Modelmaxxing: как технологические стартапы и Uber сокращают счета за ИИ, не теряя в производительности

Рынок корпоративного ИИ проходит точку перегиба: от неограниченного потребления — к жёсткой юнит-экономике. Термин «модельмаксинг» (modelmaxxing) стремительно входит в лексикон технических директоров и финансовых менеджеров. Его суть — не запреты и лимиты, а выстраивание культуры осознанного выбора модели под задачу. Сложный анализ отдаётся флагманским решением, рутина — дешёвым или опенсорсным альтернативам. Для инвесторов этот тренд означает фундаментальный сдвиг в структуре затрат ИИ-компаний и открывает новые ниши на рынке инфраструктурного ПО.

От щедрости к дисциплине: кейсы первых лиц

Технический директор ИИ-стартапа Bold Metrics Морган Линтон дважды в неделю собирает команду из 16 инженеров, чтобы вручную определить: какая модель нужна для каждой конкретной задачи. Цель — не переплачивать за дорогие токены там, где справится более дешёвое решение.

«Одни инженеры работают с Claude в экономном режиме, другие — с GPT-5.5 в расширенном, третьи — в Cursor с Composer», — описывает Линтон распределение инструментов внутри команды.

Аналогичной логики придерживается сооснователь стартапа Hechura Крис Макони. Его правило: прежде чем брать дорогую модель, попробуй дешёвую и честно проверь, достаточно ли её интеллекта для задачи.

Масштаб проблемы: когда бюджеты сгорают за квартал

Тема выходит далеко за пределы отдельных стартапов. Ранее Business Insider сообщал, что Uber израсходовал годовой ИИ-бюджет за четыре месяца — триггером стал резкий рост числа активных пользователей Claude Code.

Coinbase решает проблему иначе — маршрутизацией запросов на дешёвые модели. По словам гендиректора Брайана Армстронга, в ряде случаев это позволяет удерживать расходы на одном уровне, пока потребление токенов растёт в геометрической прогрессии.

Новая ниша: model routing как инструмент управления затратами

Для автоматизации модельмаксинга компании всё чаще используют model routing — сервисы, которые оценивают сложность запроса и направляют его в подходящую модель без участия человека.

Ключевая метрика от Ramp:

Пятикратный рост за год — сигнал для венчурного рынка: инфраструктура интеллектуальной маршрутизации запросов превращается из нишевого инструмента в обязательный компонент стека.

Поведенческая ловушка: психология дефицита токенов

Особый риск для финансовых моделей ИИ-компаний создаёт не технология, а поведенческая экономика. Дэн Ариэли, известный экономист-бихевиорист, указывает на параллель с тарифными планами мобильной связи:

Лимиты на токены работают как минуты в тарифах — люди стремятся «выработать» выделенный ресурс до конца периода, даже без реальной необходимости.

UX-дизайнер Танви Писал описывает собственный показательный кейс: месяцы и огромное количество токенов ушли на построение интерфейса прямо в Claude с нуля. Решение нашлось только тогда, когда она начала делать макет в Figma, а модели передавала лишь скриншоты для построения логики. Один сдвиг в процессе — и радикальное снижение расхода токенов без потери качества.

Инвестиционный вывод: модельмаксинг формирует три класса бенефициаров — платформы model routing, инструменты мониторинга и контроля потребления токенов, а также опенсорсные модели, чья доля в корпоративных пайплайнах будет расти по мере давления на юнит-экономику.