Поток 3 · Старт 23.11Живой Поток 3 интенсива «Вайбкодинг и ИИ-агенты» (23 ноября, 18:30 МСК): 3 недели практики, 9 живых встречПоток 3 (23.11) →

Американский ИИ вырос в 1,91 раза, а расходы — в 6,19: отдача на доллар упала на 69%

Отчёт METR сравнил, чего американский ИИ достиг после октября 2025 года и во что это обошлось. Возможности моделей выросли в 1,91 раза, а расходы на НИОКР — в 6,19 раза, как у завода, который почти вдвое поднял выпуск за шестикратный бюджет. Прирост на доллар упал примерно на 69%, на технического сотрудника в год — на 38%. Планировать продукт на дешёвые скачки качества моделей пока рискованно.

AI-обработка оригинала TG: @bezsmuzi (Русский ИТ бизнес); редакция Hamidun News
Американский ИИ вырос в 1,91 раза, а расходы — в 6,19: отдача на доллар упала на 69%
Источник: TG: @bezsmuzi (Русский ИТ бизнес). Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникTG: @bezsmuzi (Русский ИТ бизнес) ↗
Главный редактор
Возможности ИИ×1,91, расходы на НИОКР: ×6,19, штат: ×3,10
Ключевой факт #2Отдача на доллар упала на 69%, на сотрудника в год — на 38%
Ключевой факт #3Экономисты Гарикано и Имас не видят доказательств самоускорения ИИ

Принято считать, что ИИ вот-вот начнёт сам улучшать себя: пишет код для следующей модели, ставит эксперименты, и прогресс идёт лавиной. Свежий отчёт исследовательской организации METR показывает более приземлённую картину. С октября 2025 года американский ИИ действительно стал лучше, но каждый шаг вперёд обходится заметно дороже.

Что посчитал METR и как читать эти цифры

Идея простая: сравнить, что лаборатории получили, и что они на это потратили. НИОКР — это научно-исследовательские и опытно-конструкторские работы, то есть всё, что компании вкладывают в создание новых моделей: вычисления, данные, зарплаты.

После октября 2025 года:

  • измеренные возможности ИИ выросли в 1,91 раза;
  • расходы на НИОКР выросли в 6,19 раза;
  • численность технического персонала выросла в 3,10 раза.

Если поделить результат на затраты, получается: прирост возможностей на каждый вложенный доллар снизился примерно на 69%, а прирост на одного технического сотрудника в год — на 38%. Проверить легко: 1,91 / 6,19 ≈ 0,31, то есть отдача составляет около трети от прежней. А 1,91 / 3,10 ≈ 0,62, то есть минус около 38%.

Пример на пальцах. Представьте завод, который почти вдвое увеличил выпуск, но для этого ему пришлось увеличить бюджет в шесть раз и нанять втрое больше людей. Продукции стало больше, но каждый вложенный рубль работает хуже, чем раньше. Примерно такую картину отчёт рисует для американских лабораторий.

Почему это важно для разговоров о «самоускоряющемся»

ИИ

В теории всё должно идти наоборот. Если модели помогают исследователям, то на единицу затрат прогресс обязан расти: ИИ ускоряет исследования, исследования делают ИИ лучше, новый ИИ ускоряет их ещё сильнее. Именно на этой логике строятся прогнозы «взрывного роста».

Экономисты Луис Гарикано и Алекс Имас в имеющихся данных пока не видят убедительных доказательств того, что ИИ сам обеспечивает ресурсы для исследований. А это как раз условие для взрывного роста. Пока же прогресс приходится оплачивать деньгами, вычислениями и людьми, причём всё дороже.

Важная оговорка: цифры METR не говорят, что прогресс остановился. Возможности выросли почти вдвое. Речь о том, что на каждое улучшение уходит непропорционально больше ресурсов.

Что делать разработчикам, продактам и основателям

Первое. Не закладывайте в план, что модели будут бесконечно дешёво и скачкообразно улучшаться. Если стоимость улучшения растёт быстрее самого улучшения, лаборатории будут возвращать затраты через цены, лимиты и упор на выгодные сегменты. Заложите в бюджет возможное удорожание API.

Второе. Делайте архитектуру, которая не привязана к одной модели. Если следующая версия окажется лучше не так сильно, как обещают, выиграет тот, кто умеет выжимать максимум из текущих: хорошие промпты, оценка качества на своих данных, аккуратная работа с контекстом, правильные инструменты.

Третье. Осторожнее читайте громкие прогнозы. Фраза «ИИ ускорит сам себя» пока остаётся гипотезой, а не измеренным фактом.

Ограничения

Исходный пост — краткий пересказ отчёта. В нём нет деталей о том, как METR измеряет «возможности», какие модели и лаборатории вошли в расчёт и как считались расходы на НИОКР. От этих решений зависит итоговый процент, а один отчёт за один период не доказывает долгосрочный тренд. Вывод относится к соотношению «результат на вложение», а не к абсолютной скорости появления новых моделей.

Поэтому разумно воспринимать отчёт как предупреждающий сигнал и ждать подтверждения на следующих периодах. Если оно придёт, разговор об ИИ придётся перенести из плоскости фантазий о лавинообразном росте в плоскость экономики: кто и сколько готов платить за каждый следующий шаг.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что посчитал METR и как читать эти цифры?

Идея простая: сравнить, что лаборатории получили, и что они на это потратили. НИОКР — это научно-исследовательские и опытно-конструкторские работы, то есть всё, что компании вкладывают в создание новых моделей: вычисления, данные, зарплаты. После октября 2025 года: измеренные возможности ИИ выросли в 1,91 раза; расходы на НИОКР выросли в 6,19 раза; численность технического персонала выросла в 3,10 раза.

Что известно по теме: почему это важно для разговоров о «самоускоряющемся» ИИ?

В теории всё должно идти наоборот. Если модели помогают исследователям, то на единицу затрат прогресс обязан расти: ИИ ускоряет исследования, исследования делают ИИ лучше, новый ИИ ускоряет их ещё сильнее. Именно на этой логике строятся прогнозы «взрывного роста». Экономисты Луис Гарикано и Алекс Имас в имеющихся данных пока не видят убедительных доказательств того, что ИИ сам обеспечивает ресурсы для исследований. А это как раз условие для взрывного роста.

Что известно по теме: что делать разработчикам, продактам и основателям?

Первое. Не закладывайте в план, что модели будут бесконечно дешёво и скачкообразно улучшаться. Если стоимость улучшения растёт быстрее самого улучшения, лаборатории будут возвращать затраты через цены, лимиты и упор на выгодные сегменты. Заложите в бюджет возможное удорожание API. Второе. Делайте архитектуру, которая не привязана к одной модели.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…