# Эксперт: оптимизация токенов укрепляет позиции Amazon, Microsoft и Google в гонке ИИ

> Исследователь Ри́хард Ярц (Rihard Jarc) утверждает, что текущая парадигма оптимизации токенов в моделях искусственного интеллекта структурно выгодна крупным облачным платформам, а не специализированным лабораториям вроде OpenAI или Anthropic.

- Canonical HTML: https://youragents.me/ru/media/news/jekspert-optimizacija-tokenov-ukrepljaet-pozicii-amazon-microsoft-i-google-v-gonke-ii
- Markdown: https://youragents.me/ru/media/news/jekspert-optimizacija-tokenov-ukrepljaet-pozicii-amazon-microsoft-i-google-v-gonke-ii.md
- Section: Новости
- Published: 2026-07-02T07:37:42+03:00
- Modified: 2026-07-02T07:37:42+03:00

Исследователь Ри́хард Ярц (Rihard Jarc) утверждает, что текущая парадигма оптимизации токенов в моделях искусственного интеллекта структурно выгодна крупным облачным платформам, а не специализированным лабораториям вроде OpenAI или Anthropic. 

Рихард Ярц, чьи работы в области эффективности языковых моделей регулярно цитируются в отрасли, опубликовал анализ, согласно которому доминирующая практика оптимизации по токенам закрепляет преимущество за гиперскейлерами — Amazon Web Services, Microsoft Azure и Google Cloud. По его словам, эти компании контролируют не только инфраструктуру для обучения моделей, но и ключевые метрики, по которым оценивается их производительность.

Ярц отмечает, что современные бенчмарки, такие как MMLU или GSM8K, измеряют качество моделей через точность ответов на фиксированных наборах данных, где стоимость вывода напрямую зависит от количества токенов. «Облачные провайдеры продают токены как услугу, — пишет он, — и любое сокращение их числа снижает их выручку». Это создаёт конфликт интересов: лаборатории, разрабатывающие модели, заинтересованы в уменьшении затрат на инференс, тогда как облачные платформы получают прибыль с каждого сгенерированного токена.

В качестве примера Ярц приводит недавние релизы моделей семейства Llama от Meta, где оптимизация по токенам позволила сократить время генерации на 20–30%, но не привела к сопоставимому снижению цен для конечных пользователей. По его оценке, до 70% экономии от таких улучшений оседает в марже облачных провайдеров, а не передаётся клиентам или разработчикам моделей.

Аналитик также указывает на растущую зависимость независимых лабораторий от инфраструктуры гиперскейлеров. Даже компании с собственными дата-центрами, такие как Mistral AI, вынуждены размещать часть мощностей на платформах Amazon или Google, чтобы соответствовать требованиям корпоративных клиентов. Это ограничивает их возможности по внедрению радикальных архитектурных изменений, которые могли бы нарушить сложившийся баланс сил.

Источники: X-пост Ри́харда Ярца (Rihard Jarc), 30 июня 2026 года; аналитический материал на платформе Digg.