как OpenAI, Anthropic, Google и xAI борются за модели, облака и разработчиков

В мае 2026 года Anthropic объявила, что получает Colossus 1 ^[1] – кластер мощностью больше 300 МВт, где стоит свыше 220 тысяч GPU NVIDIA. Строили его для Grok, а владеет им SpaceX, которая в феврале купила xAI ^[2]. Один разработчик моделей арендовал суперкомпьютер у другого, и рынок принял это спокойно.

Для 2026 года это нормальная картина. Релизы моделей выходят раз в пару месяцев, а настоящая борьба идёт тише: в договорах на гигаватты, в собственных чипах, в каталогах облаков, в прайсах за миллион токенов и в инструментах, к которым привыкают разработчики.

Первое оружие: гигаватты

Мощность для ИИ сейчас считают в гигаваттах, а число ускорителей идёт вторым. Чипы можно купить за месяцы, а подключение нового дата-центра к сети и охлаждение занимают годы. Отсюда и анонсы сделок, где мощность стоит первой строкой.

OpenAI подробнее всех рассказывает, сколько мощности у неё уже работает. Финансовый директор компании в январе привела цифры ^[3]: 0,2 ГВт в 2023 году, 0,6 ГВт в 2024-м и около 1,9 ГВт в 2025-м. В апреле 2026 года OpenAI сообщила ^[4], что по контрактам уже набрала больше 10 ГВт и перекрыла цель Stargate на 2029 год. Под неё подписаны и договоры на железо: с NVIDIA на 5 ГВт систем Vera Rubin ^[5], с AMD на 6 ГВт ^[6], с Broadcom на 10 ГВт собственных ускорителей ^[7] и с AWS примерно на 2 ГВт Trainium ^[8]. Складывать эти цифры не стоит, потому что во многом это чипы для тех же дата-центров.

Подписанная мощность ещё не работает. По оценке Epoch AI, которая следит за стройками по спутниковым снимкам и заявлениям подрядчиков, в середине апреля из семи площадок Stargate работала одна ^[9], в Абилине, примерно на 0,3 ГВт. Сама Epoch ждала там 0,6 ГВт к концу мая и 1,2 ГВт к концу года. А расширение Абилина сверх 1,2 ГВт в марте остановили ^[10] из-за задержек с подключением к энергосети.

AWS обещает Anthropic до 5 ГВт ^[11], из них около 1 ГВт на Trainium к концу 2026 года. Google ещё в 2025 году договорилась поставить ей до миллиона TPU ^[12], а Broadcom на сентябрьском звонке с инвесторами рассказала ^[13] о 1 ГВт Ironwood для Anthropic в 2026 году и ещё 5 ГВт TPU 8i в 2027-м. Дальше идут до 1 ГВт в Azure ^[14], до 2 ГВт на AMD ^[15], Colossus 1 и собственные дата-центры ^[16] в Техасе и Нью-Йорке. Сколько из этого уже работает, Anthropic не раскрывает.

xAI строит быстро: первый Colossus, по словам компании, собрали за 122 дня ^[17]. В проспекте SpaceX к IPO сказано, что Colossus и Colossus II вместе дают около 1 ГВт ^[18]. Google зависит от чужого железа меньше всех: у неё своё облако, свои дата-центры и TPU, которые она разрабатывает вместе с Broadcom. Alphabet на 2026 год закладывает ^[19] от 195 до 205 млрд долларов капитальных затрат.

Капитальные затраты крупнейших техкомпаний на 2026 год, методики учёта немного различаются. Источники: отчёты за апрель–июнь 2026 года

Для масштаба: у Amazon план около 220 млрд долларов ^[20], у Microsoft – около 175 млрд ^[21], у Meta – 130–145 млрд ^[22]. Большая часть этих денег уходит в дата-центры, которыми потом пользуются в том числе OpenAI и Anthropic.

Второе оружие: свой чип

Пока все остальные подписывают контракты, NVIDIA собирает деньги. За квартал, закончившийся в июле 2026 года, её выручка составила 96,2 млрд долларов, а дата-центры принесли 89 млрд ^[23], на 117% больше, чем годом раньше. Каждый, кто может, пытается выйти из этой зависимости хотя бы частично.

Дальше всех продвинулась Google. В апреле она показала ^[24] восьмое поколение TPU, и на этот раз это сразу два специализированных чипа: 8t для обучения ^[25] и 8i для работы готовых моделей. Обучению нужна прежде всего вычислительная мощность, инференсу – много быстрой памяти ^[26] под длинный контекст.

Google заявляет для 8t до 2,7 раза лучшую производительность на доллар в обучении, чем у Ironwood. Это цифры самой компании, независимых замеров пока нет, а общую доступность обещали к концу года. В апреле Google ещё и объявила ^[29], что начнёт поставлять TPU отдельным клиентам для их собственных дата-центров. Первая выручка от этого ожидается в конце 2026 года, основная – в 2027-м.

У Amazon своя линия, Trainium. Третье поколение доступно с декабря 2025 года, у него 144 ГБ HBM3e на чип ^[30], а среди клиентов Amazon называет и Anthropic, и OpenAI. Microsoft в январе запустила Maia 200 ^[31] и обслуживает на ней в том числе модели GPT-5.2.

OpenAI заказала свой чип у Broadcom. Ускоритель Jalapeño для инференса по собственным замерам OpenAI ^[32] на пике пропускной способности делает в 1,5–1,9 раза больше работы на ватт, чем системы GB200 и GB300. Broadcom в сентябре сообщила ^[13], что начала отгрузки, а развёртывание на 1,3 ГВт запланировано на 2027 год.

xAI по-прежнему считает всё на NVIDIA. Стройка не ждёт, пока созреет свой кремний, но и наценку NVIDIA компании приходится оплачивать целиком.

Третье оружие: облако без эксклюзива

Ещё пару лет назад OpenAI жила в Azure, Anthropic – в AWS, Gemini – в Google Cloud. В 2026 году эксклюзивы почти исчезли. В апреле OpenAI и Microsoft переписали договор ^[33]: OpenAI может продавать свои продукты через любое облако, хотя новинки по-прежнему выходят сначала в Azure. С июня модели OpenAI и Codex общедоступны в Amazon Bedrock ^[34]. Claude с конца 2025 года есть во всех трёх крупнейших облаках, а Grok продаётся через Microsoft Foundry ^[35] и Oracle OCI ^[36].

Дело в том, как покупают крупные клиенты. У банка или ритейлера уже есть договор с облаком, согласованные требования безопасности и бюджет, который надо потратить. Модель, которой нет в этом облаке, для них почти не существует. Вот поставщики моделей и идут туда, где у клиента уже лежат деньги.

Облака при этом продают модели конкурентов, сдают им железо и вкладывают в них деньги. Если свести связи двух крупнейших лабораторий с поставщиками, получится вот что:

Зависимость работает в обе стороны. Привязаны не только клиенты, но и сами лаборатории: контракт OpenAI на 250 млрд долларов в Azure или обязательство Anthropic потратить больше 100 млрд в AWS за десять лет держат их не слабее, чем облачный договор держит банк.

Четвёртое оружие: цена токена

Для разработчика вся эта война в итоге сводится к счёту за API. Вот что стоят флагманские и «рабочие» модели на начало октября 2026 года по стандартному тарифу и для запросов до 200 тысяч токенов:

Рынок разделился. Самые мощные модели продаются как премиум: GPT-6 Astra и Claude Fable 5.1 стоят одинаково, 10 долларов за миллион входных токенов и 50 за миллион выходных. Для сравнения, флагманский GPT-5 в 2025 году стоил 1,25 и 10 ^[45]. Gemini 4 Argon, который пока не вышел в открытый API, Google анонсировала ^[46] по промо-цене 2 и 10 долларов, а после промо – 4 и 20.

В среднем сегменте, наоборот, идёт ценовая война. GPT-6.1 Sol, Gemini 3.1 Pro и Grok 4.7 стоят на входе по 2 доллара. Opus год назад стоил 15 и 75 долларов, а Opus 5.5 – уже 4 и 20.

Бывает и обратное движение. На странице цен Gemini 3.8 Flash прямо написано ^[43], что с 1 января 2027 года вход подорожает с 0,75 до 1,5 доллара, а выход – с 3,75 до 7,5. Google причин не называет, но похоже, что заканчивается промо-период.

На длинной дистанции цены всё же падают. Epoch AI посчитала, что стоимость одного и того же результата ^[47] на математических и научных бенчмарках с 2023 года снижалась примерно в 13 раз в год, быстрее всего в первые месяцы после выхода модели-рекордсмена.

Но цена за токен ещё не цена задачи. Artificial Analysis прогоняет модели по одному набору тестов и показывает среднюю стоимость одной задачи ^[48]. Grok 4.7 в режиме xhigh обходится в 3,74 доллара за задачу, а GPT-6.1 Sol в режиме max – в 0,72, хотя тарифы у них близкие. И набирает Sol больше: 52 балла против 46. Модель, которая много рассуждает, съедает разницу в тарифе своими токенами.

Пятое оружие: экосистема для разработчиков

Последнее оружие – инструменты разработчика. У каждой из четырёх компаний есть свой агент для кода: Codex у OpenAI, Claude Code у Anthropic, Gemini CLI у Google, Grok Build у xAI. Как они устроены и чем отличаются, мы можем разобрать в отдельной статье, здесь важнее другое.

Часть экосистемы стала общей. Протокол MCP ^[49] для подключения инструментов к моделям придумала Anthropic ^[50], а потом его поддержали и OpenAI ^[51], и Google ^[52]. Инструмент, написанный один раз, работает с моделями разных поставщиков, и это снижает цену переезда.

С открытыми весами картина другая. OpenAI, Google и xAI выложили модели с открытыми весами: gpt-oss ^[53], Gemma ^[54] и Grok 2 ^[55]. Их можно запустить на своём сервере и не зависеть от чужого API. Claude доступен только через API и облака, так что команда, которой нужна модель у себя, к Anthropic с этим не придёт.

А что с самими моделями

Разрыв между лучшими моделями на удивление мал. В индексе Artificial Analysis на начало октября ^[48] первое место у Claude Opus 5.5 с 58 баллами, но в режиме max, где задача стоит около 6 долларов. GPT-6 Astra набирает 53 балла за 3,26 доллара, Gemini 4 Argon – 53 за 1,99, Grok 4.7 – 46.

На арене, где модели сравнивают живые пользователи, первое место у Gemini 4 Argon ^[56], а между первым и четвёртым местом около 20 очков. При этом GPT-6 Astra там на 29-м месте, а Grok 4.7 – на 92-м, так что разные площадки видят разных лидеров. А классический тест на программирование SWE-bench Verified потерял доверие: OpenAI перестала публиковать по нему результаты ^[57], потому что нашла ошибки ^[58] в тестах и следы задач в обучающих данных.

Отрыв лидеров держится месяцами, и следующий релиз конкурента его съедает. Поэтому одной сильной модели мало, и борьба переехала туда, где преимущество живёт дольше.

Что думаем мы

Если выбирать одно оружие, мы бы поставили на работающие гигаватты, то есть на мощность, которая уже подключена к сети и охлаждается. Модели догоняют друг друга за месяцы, цены пересматривают каждый квартал, а дата-центр строится годами, и его нельзя скопировать после чужого релиза.

По этому критерию у каждой компании своя сильная сторона и своя уязвимость. Google меньше всех зависит от чужих чипов и облаков, но её новый флагман Gemini 4 Argon пока доступен только узкому кругу клиентов. OpenAI собрала больше всех контрактов и публикует рабочие гигаватты по годам, поэтому разрыв между подписанным и работающим у неё виден лучше всего. Абилин показал, что энергосеть договором не ускоришь. Anthropic разложила заказы по четырём платформам, но почти всё её железо принадлежит другим, а сколько мощности у неё работает, она не раскрывает. xAI строит свои кластеры быстрее остальных, но сидит на одном поставщике чипов, а Colossus 1 SpaceX сдала конкуренту.

Когда мощности не хватает всем, цены двигаются не только вниз, и пример Gemini 3.8 Flash это уже показал. Совет разработчику отсюда простой. Держите вызовы модели за тонким слоем абстракции, сравнивайте стоимость готовой задачи, а не цену токена, и не завязывайте продукт на функцию, которая есть только у одного поставщика, если без неё можно обойтись.