В мае 2026 года Anthropic объявила, что получает Colossus 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. 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: 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, 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, с AMD на 6 ГВт, с Broadcom на 10 ГВт собственных ускорителей и с AWS примерно на 2 ГВт Trainium. 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, 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 из-за задержек с подключением к энергосети.
AWS обещает Anthropic до 5 ГВт, из них около 1 ГВт на Trainium к концу 2026 года. Google ещё в 2025 году договорилась поставить ей до миллиона TPU, а Broadcom на сентябрьском звонке с инвесторами рассказала 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, до 2 ГВт на AMD, Colossus 1 и собственные дата-центры 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. В проспекте SpaceX к IPO сказано, что Colossus и Colossus II вместе дают около 1 ГВт. 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 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, у Microsoft – около 175 млрд, у Meta – 130–145 млрд. Большая часть этих денег уходит в дата-центры, которыми потом пользуются в том числе OpenAI и Anthropic.
Компания | Работающая мощность (по данным компаний) | Крупнейшие контракты на будущее | На чём считает |
OpenAI | около 1,9 ГВт в 2025 году | больше 10 ГВт по Stargate, железо NVIDIA, AMD, Broadcom и AWS | NVIDIA, AMD, Trainium, свой чип Jalapeño (первые поставки в 2026 году, массово с 2027-го) |
Anthropic | не раскрывается | AWS до 5 ГВт, TPU 5 ГВт с 2027 года, AMD до 2 ГВт, Azure 30 млрд долларов и до 1 ГВт | TPU, Trainium, NVIDIA, AMD |
не раскрывается | капзатраты 195–205 млрд долларов за 2026 год | свои TPU, NVIDIA | |
xAI | около 1 ГВт (Colossus и Colossus II) | расширение Colossus II | только NVIDIA |
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, 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 восьмое поколение TPU, и на этот раз это сразу два специализированных чипа: 8t для обучения и 8i для работы готовых моделей. Обучению нужна прежде всего вычислительная мощность, инференсу – много быстрой памяти под длинный контекст.
Назначение | обучение | инференс | инференс |
Пиковая производительность FP4 | 12,6 ПФЛОПС | 10,1 ПФЛОПС | нет данных |
Память HBM на чип | 216 ГБ | 288 ГБ | 192 ГБ |
Скорость HBM | 6,5 ТБ/с | 8,6 ТБ/с | 7,4 ТБ/с |
Встроенная SRAM | 128 МБ | 384 МБ | нет данных |
Чипов в поде | 9 600 | до 1 024 активных | до 9 216 |
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, 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, а среди клиентов Amazon называет и Anthropic, и OpenAI. Microsoft в январе запустила Maia 200 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 на пике пропускной способности делает в 1,5–1,9 раза больше работы на ватт, чем системы GB200 и GB300. Broadcom в сентябре сообщила, 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: 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. Claude с конца 2025 года есть во всех трёх крупнейших облаках, а Grok продаётся через Microsoft Foundry и Oracle OCI.
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:
Поставщик | OpenAI | Anthropic |
Amazon | инвестиция 50 млрд долларов, около 2 ГВт Trainium, модели в Bedrock | основной партнёр по обучению, 13 млрд долларов инвестиций и ещё до 20 млрд, до 5 ГВт |
Microsoft | договор на 250 млрд долларов в Azure, Maia 200 обслуживает модели OpenAI | до 5 млрд долларов инвестиций, обязательство купить Azure на 30 млрд, Claude в Foundry |
по данным СМИ, Google Cloud с 2025 года среди поставщиков мощности, объём не раскрыт | до 40 млрд долларов инвестиций, до миллиона TPU, с 2027 года ещё 5 ГВт TPU 8i | |
NVIDIA | 30 млрд долларов инвестиций, 5 ГВт Vera Rubin | |
AMD | 6 ГВт MI450, варрант на акции AMD | |
Oracle | партнёр по 4,5 ГВт площадок Stargate, стойки в Абилине | – |
SpaceX (xAI) | – | Colossus 1 |
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:
Модель | Вход, $ за 1 млн токенов | Чтение из кеша | Выход |
10 | 1 | 50 | |
2 | 0,10 | 10 | |
10 | 0,25 | 50 | |
4 | 0,20 | 20 | |
2 | 0,20 | 12 | |
0,75 | 0,075 | 3,75 | |
2 | 0,50 | 6 |
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. Gemini 4 Argon, который пока не вышел в открытый API, Google анонсировала 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, 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 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. 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 для подключения инструментов к моделям придумала Anthropic, а потом его поддержали и OpenAI, и Google. 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, Gemma и Grok 2. 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 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, 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, потому что нашла ошибки 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.
