GPT-6, Claude Opus 5.5 и Gemini 4: что осенняя волна ИИ-моделей значит для бизнеса

Сентябрь и октябрь 2026 года стали самыми плотными по релизам за всю историю ИИ: новые флагманские модели выпустили почти все крупные лаборатории. Только в Яндексе запрос «gpt 6» набирает больше 77 тысяч показов в месяц. Разберёмся без технических подробностей: что вышло, что это меняет для компаний, которые внедряют ИИ, и на чём можно сэкономить.

Что вышло — коротко

• OpenAI GPT-6 Astra (3 сентября) — самая сильная модель OpenAI на сегодня. Умеет работать с программами через интерфейс: заполнять формы, обновлять карточки в CRM, редактировать таблицы. API — 10 $ за миллион входных токенов и 50 $ за миллион выходных.
• OpenAI GPT-6 Sol и Luna (22 сентября) — рабочая и бюджетная модели. По словам OpenAI, они на уровне прошлого поколения GPT-5.6, но вдвое дешевле: Sol — 2 $ / 10 $, Luna — 0,10 $ / 0,50 $ за миллион токенов.
• Anthropic Claude Opus 5.5 (22 сентября) и Sonnet 5.5 (28 сентября). Opus 5.5 стоит 4 $ / 20 $ — на 20% дешевле предыдущей версии, а на типовых задачах, по оценке Anthropic, выходит до 40% экономии. Sonnet 5.5 — 2 $ / 10 $, с контекстом до миллиона токенов.
• Google Gemini 4 Argon (анонс 30 сентября, общий доступ с 13 октября) — модель с упором на кибербезопасность и поиск уязвимостей в коде.
• Meta Muse Wonder (12 октября) — первая модель «переднего края» от Meta с акцентом на долгую память о пользователе.
• Mistral Large 4 (предварительный доступ с 6 октября) — европейская модель. Компания обещает выложить её открытые веса — саму обученную модель, которую можно скачать и запустить на своём сервере.
• DeepSeek V4.1 Flash (17 октября) — открытая модель под лицензией MIT: её можно бесплатно развернуть у себя.

Все цифры качества и экономии — данные самих компаний. Независимые тесты обычно скромнее, поэтому ориентируйтесь на собственную проверку на ваших задачах.

Главное для бизнеса: ИИ заметно подешевел

Самая важная новость этой осени — не рекорды в тестах, а цены. Рабочие модели подешевели примерно вдвое по сравнению с прошлым поколением, бюджетные стоят в десятки раз меньше флагманов, а повторяющиеся части запросов при кэшировании OpenAI считает со скидкой 90%. Автоматизация, которая год назад не окупалась — например, разбор всех входящих писем или проверка каждого договора, — теперь может окупиться за несколько месяцев.

Агенты, которые работают как сотрудник за компьютером

Вторая заметная тенденция — модели учатся работать с программами напрямую: видят экран, нажимают кнопки, заполняют поля. Раньше, чтобы ИИ обновил карточку в CRM, нужна была интеграция через API. Теперь агент может сделать это через обычный интерфейс — как человек.

Для бизнеса это значит, что автоматизировать можно и старые системы, у которых нет API. Но нужна осторожность: агенту, который нажимает кнопки, нужны чёткие правила, ограниченные права и журнал действий. Подробнее о том, как устроены агенты, — в статье «ИИ-агенты вместо API».

Не нужна одна «лучшая» модель

Частая ошибка — подключить самую сильную модель и отправлять в неё всё подряд. Большинство задач в бизнесе простые: классифицировать письмо, ответить на типовой вопрос, вытащить данные из документа. С ними справляется модель в десятки раз дешевле флагмана. Поэтому в хороших системах стоит маршрутизатор: он оценивает сложность задачи и отправляет её подходящей модели.

Подводные камни новых цен

• Вводные цены заканчиваются. У Gemini 4 Argon цены со скидкой действуют до 1 декабря, потом удваиваются. Считайте экономику по полной цене.
• Рассуждения тоже стоят денег. У моделей, которые «думают» перед ответом, скрытые рассуждения оплачиваются как выходные токены — итоговый счёт бывает в разы выше ожидаемого.
• Кэш не бесконечен. В агентах, которые много раз обращаются к инструментам, кэш часто сбрасывается, и скидка не срабатывает.
• Слабое место — обвязка. Уязвимости всё чаще находят не в самих моделях, а в программах вокруг них: шлюзах, коннекторах, серверах для подключения инструментов. Их нужно обновлять и защищать так же, как сайт или CRM.

А что с этим делать в России

OpenAI, Anthropic и Google напрямую не работают с российскими картами и аккаунтами. Подключать их можно через зарубежных партнёров, но персональные данные клиентов по 152-ФЗ в такие модели можно передавать только обезличенными. Подробно о вариантах — в статье «Как интегрировать зарубежные и российские ИИ в бизнес».

Хорошая новость осени для российских компаний — открытые модели. DeepSeek V4.1 и будущие открытые веса Mistral Large 4 можно развернуть на собственном сервере в России: данные никуда не уходят, а качество всё ближе к закрытым флагманам. Для задач без персональных данных и для первых экспериментов по-прежнему хороши YandexGPT и GigaChat.

Что сделать сейчас

1. Пересчитайте экономику. Задачи, которые год назад было дорого отдавать ИИ, по новым ценам могут окупиться.
2. Разделите задачи по сложности. Простые — дешёвой модели, сложные — флагману. Это снижает расходы в разы.
3. Не привязывайтесь к одному поставщику. Модели меняются каждые несколько месяцев. Архитектура, в которой модель можно заменить настройкой, экономит деньги и время.
4. Проверьте данные. Решите, что можно отправлять во внешние модели, а что должно оставаться на ваших серверах.
5. Начните с одного процесса. Разбор заявок, ответы клиентам, проверка документов — выберите то, где больше всего ручной работы, и измерьте результат.

Мы проектируем ИИ-агентов, которые выбирают модель под задачу, работают с вашими 1С и CRM и соблюдают 152-ФЗ. Посмотрите, как мы внедряем ИИ-агентов, — посчитаем, какие процессы окупятся у вас.