ET RU EN

Блог

Ryanair ищет экономию в ИИ. Нужна ли малому бизнесу самая дорогая модель?

Опубликовано

Ryanair ждёт, что в следующем финансовом году топливо обойдётся компании на 2 млрд евро дороже, и среди способов сэкономить гендиректор Майкл О'Лири называет более широкое применение ИИ в административной работе. Но у ИИ тоже есть счёт, и его размер во многом зависит от одного выбора, который легко сделать по привычке: какой моделью закрывать каждую задачу. Короткий ответ для владельца малого бизнеса в Эстонии и специалиста, который работает на себя: простым задачам самая дорогая модель не нужна. Черновики, разбор писем и шаблонные тексты можно отдать недорогой модели. Флагман, то есть самую сильную и дорогую модель, стоит оставить для задач, где ошибка обходится дороже разницы в цене.

Зачем авиакомпании ИИ, когда дорожает топливо?

Чтобы сэкономить там, где расходы зависят от самой компании. Как пишет ERR, гендиректор Ryanair Майкл О'Лири прогнозирует рост расходов на топливо на 2 млрд евро в следующем финансовом году и предупреждает о подорожании билетов. Среди возможных мер экономии он называет временную заморозку зарплат и более широкое применение ИИ в административной работе.

Административная работа есть в любой фирме, от авиакомпании до мастерской на двоих: письма, документы, отчёты, ответы на типовые вопросы. Поэтому тот же вопрос - где ИИ сэкономит деньги - касается и небольшой фирмы.

Но у ИИ тоже есть счёт. Когда модель подключают к работе фирмы через API (программный вход, через который ИИ встраивают в сервисы и таблицы), оплату обычно считают в токенах - кусочках текста: отдельно за то, что вы отправили модели, и за то, что она написала в ответ. Поэтому экономия на ИИ начинается с вопроса, какую модель вы ставите на каждую задачу.

Сколько стоит флагман и есть ли смысл платить меньше?

Смысл есть, когда задача простая. Для ориентира - свежий флагман Google. По данным из поста @_philschmid, Gemini 4 Carbon набирает 59 баллов в индексе Artificial Analysis v5 и стоит столько же, сколько предыдущая модель Argon: 2 доллара за входные токены и 10 долларов за выходные. Единицу в посте не указали, и у цены стоит звёздочка. Пробуют модель пока только доверенные партнёры, разработчикам доступ обещают как можно скорее.

На другом краю - недорогие модели. По оценке аналитика, который пишет в X под ником @bindureddy, DeepSeek в 20 раз дешевле Opus и уже справляется с 70% задач. Вывод автора: компании сильно переплачивают, когда отдают простую работу дорогим моделям. Источник цифр он не привёл, так что это мнение, и проверять его стоит на своих задачах.

Мысль за этим мнением при этом понятная. Напоминание об оплате, черновик поста, сортировка входящих по темам - такой работе предел возможностей модели обычно не нужен. Поэтому перед каждой задачей стоит спросить себя: ей нужен лучший результат на рынке или хватит хорошего?

Почему тогда не перевести на дешёвую модель всю работу?

Потому что у каждой модели своя сильная сторона, и самые трудные задачи пока лучше решают закрытые флагманы. Artificial Analysis перешла на закрытые бенчмарки (тесты, задания которых не публикуют), и новые замеры показали, что открытые модели - те, чьи веса выложены в общий доступ и которые можно запустить у себя, - отстают от закрытых сильнее, чем выходило раньше. Как пишет Итан Моллик, к результату стоит относиться с осторожностью, но он совпадает с общим ощущением: открытой модели уровня Fable пока нет.

Дешёвый край рынка при этом тоже движется. Как пишет глава Perplexity Аравинд Шринивас, запускается компания Particle: она настраивает открытые модели так, чтобы те тратили меньше токенов и обходились дешевле в работе. Perplexity работала с командой ещё до запуска и собирается сотрудничать с ней в поиске и в распределении задач между моделями.

Выходит, открытые модели дешевеют, но в сложных задачах впереди пока закрытые. И даже среди закрытых каждая сильна в своём. Свежий расклад рейтинга LiveBench, о котором пишет @bindureddy:

  • Наверху Fable 5.1 и Astra.
  • Opus 5.5 идёт рядом и лучше всех справляется с дизайном.
  • Argon обходит Terra и силён в анализе данных.
  • Модель Google впервые обошла открытые модели; лучшая из открытых - тот самый DeepSeek.

Что отдать недорогой модели и за что стоит платить?

Рабочее правило: чем дороже обходится ошибка и чем меньше вы проверяете результат перед отправкой, тем сильнее модель нужна задаче. Задачи, которые вы всё равно прочитаете и поправите сами, ложатся на недорогую модель. Там, где ошибка бьёт по деньгам или по клиенту и проверять всё руками долго, нужна модель, сильная именно в этой задаче. Как это выглядит на типовых задачах малого бизнеса:

  • Черновик поста, письма или описания услуги - недорогая модель: текст всё равно пройдёт вашу правку.
  • Разбор входящих писем (сортировка по темам, выжимка длинной переписки, список вопросов клиента) - недорогая модель: промах здесь видно сразу.
  • Шаблонные тексты (напоминание об оплате, подтверждение записи, ответ на частый вопрос) - недорогая модель: образец выверяете один раз, дальше она пишет по нему.
  • Разбор цифр, по которым вы решаете, куда пойдут деньги, - модель, сильная в анализе данных: в LiveBench здесь выделяется Argon.
  • Дизайн, макеты, оформление - модель, сильная в дизайне: в том же рейтинге здесь лучше всех Opus 5.5.
  • Длинная задача из многих шагов, где модель сама идёт от шага к шагу, - флагман: как пишет @OfficialLoganK, Google называет Gemini 4 Carbon лучшей именно в длинных многошаговых задачах.

Где это правило подведёт и что тогда делать?

У этого правила три слабых места, и у каждого есть обход.

Первое - цифры про дешёвые модели пока держатся на оценке. «В 20 раз дешевле» и «70% задач» - мнение одного автора без источника. Что делать: проверить на своём материале. Дайте одну и ту же задачу недорогой модели и флагману и сравните оба ответа с тем, что сделали бы сами.

Второе - расклад быстро меняется. Gemini 4 Carbon вышла всего через две недели после Argon, и смена методики у Artificial Analysis заметно сдвинула оценку открытых моделей. Как пишет Нейтан Ламберт, отрасли нужны более узкие индексы, потому что модели используют для очень разных задач. Что делать: выбирать модель под конкретную задачу и сверять выбор заново, когда выходит новая версия.

Третье - цена на бумаге и счёт могут разойтись. У Gemini 4 Carbon в посте нет единицы цены, зато есть звёздочка, и пользоваться моделью пока могут только доверенные партнёры. Что делать: сравнивать модели по официальному тарифу того сервиса, через который вы реально работаете, и смотреть на итоговый счёт за месяц.

В сумме: простой работе хватает недорогой модели, сложной и дорогой по последствиям нужен флагман, и деньги утекают там, где одну модель ставят на всё подряд. Один шаг на эту неделю - выпишите задачи, которые уже отдаёте ИИ, и рядом с каждой отметьте, кто проверяет результат перед отправкой. Задачи, где проверяете вы сами, - первые кандидаты на недорогую модель. Если вопрос шире выбора модели и касается того, как перестроить работу в своём деле, загляните к экспертам MOST.

Источники

Вопросы и ответы

Какую нейросеть выбрать для простых задач в работе?
Для черновиков, разбора писем и шаблонных текстов хватает недорогой модели. По оценке аналитика @bindureddy, DeepSeek в 20 раз дешевле Opus и уже справляется с 70% задач. Источник цифр он не привёл, поэтому проверьте на своей задаче: дайте её двум моделям и сравните результат.
Сколько стоит флагманская модель ИИ?
Для ориентира: у Gemini 4 Carbon от Google заявлена цена 2 доллара за входные токены и 10 долларов за выходные. Единицу в посте не указали, у цены стоит звёздочка, и пока моделью пользуются только доверенные партнёры. Точные условия лучше смотреть в официальном тарифе, когда откроют доступ.
Открытые модели уже догнали закрытые?
Пока отстают. После перехода Artificial Analysis на закрытые бенчмарки разрыв оказался больше, чем показывали прежние замеры. Итан Моллик советует принимать результат осторожно и при этом пишет, что он совпадает с общим ощущением: открытой модели уровня Fable пока нет.
Как понять, что задаче нужна дорогая модель?
Посмотрите на цену ошибки и на то, кто проверяет результат. Если вы всё равно читаете и правите текст перед отправкой, хватит недорогой модели. Если ошибка бьёт по деньгам или по клиенту и проверять всё руками долго, берите модель, сильную именно в этой задаче: в LiveBench, например, Opus 5.5 лучше всех справляется с дизайном, Argon силён в анализе данных.
Почему компании сейчас ищут экономию в ИИ?
Потому что растут другие расходы. Ryanair, например, ждёт, что в следующем финансовом году топливо обойдётся на 2 млрд евро дороже, и среди мер экономии называет более широкое применение ИИ в административной работе, сообщает ERR.
Станут ли недорогие модели ещё дешевле?
Над этим уже работают. Новая компания Particle настраивает открытые модели так, чтобы они тратили меньше токенов и стоили дешевле в работе, и Perplexity собирается с ней сотрудничать. Поэтому выбор модели стоит время от времени пересматривать.

← Все записи блога