Несколько крупных китайских моделей теперь конкурируют с западными решениями, при этом предлагая значительно более низкие затраты на API и сопоставимую производительность во многих задачах.

Предыстория и катализатор

В прошлом январе DeepSeek обошёл ChatGPT в App Store США после обучения своей модели за $6M, по сравнению с сообщёнными $100M+ у западных конкурентов.

Ограничения на экспорт чипов Nvidia в 2022 побудили китайские лаборатории оптимизировать модели под альтернативное оборудование и извлекать больше производительности из ограниченных ресурсов.

Ведущие китайские модели

Ниже перечислены несколько заметных моделей, которые разработчики используют для задач, чувствительных к стоимости, или для сценариев с большим количеством агентов.

• GLM-5 (Zhipu AI) — 77.8% по SWE-bench Verified; таблица лидеров показывает лицензию MIT, 744B параметров, при запросе активирует только 40B; наиболее подходит для задач, связанных с кодом и агентами.
• Kimi K2.5 (Moonshot AI) — заявлено 1 trillion параметров и возможность запускать до 100 параллельных субагентов; 74.9% на BrowseComp против 59.2% у Claude Opus 4.5.
• Qwen 3.5 (Alibaba) — делает упор на мультиязычные возможности и доступна по лицензии Apache 2.0, что позволяет более широкое коммерческое использование.
• DeepSeek V4 (DeepSeek) — позиционируется как низкозатратный вариант с ценой примерно $0.14-0.30 за 1M токенов; по сообщениям финансируется инвестором-хедж-фондом.

Сравнение цен

Опубликованные диапазоны цен на API иллюстрируют значительные различия: Claude Opus указан по цене $5-15/M токенов, тогда как GPT-5.4 — $5-10/M токенов.

В отличие от них, Kimi K2.5 предлагается примерно по $0.6/M токенов, а DeepSeek V4 — примерно по $0.4/M, что позволяет выполнить гораздо больше вызовов при том же бюджете.

Операционные оговорки

Китайские модели часто вводят строгие ограничения на политически чувствительный контент и обычно направляют API-запросы через серверы, расположенные в Китае, если не используется альтернативная маршрутизация.

Для задач, требующих более строгого управления данными, таких как некоторые медицинские, финансовые или государственные рабочие нагрузки, эти ограничения по размещению и содержанию могут быть неприемлемы.

Многие модели доступны для локальной загрузки и могут запускаться на частном оборудовании, что обеспечивает дополнительную гибкость для офлайн- или контролируемых сред.

Итог

Разработчики, ищущие более дешёвую инференцию или конфигурации с большим количеством агентов, имеют практические альтернативы среди китайских предложений, хотя и с компромиссами в виде контроля содержимого и размещения.