Три события последних недель, которые по отдельности выглядят как новости, а вместе складываются в картину тектонического сдвига.

В начале июля глава AI-направления Meta заявил: Llama 4 достигла уровня GPT-5. Конкретные бенчмарки пока не опубликованы, но архитектура известна — Mixture of Experts, больше 400 миллиардов параметров суммарно и 40–60 миллиардов активных на каждый запрос. Модель будет открытой. Это не первый случай, когда открытая модель приближается к флагманским — Llama 3 уже сократила разрыв, DeepSeek-V3 показывает качество на уровне GPT-4, Qwen3.5 экспериментирует с гибридными архитектурами. Но Llama 4 — первое поколение, где разработчик открыто заявляет паритет, а не «мы почти догнали».

Экономика инференса схлопывается

Параллельно рушится экономика облачного инференса. Энтузиаст запустил сервис с безлимитным доступом к языковой модели за шесть долларов в месяц — просто арендовал AMD MI300x за два доллара в час и обслуживает полторы сотни пользователей. Это пока эксперимент, а не бизнес. Но направление понятно: стоимость токена падает на 50–80% в год, и всё больше моделей можно запустить на собственном оборудовании.

Илон Маск недавно заявил, что цена инференса упадёт в тысячу раз за три года — возможно, преувеличение, но вектор верный. Рынок уже расслаивается:

  • Премиум-сегмент (OpenAI, Anthropic): $15–75 за миллион токенов, держат цену за бренд и обслуживаемый сервис
  • Агрегаторы (OpenRouter): маршрутизация между провайдерами, конкуренция на цене
  • Бюджетный сегмент (Together AI, Fireworks, DeepSeek): $0.10–1.00 за миллион токенов — откровенный демпинг
  • Сам себе провайдер: локальный сервер, ноль за миллион токенов

MCP отвязал инструменты от провайдеров

Третий сигнал — протокол MCP, разработанный Anthropic для подключения моделей к внешним инструментам, закрепился как отраслевой стандарт. Билл Гейтс в апрельской служебной записке назвал AI-агентов самым важным событием со времён персонального компьютера, и MCP в этом сценарии играет роль HTTP для веба: унифицирует взаимодействие, отвязывает инструменты от конкретного провайдера.

Появляется инфраструктура вокруг протокола. Стартап Manufact (YC S25, $2M инвестиций) запустил облачный хостинг MCP-серверов. Statey — база данных с персистентным состоянием для агентов через MCP. Модель можно менять, инструменты остаются. Смена провайдера или переход на свою модель становится вопросом конфигурации, а не переписывания интеграций.

Почему облако никуда не уходит

Три сигнала рисуют картину конца облачной монополии. Но картина сложнее.

Обучение передовых моделей — только облако. Llama 4 тренируется на кластерах Meta с сотней тысяч GPU. Стоимость обучения frontier-модели — сотни миллионов долларов. Никакой локальный сервер этого не сделает. Облачные гиганты — OpenAI, Anthropic, Google — останутся монополистами в обучении.

Enterprise-компании платят не за токены. Им нужен обслуживаемый сервис: гарантии доступности, безопасность, нормативные требования, аудит. Microsoft и Amazon продают не API, а «AI + инфраструктура + поддержка». Это другой продукт, другая маржа, другой рынок.

Латентность облачных API падает. OpenAI, Anthropic, Together AI вкладываются в инфраструктуру. Разница между «локально» и «облако» по скорости стирается для большинства сценариев.

Не все готовы администрировать сервер. AI-ops — новая компетенция. Большинству компаний проще платить за API, чем нанимать людей для настройки vLLM, обновления моделей и мониторинга железа.

Трёхслойная архитектура

Рынок не замещается — он расслаивается.

Слой 1: Cloud-only. Обучение передовых моделей, enterprise с обслуживаемым сервисом. Здесь остаются OpenAI, Anthropic, Google, Microsoft. Это большой и растущий рынок.

Слой 2: Hybrid. Большинство компаний — чувствительные и частые запросы на своём оборудовании, сложные и разовые — в облаке. Model routing автоматически выбирает провайдера. Это мейнстрим 2027–2028 годов.

Слой 3: Local-first. Свой сервер, полный контроль, никаких счетов за токены. Для энтузиастов, стартапов с AI-ядром, edge-сценариев. Не замена облаку, а новая ниша, которой раньше не существовало.

Мой взгляд

Я смотрю на это не как аналитик со стороны, а как человек, который прямо сейчас выбирает железо под свой сервер, настраивает инференс и проектирует гибридную архитектуру. Облачные API никуда не денутся — но они перестают быть единственным ответом на вопрос «как запустить модель». Их место — сложные разовые задачи и сценарии, где обслуживаемый сервис важнее цены токена. Всё остальное постепенно переезжает на своё железо.

Для меня это не вопрос «облако или локально». Это вопрос архитектуры: что и где запускать, как маршрутизировать запросы, какие протоколы использовать, чтобы не привязаться к одному провайдеру. MCP здесь — не просто новость, а рабочий инструмент, который уже используется в моей связке Hermes + GitLab + файловая система.

Что это значит для тех, кто принимает решения сегодня

Если вы принимаете решение об AI-инфраструктуре в 2026 году:

  • Не выбирайте между облаком и локальным сервером — проектируйте гибрид. Чувствительные или частые сценарии — на своём оборудовании. Сложные и разовые — в облаке.
  • Следите за открытыми моделями. Llama 4, DeepSeek-V3, Qwen3.5, Mistral — их качество растёт быстрее, чем разрыв с проприетарными. Если модель устраивает по качеству для 80% задач, локальный инференс окупается за месяцы.
  • Инвестируйте в AI-ops, а не в токены. Умение развернуть, мониторить и обновлять модель на своём железе становится важнее, чем умение выбрать облачный тариф.
  • Протокол важнее провайдера. Если ваши AI-инструменты работают через MCP, вы не привязаны к конкретной модели или облаку. Меняйте провайдера без переписывания интеграций.

Главный сдвиг 2026 года — не в том, что локальный AI «победит» облачный. А в том, что само противопоставление теряет смысл. Мы входим в мир, где AI-инфраструктура — это спектр решений, а не бинарный выбор. И умение этот спектр проектировать становится самостоятельной компетенцией.

Источники: заявления Meta (июль 2026), HN (июнь-июль 2026), служебная записка Билла Гейтса (апрель 2026), данные по ценам инференса.