Итак, мы с тобой открываем свою OpenAI.

Решение принято, причем мной, и возможности отказаться у тебя нет. Учредительные документы я подал, домен купил, тебя записал техническим директором. Долю, так и быть, поделим поровну.

Обязанности такие: ты отвечаешь за то, чтобы модель обучилась, я за то, чтобы деньги не кончились раньше. Забегая вперед: с моей частью будут проблемы.

План простой и красивый, как все планы до первой таблицы. Китайцы обучили DeepSeek-V3 за 5,576 миллионов долларов и сами написали это в техотчете. Значит, нам нужно примерно столько же плюс аренда офиса. Дальше подписки, API, инвесторы, интервью в подкастах.

Давай считать.

Считать буду по живым прайсам и раскрытиям на 07.08.2026, со ссылкой на каждую цифру. Курс ЦБ на эту дату 81,4077 ₽ за доллар. Свои деньги я в эту затею вложить не готов, поэтому арифметику проверял злее обычного.

Предупреждение по жанру. Про то, из чего складывается цена одного прогона, я уже писал отдельную статью с формулой 6ND и лестницей ярусов от домашней карты до фронтира. Здесь я эту лестницу не пересказываю, а беру с нее готовые числа. Вопрос у нас другой: сколько стоит не модель, а лаборатория, которая умеет делать модели.

Что мы покупаем

Есть документ, который отвечает на наш вопрос лучше любых оценок. Это отчет о прибылях и убытках настоящей OpenAI за 2025 год: аудированные цифры, опубликованные Эдом Зитроном и независимо подтвержденные Financial Times. Компания их сама не публиковала и, скорее всего, предпочла бы, чтобы мы на них не смотрели.

Отдельная строка, за которую стоит подержаться: из этих 34 миллиардов 17,2 миллиарда ушли одному вендору, Microsoft. 10,5 в R&D, 6 в себестоимость, полмиллиарда почему-то в маркетинг. Половина расходов компании это счет за облако.

Чистый убыток в тех же документах стоит как 38,53 миллиарда, и вот эту цифру таскают по заголовкам зря: 41,55 миллиарда там составляет разовая неденежная переоценка конвертируемых инструментов при превращении в коммерческую структуру. Сожженные деньги это операционные 20,92.

Теперь смотри на структуру. Из 34 миллиардов расходов на «сделать модель» в чистом виде не уходит ни одна строка целиком. R&D в 19,18 миллиарда это компьют экспериментов вперемешку с зарплатами. Себестоимость в 7,5 миллиарда это раздача уже готовой модели пользователям. Маркетинг в 5,73 миллиардов почти равен половине всей выручки года.

Мы шли покупать модель. Покупать придется компанию.

Дальше я иду по этим строчкам сверху вниз и считаю каждую под нас двоих. Начнем с той, ради которой ты сюда пришел.

Строка первая: обучить модель

Цифра 5,576 миллионов долляров существует, она настоящая, и она из техотчета DeepSeek-V3. Разбивка в таблице 1 выглядит так: претрейн 2664к GPU-часов, расширение контекста 119к, пост-трейн 5к. Итого 2,788 млн часов H800, умноженные на $2 за GPU-час.

А теперь дословная оговорка из того же отчета, которая не пережила ни одного пересказа в прессе:

Note that the aforementioned costs include only the official training of DeepSeek-V3, excluding the costs associated with prior research and ablation experiments on architectures, algorithms, or data.

То есть в цифру не входят: исследования, абляции, неудачные прогоны, сбор и очистка данных, зарплаты 197 человек из авторского списка, покупка самих карт, сеть, здание и электричество сверх гипотетической ставки аренды. Сама ставка $2 тоже допущение авторов, а не счет, который им кто-то выставил: кластер у компании свой.

Ai2, выкладывая Olmo 3, написала про эту практику прямо в разделе про стоимость:

The cost of training large models is often reported as a single dollar figure, typically by converting GPU-hours at market rates to dollars, such as $5.576M in H800-hours for DeepSeek V3.

Сами они вместо доллара дали wall-clock: около 56 суток на 1024 картах H100 от старта до оценки чекпоинта, из них 47 на претрейн и 9 на пост-трейн. И тут же оговорились, что рецепт отрабатывали на моделях 7B и меньше, а стоимость этой отработки в 56 суток не входит.

Сколько входит в реальную смету, не публикует никто. Отраслевого коэффициента «финальный прогон умножить на N» не существует, и если тебе такой назовут, спроси источник. Косвенных замеров ровно 3, и все неприятные:

• Hugging Face в плейбуке по SmolLM3 назвала абляции, калибровку и дебаг: 161 тысяча GPU-часов против 276 тысяч основного рана. Это больше половины сверху.

• Сбер в статье про GigaChat 3.5 сообщает, что за релизом стоит более 1500 экспериментов. Цену этих экспериментов не называет.

• Он же по GigaChat 3: только на подготовку данных держали отдельный CPU-кластер на 10 000 ядер и 5 ПБ хранилища и прогнали 179 экспериментов с составом корпуса.

1500 экспериментов. Вот это и есть настоящая стоимость обучения, а 5,576 миллиона это стоимость последнего из них.

За кластер платят год, а прогон занимает 16% времени

Здесь у нас первый скандал в молодой компании. Ты предлагаешь снять карты ровно на 2 месяца прогона и не платить за остальное. Идея хорошая, давай посмотрим, что с ней не так.

DeepSeek держала под финальный ран 2048 карт H800. Год такого кластера это 2048 × 8760 = 17,94 млн GPU-часов. Финальный прогон занял 2,788 млн. Считаем долю:

2,788 / 17,94 = 15,5%.

Шестая часть года. Все остальное время кластер занят тем, чего нет ни в одной опубликованной смете: подбором данных, абляциями, прогонами, которые остановили на десятом проценте, оценками между стадиями, пост-трейном, перезапусками после падений. И платишь ты за все 8760 часов, потому что кластер такого класса на 2 месяца не арендуется. Об этом ниже отдельно.

Посчитаем год по рыночным ставкам. Годовой контракт на H100 в марте 2026 SemiAnalysis оценивает в 2,35 доллара за GPU-час:

2048 × 8760 × $2,35 = $42,2 млн в год.

Мы начинали с 5,6 миллионов. Первая же полная строка сметы дала 42, и это самый скромный ярус из существующих: модель, догоняющая фронтир с отставанием, на собственном рецепте, без единого лицензионного платежа за данные.

Теперь ярус, ради которого ты вообще произнес слово OpenAI. Epoch AI оценила ресурсы Grok 4 в 246 млн H100-часов и назвала его крупнейшим на тот момент известным прогоном. Медианная оценка стоимости $490 млн, и получена она сэмплированием ставки аренды из интервала $1,90–2,20 за H100-час. Оценка, не раскрытие: сама xAI не публикует ни числа карт, ни денег, и Epoch сама пишет, что опиралась на расплывчатые публичные заявления.

Переведем 246 млн часов в понятные вещи.

Последняя строчка стоит того, чтобы на ней задержаться. В прайсе Lambda кластер с InfiniBand по контракту стоит дороже, чем те же карты поштучно в он-деманде. Скидки за объем нет, есть наценка за топологию: это другой товар. Обычные инстансы связаны как получится, а распределенное обучение на тысячах карт живет только на гарантированной сети.

Прогон, который Epoch аккуратно оценила в полмиллиарда, по публичной цене железа, на котором его физически можно провести, стоит больше миллиарда. Тот самый «первый ран за миллиард долларов», который прогноз Epoch помещал в 2027 год, уже произошел, просто считали его по ставке для другого товара.

Почасово нам никто ничего не даст

Ты открываешь вкладку с облаком и хочешь взять 10 000 карт на 3 месяца. Сейчас объясню, почему кнопки не будет.

SemiAnalysis в апреле 2026 обзвонила провайдеров и написала прямым текстом: on-demand-мощности распроданы по всем типам карт. Половина опрошенных не смогла предложить даже 8 нод, то есть 64 GPU. Мощности Blackwell забронированы вперед: все, что вводится до августа-сентября 2026, уже расписано. Аномалия дефицита в цифрах выглядит так: клиенты платили 14 долларов за GPU-час за спотовые B200 в AWS, то есть спот дороже обычного он-деманда у специализированных провайдеров.

Потолок самообслуживания сегодня выглядит как 1-Click Clusters у Lambda: от 16 до 2000+ карт, минимальный срок 2 недели. Все, что больше, это переговоры, договор и юристы.

Публичной сетки скидок за долгий резерв тоже почти нет. CoreWeave обещает «до 60%» без единого условия, Nebius «до 35%», и оба сразу отправляют в отдел продаж. Единственный вендор, который публикует лестницу, это Together: H100 дешевеет с $3,99 в он-деманде до $3,19 при резерве на 91–180 дней. Максимальная публичная скидка за полгода предоплаты составляет около 20 процентов. Дальше цена уже «inquire».

Типовые условия крупного контракта, по обобщению участников рынка: срок 2–5 лет, схема take-or-pay, аванс порядка 20–25% от суммы. Take-or-pay означает ровно то, как звучит: простаивающий кластер стоит столько же, сколько работающий. Наша доля финального прогона в 15,5% годового ресурса из аномалии превращается в норму жизни.

Масштаб настоящих сделок понятен по пресс-релизам. Контракты CoreWeave с OpenAI доведены примерно до 22,4 миллиарда долларов. Законтрактованный бэклог самой CoreWeave на конец первого квартала 2026 составляет 99,4 миллиарда. OpenAI обязалась купить у Microsoft азуровских услуг на 250 миллиардов сверх уже потраченного, у Amazon расширила соглашение с 38 до 138 миллиардов на 8 лет и обязалась потреблять около 2 гигаватт мощности Trainium.

Наша заявка на 10 000 карт где-то в этой очереди.... Пу-пу-пу...

Тогда покупаем свое

Разумно. Только цену придется собирать по крупицам, потому что NVIDIA не публикует прайс на стойки в принципе. Все, что есть в обороте, это оценки аналитиков и «источников, знакомых с ситуацией», и они друг с другом спорят.

Tom's Hardware в марте 2026 со ссылкой на свой источник, DigiTimes и Barron's: GB200 NVL72 стоит 2,8–3,4 млн долларов, GB300 NVL72 в инференс-конфигурации 6–6,5 млн, а стойки Vera Rubin VR200 котируются по 5–7 млн, из которых около миллиона приходится на 3D NAND. Morgan Stanley в мае того же года оценил VR200 в 7 803 148 долларов за стойку, из них 2 001 600 на одну память. 2 месяца между оценками и 1,5 миллиона разницы.

Что мы за эти деньги получаем, NVIDIA описывает охотно: GB300 NVL72 это 72 GPU Blackwell Ultra и 36 CPU Grace, 20 ТБ памяти GPU, 1440 PFLOPS в FP4. Полезная деталь для сметы, которую в презентациях не подсвечивают: в BF16 у GB200 и GB300 одинаковые 360 PFLOPS. Весь прирост Blackwell Ultra ушел в FP4 и в объем памяти, то есть в инференс и рассуждения. Классический претрейн от смены поколения не ускорился.

Дальше начинается физика. По документации NVIDIA стойка GB200 NVL72 потребляет около 120 кВт: 18 вычислительных лотков и 8 полок питания по 33 кВт входной мощности. У GB300 в исполнении Lenovo в паспорте стоит 135 кВт TDP и до 155 кВт в пике, отвод тепла примерно 90% жидкостью и 10% воздухом, TGP одного GPU 1100 Вт.

Приложи это к обычному колокейшну. Самая ходовая позиция в московских ЦОДах, по данным iKS-Consulting и 3data, это стойка на 5 кВт при средней цене 170,8 тысячи рублей в месяц. Одна стойка GB300 ест как 27 таких, и половина ее тепла уходит в воду, которой в обычном машинном зале нет.

Если брать по-старому, восьмикарточными серверами, ориентиры рынка на 2026 год такие: 8×H100 обходится в 250–320 тысяч долларов, 8×H200 в 320–420, 8×B200 в 400–500. Это агрегированные квоты консалтинговой площадки, а не прайс OEM: публичных прайсов у Dell, HPE и Supermicro на такие конфигурации нет, все через запрос котировки. Единственный опубликованный ценник, который я нашел живьем, 390 тысяч долларов за платформу HGX B200, и это голая плата с 8 картами и NVLink, без процессоров, памяти, дисков, сети и шасси. Сервер из нее еще надо собрать.

Соберем наш фронтир-кластер целиком. Чтобы уложить 246 млн GPU-часов в 3 календарных месяца, нужно 246 000 000 / 2190 ≈ 112 тысяч карт одновременно.

• Серверы: 14 тысяч штук по 8 карт при типовых 285 тысячах за штуку дают $3,99 млрд.

• Проверка с другой стороны: SemiAnalysis в разборе кластера на 100 тысяч H100 называла «свыше 4 миллиардов» серверного капекса. Сходится.

• Площадка: тот же разбор дает около 150 МВт критической ИТ-мощности на 100 тысяч карт. Goldman Sachs закладывает 15 млн долларов капзатрат на мегаватт ИИ-ЦОДа против 10 млн у обычного облачного, и это без единого сервера внутри. 150 × 15 = $2,25 млрд.

• Итого около $6,2 млрд, или 41,6 млн долларов на мегаватт ИТ-мощности со всем содержимым.

Сверимся с реальностью. Epoch AI по спутниковым снимкам и регуляторной отчетности оценивает Stargate Abilene на май 2026 как 421 МВт ИТ-мощности и 15,9 миллиарда вложенного капитала. Это 37,8 миллиона на мегаватт. Моя прикидка дала 41,6. Для сметы, собранной из 3 разных источников на коленке, попадание в 10 процентов я считаю подозрительно хорошим и рекомендую относиться к обеим цифрам как к порядку величины.

Розетку никто не продаст

Электричество в этой смете, вопреки интуиции, копейки. SemiAnalysis для кластера на 100 тысяч H100 насчитала 1,59 ТВт·ч в год и счет на 123,9 миллиона долларов при тарифе 7,8 цента. По майской статистике EIA средняя промышленная цена в США 8,71 цента за кВт·ч, что дает 138 миллионов в год. Против 6,2 миллиарда капекса это 2 процента.

Дорого стоит не киловатт-час, а право его получить.

В России это видно лучше, чем где бы то ни было. По оценкам отрасли, собранным CNews, потребность ИИ-ЦОДов до 2030 года составляет 2–2,5 ГВт, при этом энергодефицит одной Москвы доходит до 4 ГВт, а 76% дата-центров страны стоят именно в Москве. Свободные мощности есть в Ленинградской области (до 1 ГВт), Поволжье и на Урале (по 500 МВт). Крупный ИИ-кластер требует 50–100 МВт в одну точку.

И вот цифра, которая перечеркивает любой бизнес-план: срок технологического присоединения ЦОДа на 20 МВт составляет от 1,5 до 4 лет. Не поставка карт, не стройка, не наем людей. Бумага на подключение.

За 4 года ожидания сменится 2 поколения ускорителей.

Про сроки на Западе иллюзий тоже не надо. Epoch прошлась по площадкам Stargate в апреле 2026: в Абилине работало 0,3 ГВт из заявленных 1,2, а 5 остальных площадок (Шеклфорд, Донья-Ана, Милам, Порт-Вашингтон, Сэлайн) с суммарными восемью гигаваттами на бумаге имели ровно ноль работающей мощности со сроком «четвертый квартал 2028». Анонсированные гигаватты и залитый бетон измеряются в разных единицах.

Строка вторая, самая большая: люди

Сколько человек нам нужно. Тут есть редкая удача: DeepSeek опубликовала авторский список V3 с разбивкой по функциям, и Гуверовский институт со Стэнфордом его разобрали.

197 авторов: 148 исследования и инженерия, 30 разметка данных, 17 бизнес и комплаенс.

Дальше интереснее. Через 5 базовых работ DeepSeek за год с небольшим прошло 223 человека, но во всех 5 участвовал 31 из них, то есть около 14%. У R1 из 194 контрибьюторов лишь 18 помечены как Core Contributors, снова примерно десятая часть. Ядро из 31 человека имеет в среднем 1554 цитирования на автора при медиане 501: это не студенты, это состоявшиеся исследователи.

Для калибровки сверху и снизу: в техотчете Llama 3 стоит 559 авторов, в системной карте OpenAI o1 их 265, а полностью открытую OLMo 2 на 7B и 13B сделали 42 названных автора плюс «Team OLMo».

Значит, штатное расписание нашей лаборатории выглядит примерно так: 150 человек технического ядра, из них человек 30 держат все на себе, плюс 30 на данные и 17 на все остальное. Итого 200 человек.

Теперь ценник. Медианный совокупный пакет software engineer по данным levels.fyi на сегодня: 860 тысяч долларов в OpenAI, 870 тысяч в Anthropic. У research scientist в OpenAI медиана уже миллион, а на L5 пакет доходит до 1,45 млн при базовом окладе 409 тысяч. Anthropic в открытой вакансии в команду pre-training прямо пишет вилку оклада 350–850 тысяч долларов, и акции сверху в объявлении не раскрывает.

Краудсорс мне не нравится, поэтому сверимся с документами. В официальных заявках OpenAI на H-1B за 2025 год (159 записей) медианный базовый оклад составляет 300 тысяч долларов, максимум 685 тысяч у Member of Technical Staff Research Scientist, 93% записей выше 200 тысяч. В LCA указывают только базу, без акций, а у OpenAI акции и есть основная часть пакета.

Насколько основная, показала WSJ в феврале 2026: средняя акционерная компенсация в OpenAI составляет около 1,5 миллиона долларов на сотрудника при штате примерно 4000 человек. Это только stock-based compensation, без окладов, бонусов и налогов на фонд оплаты труда. В деньгах компании это около 6 миллиардов в год и 46,2% годовой выручки.

Почти половина всего, что компания заработала, ушла в акции сотрудникам. И это отдельно от 19,18 миллиардов на R&D.

К вопросу о том, кто эти деньги двигает. Сэм Альтман публично рассказывал, что Meta предлагала его людям сайнинг-бонусы «порядка 100 миллионов». Meta формулировку опровергла: по ее версии это многомиллионные пакеты за несколько лет и для очень узкого круга. Разница между «кэш сразу» и «акции с четырехлетним вестингом» по приведенной стоимости кратная, и спор идет ровно об этом. Отдельные кейсы вроде пакета Мэтта Дейтке в 250 миллионов за 4 года не подтверждены компанией и относятся к верхнему хвосту распределения. Массовый найм в той же Meta идет по 305–581к для research scientist с медианой около 400к.

Считаем нашу зарплатную ведомость по медиане в 860 тысяч на человека:

200 × $860 000 = $172 млн в год.

Против 42 миллионов за кластер яруса DeepSeek. Люди дороже железа в 4 раза, и это до налогов, офиса, страховок и рекрутеров.

Что до масштаба настоящих компаний: OpenAI, по данным FT от 21 марта 2026, планирует за год вырасти примерно с 4500 до 8000 человек. Anthropic выросла примерно с 500 в конце 2023 до примерно 2300 к декабрю 2025. Ни одна из них не раскрывает, сколько внутри ресерчеров, а сколько продавцов, и все оценки на этот счет в интернете придуманы.

Полезный отрезвитель к слову «штат ИИ-лаборатории»: у xAI команда разметки данных насчитывала 1500 человек, и в сентябре 2025 из нее уволили 500. Большая часть людей в такой компании не пишет модели.

В России эта строка дешевле в 14 раз

Считаем ту же команду здесь.

Медианная зарплата в российском IT в первой половине 2026 года, по данным Хабр Карьеры на 45 226 анкетах, составляет 191 тысячу рублей: Москва 235, Петербург 200, регионы 160. Это по всему IT. По ML-инженерам hh.ru через Коммерсант дает предлагаемые вилки 184–345 тысяч рублей в месяц, и это самая дорогая роль в группе ИИ-профессий; для сравнения, prompt-инженер там же идет по 60–90 тысяч.

Про российские данные надо сказать отдельно, потому что выборка там тонкая. На Хабр Карьере медиана senior ML по Москве посчитана по 53 анкетам, а сами суммы скрыты за регистрацией. Любая «медиана по senior ML в России» построена на десятках наблюдений, и доверительный интервал у нее такой, что в него въедет грузовик.

Возьму 400 тысяч рублей в месяц как рабочую середину для сильного человека:

200 × 400 000 × 12 = 960 млн ₽ в год ≈ $11,8 млн.

Против 172 миллионов долларов. Разница в 14,6 раза.

Дальше складываем обе сметы целиком, за год, по одной методике.

Российская ставка аренды взята с агрегатора gpuindex.ru: 242 ₽ за час H100 это около 2,97 доллара по курсу ЦБ, то есть дороже западного годового контракта. Железо здесь дороже, люди дешевле, и вторая разница перекрывает первую в 3 раза.

Одна строка сметы в России структурно дешевле мирового рынка. Все остальные дороже.

Данные: бесплатные до первого суда

Хорошая новость: топливо для претрейна лежит бесплатно. Месячный срез Common Crawl за июль 2026 это 2,14 миллиарда страниц и 84,69 ТиБ сжатого WARC, и таких срезов больше сотни. Хостится на S3 по программе открытых данных, скачивание не стоит ничего. Очищенный FineWeb на релизе давал 15 триллионов токенов и 44 ТБ на диске.

Объемы, которые нужны современным моделям: Llama 3 обучалась более чем на 15 трлн токенов, Qwen3 на 36 трлн против 18 у Qwen2.5, GigaChat 3 на 14 трлн, из которых 5,5 трлн синтетика.

Плохая новость приходит из суда.

20 июля 2026 года судья окончательно утвердила мировое соглашение по делу Bartz v. Anthropic: 1,5 миллиарда долларов плюс проценты, около 3000 долларов за произведение, 482 460 сертифицированных книг в классе. Гонорары юристов суд урезал примерно до 101,56 миллиона.

Читать это надо внимательно, иначе выйдет неверный вывод. Соглашение закрывает вход: скачивание и копирование книг из пиратских библиотек LibGen и PiLiMi. Претензии по выходу, то есть по тому, что модель генерирует, за авторами прямо сохранены. Всего скачано было около 7 миллионов копий, а в класс попало меньше полумиллиона: остальное отсеяли дубликаты и отсутствие регистрации авторских прав в США. 1,5 миллиарда покрывают малую часть корпуса, и цена в 3000 долларов за книгу на весь объем не масштабируется.

Иск New York Times к OpenAI и Microsoft на 2026 год не разрешен: ходатайство о прекращении в основном отклонено еще в апреле 2025, дело в раскрытии доказательств, дата суда не назначена. Getty против Stability в Британии проиграла ключевые пункты, но по узкой технической причине: не смогла доказать, что копирование происходило на территории Великобритании. Американская ветка того же спора переехала в Калифорнию и жива.

Кто не хочет судиться, тот покупает. Публичных ценников на рынке единицы, и вот они:

Реальный масштаб этих денег виден по отчетности продавцов. У Reddit категория Other revenue, куда падает лицензирование, дала 140 млн долларов за весь 2025 год при росте 22%, а во втором квартале 2026 замедлилась до 24% годовых. У Shutterstock сегмент Data, Distribution and Services дал 203,3 млн, то есть 21% всей выручки компании. Данные превратились в товарную позицию, но не в золотую жилу.

В России с 26 июля 2026 действует 243-ФЗ, первый профильный закон об ИИ. В нем есть исключение из авторского права для обучения, и работает оно только для суверенных и национальных больших фундаментальных моделей: разработчик должен быть российским юрлицом, все стадии разработки и обучения под его контролем, цикл технически воспроизводим. Обычной команде без такого статуса исключение не достается. Основная часть закона включается с 1 сентября 2026, а порядок работы с объектами авторского права и маркировка отнесены к 1 марта 2027, хотя источники по датам расходятся, и перед тем как строить на этом планы, текст надо читать глазами.

Разметка, которую делают врачи по $200 в час

Сырой корпус превращается в модель, а модель в ассистента превращают люди. Это отдельный рынок, и он больше, чем принято думать.

Meta в июне 2025 купила 49% Scale AI за 14 миллиардов долларов и обязалась платить не менее 450 миллионов в год 5 лет либо более половины своих годовых расходов на ИИ, что меньше. Вертикальная интеграция обошлась Scale дорого: OpenAI ушла совсем, Google вернулась через несколько месяцев, в августе 2025 сократили 200 штатных сотрудников и 500 подрядчиков.

Крупнейший по выручке игрок Surge AI до 2025 года вообще не привлекала внешних денег и работала прибыльно, с выручкой 1,2 миллиарда за 2024 год. Самый быстрорастущий, Mercor, вышел на 2 миллиарда годовой выручки в пересчете к июню 2026 против 760 миллионов на конец 2025. Обе цифры это валовые траты клиентов до выплат исполнителям, а исполнителям уходит большая часть.

Сколько получает сам разметчик, посчитал TIME: средняя ставка на Mercor 81 доллар в час, а Senior Domain Expert берет свыше 200 долларов в час, что эквивалентно годовому доходу около 400 тысяч. Статус требует минимум 4 лет профессионального опыта, средний опыт законтрактованных специалистов 7,25 лет. Это не разметка котиков, это практикующие врачи, юристы и банкиры, которые пишут эталонные ответы по своей специальности.

Отдельный ценник для калибровки: разработка бенчмарка APEX из 200 профессиональных задач обошлась более чем в 500 тысяч долларов. 2500 долларов за одну задачу.

Сколько на человеческую обратную связь тратит одна лаборатория, не публикует никто. Ходит цифра «около миллиарда в год на каждую», и первоисточника у нее нет, поэтому в нашу смету я ее не ставлю. Ставлю другое: 30 человек разметки в авторском списке DeepSeek, средние $81 в час у их коллег с рынка и выручку поставщиков, которая считается миллиардами. Кто-то эти счета оплачивает.

Инференс: чем лучше идут дела, тем быстрее кончаются деньги

Допустим, невозможное случилось: у нас есть модель. Мы ее выкладываем, и начинается самое интересное.

У ChatGPT более 900 миллионов недельных пользователей на февраль 2026, к июлю компания заявила более миллиарда активных, не уточнив метрику. Платят из них более 50 миллионов потребительских подписчиков и более 9 миллионов бизнес-пользователей. То есть на одного платящего приходится примерно 14 бесплатных, и все 14 считают токены на чьих-то картах.

Себестоимость выручки OpenAI за 2025 год, где сидит этот инференс, составляет 7,5 миллиарда долларов. Разделения на бесплатных и платных нет ни у кого: единственная публичная точка на эту тему это реплика Альтмана о том, что компания теряет деньги на подписке Pro за 200 долларов в месяц. На самом дорогом тарифе.

Дальше складывается конструкция, которая мне и кажется главной ловушкой всего этого бизнеса. Разберем ее на индийском примере, он самый наглядный.

29 миллионов загрузок ChatGPT в Индии за 90 дней принесли 3,6 миллиона долларов внутренних покупок. 12 центов с пользователя за квартал. Ответ компании на такую конверсию: с ноября 2025 тариф ChatGPT Go, который стоит меньше 5 долларов в месяц, раздается в Индии бесплатно на 12 месяцев всем подряд. Google с Jio раздает Google AI Pro на 18 месяцев, Airtel раздала Perplexity Pro всем своим 360 миллионам абонентов.

Стоимость этих раздач в маркетинговый бюджет не попадает вообще. Она сидит в себестоимости, потому что физически это инференс. Самая большая маркетинговая статья индустрии спрятана в строке «cost of revenue», и по ней невозможно посчитать ни CAC, ни окупаемость.

Отбивать бесплатный тариф начали рекламой: пилот OpenAI запущен в феврале 2026 на тарифах Free и Go, к концу марта он давал более 100 миллионов годовой выручки в пересчете. Против 7,5 миллиарда себестоимости это округляется до нуля.

Наши цены на API, если мы решим продавать токены, задаем не мы. Вот прайсы на сегодня за миллион токенов, вход и выход:

Разброс между верхом и низом таблицы стократный, и внизу сидит модель, чья компания сама предупреждает в документации, что собирается цены поднимать. Отдельная ловушка сравнения: у моделей Claude 4.7 и новее сменился токенизатор, и на том же тексте токенов выходит примерно на 30% больше. Цена за токен и цена за задачу это разные вещи, я про это уже считал подробно.

Российские цены живут в другой системе координат. GigaChat продается пакетами, а не потокенно: 100 млн токенов Lite за 6500 ₽, 15 млн токенов Max за 9750 ₽, и вход с выходом по цене не разделяются, считается общий объем. Плюс большой бесплатный лимит: 250 млн токенов Lite в год.

Маркетинг мы не считаем (но вот порядок)

Мы договорились маркетинг в смету не брать. Тем не менее, чтобы ты понимал, что нас ждет за следующей дверью.

30 секунд в трансляции Super Bowl LX 8 февраля 2026 стоили 8 миллионов долларов, и это только выкуп эфира, без производства ролика. В этом матче впервые вышли сразу все: OpenAI с 60-секундным роликом, Anthropic, Google Gemini, Amazon Alexa+, Meta, Ring. Anthropic взяла 2 размещения, 60 секунд до матча и 30 в первой четверти, что Forbes оценивает как «уверенно восьмизначную» сумму до производства.

Что это дало по замеру BNP Paribas за неделю после матча: Claude прибавил 11% дневной аудитории, ChatGPT 2,7%, Gemini 1,4%. Проценты от очень разных баз, так что абсолюты тут несопоставимы.

Годовые объемы по трекеру iSpot, собранные Marketing Brew: за 2025 год 5 ИИ-компаний выкупили линейного ТВ в США на 333,6 миллиона и диджитала на 426 миллионов. У OpenAI за первые неполные 4 месяца 2026 года ушло 64,9 миллиона на ТВ против 65,5 за весь 2025. Anthropic, которая до сентября 2025 не покупала платную рекламу вообще, потратила 16,5 миллиона за 2025 и уже 21,1 за неполный 2026.

И над всем этим висит строка «продажи и маркетинг» на 5,73 миллиарда долларов, которая в 2024 году была 1,11 миллиарда. Рост в 5 раз за год.

Собираем смету

Все ярусы в одной таблице. Найди свой.

Из этой таблицы сразу видно 3 вещи.

Первое. Между заголовочной ценой прогона и годом работы компании, которая такой прогон может себе позволить, разрыв примерно в 40 раз на первом ярусе. На третьем ярусе он еще больше, потому что прогон там разовый, а компания работает непрерывно.

Второе. Ни одна лаборатория второго яруса в мире не раскрывает свою смету. Ни Сбер, ни Яндекс, ни Т-Банк, ни МТС, ни Mistral. Технические статьи подробно описывают архитектуру и данные и обрываются ровно там, где начинается бухгалтерия.

Третье, и оно про нас с тобой. Ярус 1 в российских деньгах стоит порядка 5 миллиардов рублей в год. Это не то что дорого. Это НЕВОЗМОЖНО для любой команды без государственного или банковского плеча, и ровно поэтому весь российский рынок аренды GPU за 2025 год составил 17 миллиардов рублей на всех, то есть меньше одного среднего западного контракта на компьют.

Откуда берутся такие деньги

Не из выручки, это мы уже видели.

OpenAI закрыла в марте 2026 крупнейший частный раунд в истории: 122 миллиарда долларов при оценке 852 миллиарда. Amazon вложил 50, Nvidia и SoftBank по 30. Anthropic в мае привлекла 65 миллиардов при оценке 965. xAI взяла 20 миллиардов в январе при оценке 230, после чего ее поглотила SpaceX. Даже лаборатории без публичного продукта собирают миллиарды: у Thinking Machines Lab 12 миллиардов на сиде и 5 в Series B, у SSI 3 раунда и оценка в районе 32 миллиардов.

Внутри этих сделок есть узор, который стоит один раз увидеть, чтобы дальше замечать самому. Amazon инвестирует в OpenAI 50 миллиардов, а OpenAI обязуется потратить у Amazon 138. Microsoft и Nvidia вкладывают в Anthropic до 5 и до 10 миллиардов, а Anthropic обязуется купить в Azure на 30. Деньги ходят по кругу между поставщиком компьюта и его покупателем, и в отчетности одной стороны это инвестиция, а другой законтрактованная выручка.

Заявленные планы расходов при этом гуляют сильнее, чем хотелось бы для планирования. Цифра обязательств OpenAI в 1,4 триллиона, которую называл Альтман, к февралю 2026 была снижена примерно до 600 миллиардов, а к июлю поднята до 750 до 2030 года.

Тем временем Anthropic в мае 2026 показала инвесторам первый операционно прибыльный квартал: 10,9 миллиарда выручки за второй квартал против 4,8 за первый и 559 миллионов операционной прибыли. Это проекция для инвесторов, а не аудированный факт, и аналитики сразу указали, что прибыль может быть эффектом графика оплаты компьюта. Но run-rate компания называет сама: 47 миллиардов в мае 2026 против примерно 9 в конце 2025.

Индустрия в целом, по оценке Goldman Sachs, вложит 7,6 триллиона долларов капзатрат за 2026–2031 годы, из них 765 миллиардов в одном 2026-м. Dell'Oro поднял прогноз капекса на ЦОДы выше триллиона на 2026 год.

Наш с тобой стартап в этой картине занимает позицию где-то между статистической погрешностью и опечаткой. :(

Почему Сбер вкладывает 350 млрд и отстает на полгода

Российский ярус заслуживает отдельного разговора, потому что здесь видно цену входного билета без маркетингового тумана.

Сбер объявил 350 миллиардов рублей инвестиций в ИИ на 2026 год против 150 в 2025 и более 100 в 2024. Греф там же сказал прямым текстом, что обучение моделей это очень дорогостоящее занятие и инвестиции пока не окупаются.

350 миллиардов рублей это 4,3 миллиарда долларов. Годовые расходы OpenAI за 2025 год составили 34 миллиарда. Разница в 8 раз, при том что в 350 миллиардов Сбера входит вообще все: модели, инфраструктура, эксперименты, люди и продукты.

Результат этой арифметики первый зампред Сбера в июне 2026 сформулировал сам: GigaChat отстает от ChatGPT и DeepSeek на 6–9 месяцев. Причину связывают с дефицитом вычислительных мощностей.

Что при этом сделано технически, видно по открытым публикациям, и сделано немало. GigaChat 3 Ultra это MoE на 702 миллиарда параметров с 36 миллиардами активных, претрейн на 14 триллионах токенов, веса выложены под MIT. GigaChat 3.5 вышел меньше предшественника, 432 миллиарда против 700, и за ним стоит более 1500 экспериментов.

Яндекс поступил иначе и написал об этом в техрепорте Alice AI: флагманская LLM инициализирована весами открытой китайской Qwen3-235B. Не с нуля. Т-Банк обучал T-Lite и T-Pro на максимальном сетапе в 256 карт H100 методом continual pretraining поверх готового чекпоинта, добавив около 140 миллиардов токенов. Открытая русскоязычная Vikhr обошлась примерно в 1060 GPU-часов на 8 картах A100.

Вот вся лестница российского ИИ в 4 строчках: госбанк с 350 миллиардами делает свой претрейн и отстает на полгода, крупнейшая IT-компания страны берет китайские веса за основу, банк поменьше делает continual pretraining на 256 картах, независимая команда укладывается в тысячу GPU-часов. Каждый выбрал ту ступеньку, которую может оплатить.

С железом здесь отдельная история. H100 в московской рознице стоит 3,83 млн ₽ за карту, то есть 8 карт это 30,7 миллионов рублей до сервера, сети и охлаждения. H200 числится по 4,32 млн ₽ и при этом «нет в наличии». Blackwell в легальной рознице не встречается вовсе. С 27 мая 2026 приказ Минпромторга исключил серверы и процессоры западных брендов из перечня параллельного импорта.

И последнее наблюдение, которое я считаю самым говорящим. Российский рейтинг суперкомпьютеров Топ-50 не выходит с марта 2023 года, публикация приостановлена. Это значит, что в стране нет публичного независимого замера вычислительных мощностей уже 3 года, и любая цифра вида «в России N тысяч GPU» является догадкой. Я такие в статью не буду в ставлять.

Что мы с тобой реально можем

Лавочку придется закрыть, и вот на каком месте. (На этапе бизнес плана :))

Из всей сметы нам по карману одна строка. Люди у нас дешевле в 14 раз, и это настоящее конкурентное преимущество, единственное имеющееся. Карты дороже мировой цены. Розетку под кластер ждать от 1,5 до 4 лет. Лицензии на данные не по карману никому в стране, кроме 2–3 компаний. Инференс для миллиона пользователей мы не потянем даже при идеальной модели.

Из этого следует ярус, на котором мы действительно работаем, и я на нем работаю каждый день.

Открытые веса берутся бесплатно, и берутся приличные: GigaChat 3 на 702 миллиарда параметров лежит под MIT, Qwen, GLM и Llama тоже открыты. Дальше continual pretraining на своем домене, как сделал Т-Банк на 256 картах и 140 миллиардах токенов. Дальше файнтюн, дистилляция в модель, которая влезает в одну карту, и RAG поверх своих документов. Стоимость такого проекта измеряется десятками и сотнями GPU-часов, а не миллионами.

Когда ко мне приходят со словами «обучите нам свою модель», после первого созвона это почти всегда оказывается файнтюн или RAG. Не потому что заказчик глупый, а потому что под словом «модель» продают одно, а за этим словом стоит 4 разных задачи. Я рисую формулу 6ND маркером прямо при заказчике, и разговор про «свою LLM с нуля» заканчивается быстрее любого слайда про риски. (Хотя если найдется какой нибудь очень щедрый инвестор, я и моя команда с радостью бы обучили с нуля)

Исключения, когда претрейн с нуля правда оправдан, я называл в прошлой статье и повторю: свой язык предметной области, которого мало в вебе; жесткие edge-ограничения, под которые дешевле вырастить маленькую специализированную модель; и суверенитет данных, когда в контур нельзя занести ничьи чужие веса. Все остальное закрывается ступенькой ниже за проценты стоимости. Мы в MoranaLabs считаем такие сметы с обеих сторон, и когда клиенту дешевле взять чужие веса, я так и говорю, хотя продать претрейн нам было бы выгоднее.

Что до нашей с тобой компании. Заявление на регистрацию я отзываю, домен оставлю себе, пусть висит. Из технических директоров я тебя не увольняю, пригодишься: следующая идея у меня будет лучше.

Посчитай свое за 10 минут

Скрипт целиком ниже, зависимостей нет, работает на голом Python. Он считает то, ради чего написана статья: год владения кластером, долю финального прогона в этом годе, зарплатную ведомость и итог по двум географиям.

Что поменять под себя:

1. GPU_RATE: своя ставка за GPU-час. Бери не первую строчку агрегатора, а ту, где написано «кластер с интерконнектом» и указан срок контракта. Разница между этими двумя цифрами доходит до 1,5 раза, и она решает всю смету.

2. CARDS и RUN_HOURS: свой размер кластера и свою длину финального прогона в GPU-часах. Если второе неизвестно, посчитай по 6ND из прошлой статьи.

3. HEADCOUNT и SALARY: своя команда и свои деньги за человека. Именно эта строка, а не карты, чаще всего оказывается больше.

4. ABLATION_FACTOR: во сколько раз экспериментов больше, чем финального прогона. Отраслевой цифры не существует, я ставлю 2 как нижнюю границу по данным SmolLM3.

Дальше смотри на долю финального прогона в годовом ресурсе кластера и на то, какая строка сметы в итоге оказалась главной. Если у тебя получилось, что главная строка это карты, ты забыл посчитать людей.

# Год работы ИИ-лаборатории. Все входные цифры меняются под себя.

H_YEAR = 8760           # часов в году
USD_RUB = 81.4077       # курс ЦБ на 07.08.2026

# --- компьют ---
CARDS = 2048            # карт в кластере (DeepSeek-V3: 2048 H800)
GPU_RATE = 2.35         # $/GPU-час, годовой контракт (SemiAnalysis, март 2026)
GPU_RATE_RU = 242.0     # ₽/GPU-час, H100 (gpuindex.ru, 07.08.2026)
HEADLINE_RATE = 2.0     # $/GPU-час, допущение из техотчета V3 (цифра для заголовков)
RUN_HOURS = 2_788_000   # GPU-часов финального прогона (техотчет V3)
ABLATION_FACTOR = 2.0   # во сколько раз экспериментов больше прогона

# --- люди ---
HEADCOUNT = 200         # человек (197 в авторском списке V3)
SALARY_US = 860_000     # $/год, медиана SWE в OpenAI (levels.fyi)
SALARY_RU = 400_000     # ₽/мес, senior ML в РФ

cluster_hours = CARDS * H_YEAR
cluster_us = cluster_hours * GPU_RATE
cluster_ru = cluster_hours * GPU_RATE_RU

people_us = HEADCOUNT * SALARY_US
people_ru = HEADCOUNT * SALARY_RU * 12

run_cost = RUN_HOURS * HEADLINE_RATE   # та самая цифра из пресс-релиза
run_share = RUN_HOURS / cluster_hours
need_hours = RUN_HOURS * (1 + ABLATION_FACTOR)

print(f"Ресурс кластера за год:      {cluster_hours/1e6:>8.2f} млн GPU-часов")
print(f"Финальный прогон:            {RUN_HOURS/1e6:>8.2f} млн GPU-часов ({run_share*100:.1f}% года)")
print(f"С экспериментами нужно:      {need_hours/1e6:>8.2f} млн GPU-часов")
print(f"  влезает в год кластера:    {'да' if need_hours <= cluster_hours else 'НЕТ, нужен кластер больше'}")
print()
print(f"Цена прогона в заголовке:    ${run_cost/1e6:>8.1f} млн")
print(f"Год кластера (США):          ${cluster_us/1e6:>8.1f} млн")
print(f"Люди за год (США):           ${people_us/1e6:>8.1f} млн")
print(f"ИТОГО год (США):             ${(cluster_us+people_us)/1e6:>8.1f} млн")
print(f"  разрыв с заголовком:        x{(cluster_us+people_us)/run_cost:>7.1f}")
print()
print(f"Год кластера (РФ):           {cluster_ru/1e9:>8.2f} млрд ₽")
print(f"Люди за год (РФ):            {people_ru/1e9:>8.2f} млрд ₽")
print(f"ИТОГО год (РФ):              {(cluster_ru+people_ru)/1e9:>8.2f} млрд ₽"
      f"  (${(cluster_ru+people_ru)/USD_RUB/1e6:.1f} млн)")
print(f"  дешевле, чем в США:         x{(cluster_us+people_us)*USD_RUB/(cluster_ru+people_ru):>7.1f}")
print()
print(f"Люди к железу (США):          {people_us/cluster_us:>7.1f} : 1")
print(f"Люди к железу (РФ):           {people_ru/cluster_ru:>7.1f} : 1")

Где я мог ошибиться

Главная методическая дыра статьи одна, и она в основании: разделения «финальный прогон против экспериментов» не публикует никто. Ближе всех подошли Hugging Face по SmolLM3 (161 тысяча GPU-часов абляций против 276 тысяч основного рана) и Ai2 по Olmo 3 (wall-clock 56 суток с оговоркой, что отработка рецепта на 7B туда не входит). Мой множитель 2 в скрипте это нижняя граница по одному наблюдению, а не отраслевой коэффициент. Ходящие по интернету «от 2 до 10 раз» ничем не подкреплены.

Ставки аренды это не одна цифра, а 6 разных товаров. По проверенным первоисточникам разброс на одной и той же карте H100 идет от 2,35 доллара за годовой контракт до 12,29 у Azure в pay-as-you-go, то есть более чем в 5 раз. Любая фраза «H100-час стоит X» без указания сегмента, срока и наличия интерконнекта бессмысленна, включая мои. Я везде старался называть, откуда ставка.

Кластер на 112 тысяч карт я собрал из 3 источников разных лет: серверные цены 2026 года, оценка мощности из разбора SemiAnalysis 2024 года и капекс на мегаватт от Goldman за 2026. Совпадение с оценкой Epoch по Абилину в пределах 10% приятно, но обе цифры сами по себе оценки, и складывались они по разным методикам.

Цен на стойки NVIDIA не существует в открытом виде вообще. Все, что я привел, это оценки Tom's Hardware и Morgan Stanley, которые расходятся между собой в разы и устаревают за пару месяцев. Если планируешь закупку, эти цифры годятся только чтобы понимать порядок.

Финансовые данные OpenAI за 2025 год это утечка, а не поданный в SEC документ. Аудированной ее называет публикация, независимое подтверждение дала FT. Разделения на инференс и обучение внутри строк R&D и cost of revenue нет: все реконструкции этой границы, включая любые проценты, чужая арифметика.

Компенсации с levels.fyi это краудсорс без раскрытого размера выборки, только США, и акции там оценены по цене последнего раунда, то есть не деньгами. Российская сторона еще тоньше: 53 анкеты на senior ML по Москве. Мои 400 тысяч рублей в месяц это рабочая середина, а не замер.

Государственное финансирование ИИ в России я в смету не взял сознательно. Цифры по нацпроекту «Экономика данных» гуляют от 700 миллиардов до 2,7 триллиона рублей, все через агрегаторы, паспорта нацпроекта я не видел.

И все цены здесь живут неделю. Пока я писал, DeepSeek предупреждала в своей же документации о готовящемся повышении, вводная цена Sonnet 5 истекает 31 августа, а NVIDIA за 2026 год трижды поднимала отпускные цены. Выводы про структуру сметы от этого не меняются, конкретные суммы пересчитывай под свой день.

Пишу про то, что почем в ИИ-проектах и где они ломаются: сметы, замеры, разборы решений, которые не сошлись. Канал morana.log. Предыдущие статьи серии считали цену одного прогона и свое железо против API.