Moonshot AI ставит цель в $2 млрд годовой выручки: что это значит для рынка открытых AI-моделей
Moonshot AI, создатель Kimi K3, целится в $2 млрд годовой выручки к концу года. Разбираем, как открытые AI-модели превращаются в бизнес, почему маржа ниже и что значат обвинения Anthropic в дистилляции.
Что произошло: Moonshot AI замахнулась на $2 млрд
Moonshot AI, китайская лаборатория и создатель модели Kimi K3, объявила цель выйти на $2 млрд годовой выручки к концу года. Это вдвое больше показателя августа, когда речь шла примерно о $1 млрд. За несколько месяцев компания рассчитывает удвоить доход.
Масштаб для сравнения: выручка OpenAI оценивается в $40 млрд, Anthropic - в $65 млрд. Moonshot отстаёт от обоих на порядок. Ценность новости в другом: Kimi K3 выходит с открытыми весами, а значит, скачать модель может любой желающий.
Открытые веса - это доступные файлы модели. Их можно бесплатно запустить на своих серверах или у облачного провайдера. Компания зарабатывает не на продаже доступа к модели, а на сервисах рядом: API для разработчиков, хостинге, поддержке, доработке под задачи клиента. Если Moonshot дотянется до $2 млрд, это покажет, что открытость совместима с крупным бизнесом. Для рынка сигнал простой: конкуренция идёт не только за качество модели, но и за модель заработка на ней.
Kimi K3: масштаб использования и что он говорит о бизнесе
По данным OpenRouter, модели K3 ежедневно генерируют до 300 млрд токенов. Токен - это кусочек текста, примерно слово или его часть, который модель обрабатывает за один шаг. 300 млрд токенов в день сопоставимы с обработкой сотен тысяч книг ежедневно.
В последние месяцы использование немного снизилось. Общая цифра остаётся высокой, и это ключевое. Снижение спроса не отменяет цель в $2 млрд, потому что выручка зависит не от количества токенов напрямую, а от того, как каждый из них монетизируется.
Простая арифметика. Если за миллион токенов компания получает от $0,3 до $3 в зависимости от типа запроса, 300 млрд токенов в день дают миллионы долларов ежедневно. Часть трафика идёт через бесплатные каналы, часть - через платные API. Чем выше доля корпоративных клиентов с постоянной нагрузкой, тем предсказуемее выручка. Именно на неё и рассчитана цель Moonshot: не разовые пользователи чата, а компании, которые встраивают модель в свои продукты и платят за объём.
Что именно умеет флагманская модель и сколько стоит доступ к ней, разбирали в отдельном материале про Kimi K3 от Moonshot.
Экономика открытых моделей: как зарабатывать, когда веса доступны всем
Когда веса открыты, любой может скачать модель и запустить её у себя. Копировать её тоже можно: лицензия разрешает. Поэтому Moonshot не в состоянии продавать доступ к модели как эксклюзив. Её доход строится вокруг того, что клиентам проще заплатить, чем возиться самим.
Что покупают клиенты:
- API: готовый доступ к модели по запросу, без своего оборудования и инженеров.
- Хостинг: модель размещают на серверах провайдера и платят за потребление.
- Доработку под конкретные данные компании, когда базовых знаний модели недостаточно.
- Приоритетную поддержку и гарантии доступности сервиса.
- Инструменты вокруг модели, например среды для программистов и агентные надстройки.
У закрытых моделей логика другая. OpenAI и Anthropic не публикуют веса, поэтому доступ к ним можно продавать дороже: купить то же самое в другом месте нельзя. Moonshot такой роскоши лишена. Любой конкурент берёт открытую модель и предлагает её дешевле. Отсюда более низкая маржинальность: с каждого доллара выручки остаётся меньше прибыли после расходов на вычисления.
Почему открытые веса - это не приговор для бизнеса
Низкая маржа не означает убыток. Объём способен перекрыть разницу. Если модель используют миллионы разработчиков, даже небольшая плата за каждый запрос собирается в крупную сумму. Цель $2 млрд при открытых весах подтверждает этот замысел: компания рассчитывает зарабатывать на масштабе, а не на высоком чеке с одного клиента.
Схема знакома по другим отраслям. Red Hat десятилетиями продаёт поддержку и сервисы вокруг открытого Linux, хотя саму систему можно получить бесплатно. Открытость привлекает разработчиков, вокруг модели растёт экосистема, а вместе с ней и спрос на платные услуги. Разработчику проще выбрать модель, которую он уже знает и может запустить локально.
Обратная сторона: открытая модель живёт в условиях ценового давления. Как только кто-то находит способ запускать её дешевле, цены падают у всех участников рынка. Moonshot приходится держать расходы на вычисления под контролем, иначе выручка растёт быстрее прибыли. Как к открытым моделям относятся крупные игроки, разбирали в статье о том, почему Microsoft, Meta и Дженсен Хуанг вступились за открытые модели.
Moonshot AI против гигантов: сравнение с OpenAI и Anthropic
Цифры выручки расставляют всё по местам. Anthropic - около $65 млрд, OpenAI - около $40 млрд, Moonshot целится в $2 млрд. Это оценки, а не аудированные отчёты, но порядок величин показателен.
| Компания | Выручка (оценка) | Веса модели |
|---|---|---|
| Anthropic | около $65 млрд | закрытые |
| OpenAI | около $40 млрд | закрытые |
| Moonshot AI | цель $2 млрд к концу года | открытые |
Разрыв огромен, и здесь важна динамика. Moonshot моложе и меньше, зато растёт кратно быстрее. Удвоение выручки за несколько месяцев - темп, который зрелые компании показать не могут просто в силу размера. Стартовая база низкая, поэтому проценты роста выглядят внушительно, а каждая новая сотня миллионов долларов даётся тяжелее предыдущей.
Конкурирует Moonshot не ценой доступа к закрытой модели, а открытостью и низкой стоимостью. Клиент, которому важна прозрачность и независимость от одного поставщика, получает альтернативу. Лидерам это не угрожает напрямую: их выручку делают корпоративные контракты, подписки и рабочие места сотрудников внутри своей экосистемы. Но давление на цены открытые модели создают. Если бесплатная альтернатива становится достаточно хорошей, платить за закрытую заметно сложнее.
Обвинения Anthropic: дистилляция моделей и этика
Anthropic заявила, что Moonshot вела длительную кампанию по дистилляции моделей. Речь о почти 300 тыс. запросов и более 23 млн полученных ответов. Обвинения остаются обвинениями: независимого подтверждения нет, а публичного ответа от Moonshot пока не последовало.
Дистилляция - это обучение одной модели на ответах другой. Учитель выдаёт миллионы примеров, ученик учится их повторять. Метод законный и распространённый, если есть разрешение. Проблема возникает, когда ответы собирают через API в обход условий использования или когда ученик выдаёт себя за оригинал по качеству.
Спор касается происхождения данных. Открытые веса позволяют проверить, как модель устроена, но не показывают, на чём именно её обучали. Если поведение копирует закрытую модель, доказать это сложно, а опровергнуть ещё сложнее. Тема вышла за пределы одной компании: американский Минфин уже угрожал китайским AI-компаниям санкциями именно за дистилляцию, о чём мы писали отдельно про угрозы санкций за дистилляцию моделей.
Контекст шире одной истории. Вокруг OpenAI разгорелся отдельный спор с математиками: обладатели Филдсовской премии подписали открытое письмо о том, что AI-лаборатории угрожают их интеллектуальному труду. Профессор NYU Тристан Бакмастер обвинил OpenAI в давлении с целью не указывать соавтора из Anthropic. Математики опасаются и другого сценария: если у лаборатории появляется путь к открытию, она может потратить десятки миллионов долларов на вычисления и опередить авторов доказательства. Все эти истории об одном: границы заимствования в AI пока размыты, а правила складываются задним числом.
Риски и тёмная сторона AI: от галлюцинаций до судебных ошибок
Модели ошибаются, и это стоит денег. Юрист Стивен Ааронс получил штраф $5 000 и был признан виновным в неуважении к суду. Причина: он подал бриф, сгенерированный AI, с вымышленными свидетелями и ложными показаниями. Проверять ссылки и факты он не стал.
Судья Верховного суда Нью-Мексико К. Шеннон Бэкон вынесла решение по этому делу и заметила, что проблема с юристами, которые опираются на AI-галлюцинации, попадает на первые полосы едва ли не каждый день. Галлюцинация - это уверенно поданный вымысел. Модель не знает, что чего-то не знает, и придумывает правдоподобный ответ вместо честного «не знаю».
Для пользователя вывод простой: любой ответ модели требует проверки, если на нём строятся решения, документы или деньги. Moonshot и другие лаборатории работают над снижением галлюцинаций, но полной гарантии не даёт никто. Открытые веса здесь дают небольшое преимущество: сообщество может тестировать модель независимо и быстрее находить слабые места.
Что это значит для рынка и обычных пользователей
Успех Moonshot ускорит распространение открытых моделей. Китайские лаборатории уже обогнали США по масштабу открытых разработок: Moonshot, MiniMax, Xiaomi и Z.ai задают темп. Подробности в обзоре про то, как открытые модели изменили рынок летом 2026.
Для обычного пользователя это означает больше бесплатных и дешёвых инструментов. Чат-боты, помощники для текста и кода на открытых моделях стоят дешевле закрытых аналогов, а иногда и вовсе ничего. Для компании это возможность выбрать поставщика и не зависеть от одного вендора: если условия изменятся, модель можно развернуть на своём оборудовании или у другого провайдера.
Конкуренция будет усиливаться. Закрытые лаборатории отвечают качеством и сервисом, открытые давят ценой и свободой использования. Пользователь от этого выигрывает. Следить стоит за двумя показателями: добьётся ли Moonshot заявленных $2 млрд и как поведут себя лидеры в ответ. Общая картина меняется быстро, иногда несколько событий перекраивают ландшафт за одну неделю, как в разборе про блокировку Fable 5, IPO SpaceX и всплеск open source.
Moonshot AI показывает, что открытость работает как бизнес-стратегия. За ней стоит расчёт: занять рынок там, где у гигантов нет преимущества, и зарабатывать на объёме, а не на закрытом доступе. Есть вопрос или заметили неточность? Напишите нам, мы разберём детали.
