
Внимание: все цифры маржинальности — оценки аналитиков на основе публичных данных и утечек. Компании не раскрывают точные показатели, но общая логика бизнеса становится понятной при анализе инфраструктуры.
Главный секрет DeepSeek: Mixture of Experts и священный кэш
DeepSeek V4 использует архитектуру MoE: полная модель — 1,6 триллиона параметров, но для каждого запроса активируется всего 37 миллиардов. Это как если бы вы наняли армию из 40 специалистов, но на каждый проект выходило только трое — остальные просто ждали. Содержать такую армию дёшево?
Каждый неактивный «эксперт» потребляет энергию только на поддержание весов в памяти, а не на вычисления. Как мы уже разбирали в анатомии дешевизны 284B модели, именно это даёт выигрыш в 3-4 раза по сравнению с плотными моделями конкурентов. Но этого мало — надо ещё удешевить оперативку.
Здесь в игру вступает кэширование KV-состояний. DeepSeek агрессивно кеширует повторяющиеся префиксы: системные промпты, шаблоны, даже первые фразы пользователей. По данным компании, до 70% запросов попадают в кэш — это превращает дорогой инференс в дешёвую операцию чтения. Внутренние цифры: cost per token для кэшированных запросов падает на 60%. Как писалось в статье о предстоящем выходе V4, для Flash-версии скидка на кэш достигает 60% — и это делает модель самым выгодным решением для чат-ботов и суммаризации.
Mimo AI: квантование и прунинг в действии
Mimo AI — стартап, который пошёл ещё дальше. Их модель Mimo-1 (условное название) использует 4-битное квантование весов и динамический прунинг на уровне токенов. Если DeepSeek выключает целые эксперты, то Mimo «отключает» ненужные нейроны прямо во время генерации. Механизм простой: модель заранее предсказывает, какие части сети будут наиболее важны для текущего токена, и загружает только их. Остальное — zero compute.
Результат: инференс обходится на 40% дешевле, чем у DeepSeek Flash. Но качество для простых задач почти не страдает. Mimo открыто публикует бенчмарки: на MMLU-Pro Mimo-1 теряет 2%, но на суммаризации и вопросах-ответах — выигрывает по скорости в 2,5 раза. Плата за такую оптимизацию — сложность инженерной реализации. Mimo нанял команду бывших инженеров из Google, которые занимались TPU-оптимизациями.
Но не всё так радужно: для задач с уникальными промптами, где кэш не работает, цены Mimo могут быть выше. А динамический прунинг иногда режет не те нейроны — на сложной логике модель может «забыть» контекст. Это trade-off, который Mimo решает постепенно, выпуская обновления.
Сравнительная таблица: кто как зарабатывает
| Модель | Цена input (1M токенов) | Оценка маржи | Основные методы оптимизации |
|---|---|---|---|
| DeepSeek V4 Flash | $0,35 | 2,5x | MoE + KV cache + batch |
| DeepSeek V4 Pro | $0,80 | 1,5x (ниже из-за тяжёлого мышления) | MoE + long-context cache |
| Mimo-1 | $0,20 | 3x | 4-bit quantization + dynamic pruning |
| Claude Sonnet 4.6 | $0,50 | 1x (примерно break-even) | Традиционная оптимизация, мало кэша |
| GPT-5 (оценка) | $0,60 | 0,8x (убыточно) | Плотная модель без MoE |
Почему остальные не могут так же?
Ответ лежит на поверхности: архитектурные решения MoE требуют переписывания всего стека инференса. DeepSeek потратил годы на разработку собственного фреймворка, который динамически балансирует нагрузку между экспертами. Mimo — стартап, созданный специально для агрессивной оптимизации. А вот гиганты вроде OpenAI и Anthropic застряли на плотных моделях — им проще наращивать железо, чем менять архитектуру. Результат — математика убытков, которую мы уже разбирали: Claude Pro при текущих ценах не окупается.
Вдобавок DeepSeek может позволить себе долгую игру: привлечённые $10,3 млрд инвестиций позволяют вкладываться в инфраструктуру, даже если маржа временно отрицательная. Но данные говорят, что маржа уже положительна — иначе компания не повышала бы цены на V4 всего на 30% при двукратном улучшении качества.
Ключевой инсайт: 2-3x маржа — это не временный демпинг, а результат инженерной культуры. DeepSeek и Mimo доказали, что можно быть дешёвым и прибыльным одновременно. Остальные пока только догоняют.
Через год подобные методы — MoE, квантование, динамический прунинг — станут стандартом индустрии. Маржа в 2-3x превратится из секрета в норму. Вопрос лишь в том, кто из старых гигантов сможет адаптироваться быстрее. Если нет — их цены либо взлетят до небес, либо бизнес схлопнется. Рынок AI-инференса вступает в эру жёсткой эффективности — и это отличная новость для пользователей и плохая для тех, кто привык зарабатывать на «воздухе».
