Гонка ШІ між США та Китаєм уже не зводиться до питання, чия модель найрозумніша. Американські лабораторії поки утримують вершину низки тестів, але китайські конкуренти швидко наздоганяють їх у якості й уже тиснуть ціною, open-weight моделями та масштабом використання.
Ще недавно американська перевага у штучному інтелекті здавалася майже структурною: найпотужніші чипи, найбільші дата-центри, провідні лабораторії та капітал концентрувалися у США. До літа 2026 року ця картина стала значно складнішою. Китайські моделі вже наблизилися до американського frontier-рівня.
Новим символом зміни стала Kimi K3 від пекінської Moonshot AI. У незалежних тестах вона опинилася поруч із найсильнішими системами OpenAI та Anthropic, а в окремих категоріях поступається їм уже не на покоління, а на кілька пунктів. Artificial Analysis називає K3 одним із нових учасників розширеного глобального frontier.
У тесті Terminal-Bench 2.1, який оцінює практичне програмування й роботу в комп’ютерному середовищі, Bloomberg наводить 85% для Kimi K3. GPT-5.6 Sol отримав 89,5%, Claude Opus 5 — 89,1%. Різниця залишається, але тепер це розрив усередині одного класу систем, а не між лідером і наздоганяючим.
Особливо показовим є не один рейтинг, а швидкість зміни самого фронтиру. Artificial Analysis зазначає, що вже шість лабораторій мають моделі з результатом понад 50 балів у її Intelligence Index, тоді як на початку червня таких було лише дві. Конкуренція переходить від дуополії кількох американських компаній до ширшого поля.
За аналізом «Дейком» відкритих і перевірених даних, гонка ШІ між США та Китаєм змінила головний критерій перемоги. Лідером дедалі важче назвати лабораторію лише за найкращим benchmark. Вирішальним стає поєднання достатньої якості, низької ціни, можливості локального запуску й швидкого поширення серед розробників.
Саме за ціною китайська стратегія найбільш агресивна. Kimi K3 коштує близько $3 за мільйон вхідних і $15 за мільйон вихідних токенів. Для порівняння, Claude Fable 5 коштує $10 і $50 відповідно, а флагманський GPT-5.6 Sol — $5 за вхід і $30 за вихід.
DeepSeek іде ще нижче. Після серпневого підвищення тарифів V4-Pro коштує $3,96 за мільйон вихідних токенів у піковий час і вдвічі менше поза піком. Для великого бізнесу, який запускає мільярди токенів щодня, така різниця швидко перетворюється із технічної деталі на значну статтю витрат.
Водночас порівнювати лише ціну одного токена теж небезпечно. Складні reasoning-моделі можуть витрачати різну кількість прихованих токенів і робити різну кількість кроків для завершення завдання. Artificial Analysis, наприклад, виявила, що Kimi K3 у деяких агентних тестах витрачала більше ресурсів, ніж дешевша за тарифом модель могла б припускати.
Проте для масового ринку китайським лабораторіям необов’язково перемагати кожен тест. Якщо модель виконує 95% потрібної компанії роботи за частку вартості преміальної американської системи, економічний вибір може бути очевидним. Особливо це стосується фонових агентів, генерації коду, підтримки клієнтів і пакетної обробки документів.
Bloomberg описує показовий випадок стартапу Polsia, який після різкого зростання навантаження почав активніше використовувати MiniMax. Засновник компанії стверджує, що за один місяць витрати на ШІ вдалося скоротити приблизно з $1 млн до $100 тис., залишивши дорожчі американські моделі для найбільш критичних операцій.
Це формує нову корпоративну архітектуру: не одна модель для всіх завдань, а портфель систем. Найсильнішу і дорожчу використовують там, де помилка коштує дорого; дешеву — для масових фонових процесів. У такій моделі китайський ШІ може захоплювати величезний обсяг роботи, навіть не посідаючи перше місце в загальному рейтингу.
Другою перевагою Китаю стала ставка на open-weight моделі. На відміну від закритих систем, доступних переважно через API, їхні ваги можна завантажити й запускати на власній інфраструктурі. Це дає компанії контроль над даними, можливість тонкого налаштування й свободу вибору хмарного провайдера або локального сервера.
Саме цей формат допомагає китайським розробникам знімати частину побоювань щодо передавання корпоративних даних у Китай. Якщо модель працює на американському або європейському сервері клієнта, запити не обов’язково проходять через інфраструктуру її китайського автора. Для багатьох компаній це принципова відмінність.
OpenRouter уже фіксує наслідок цієї стратегії. За даними платформи, китайські моделі вперше випередили американські за часткою токенів на початку червня 2026 року. DeepSeek приблизно подвоїв свою частку за пів року, а використання моделей Xiaomi, MiniMax і Tencent також різко зросло.
Ці цифри потребують важливого застереження. OpenRouter бачить лише трафік, що проходить через власну платформу, і не враховує величезні обсяги прямих запитів до OpenAI, Anthropic, Google чи приватних корпоративних розгортань. Тому його статистика показує напрямок ринку, але не є переписом усього світового використання ШІ.
На Hugging Face картина також зміщується на користь китайських розробників. Bloomberg наводить частку 41,4% завантажень генеративних моделей із Китаю — приблизно на п’ять процентних пунктів більше, ніж у американських. Alibaba заявила, що сімейство Qwen за шість місяців накопичило понад три мільярди завантажень.
Alibaba одночасно продовжує піднімати верхню межу власної лінійки. Представлений у серпні Qwen3.8-Max має 2,4 трлн параметрів, контекст до мільйона токенів і, за даними компанії, входить до верхньої частини кількох незалежних рейтингів для текстових і мультимодальних завдань.
Це змінює саму географію китайського ШІ. DeepSeek уже не є одиничною аномалією, яка одного разу здивувала ринок. Поруч із нею конкурують Moonshot, Alibaba, MiniMax, Z.AI, Xiaomi і Tencent. Через високу щільність релізів конкурентна перевага однієї лабораторії може зникати буквально за кілька тижнів.
Американські компанії відповідають власним зниженням цін. OpenAI наприкінці липня скоротила тариф GPT-5.6 Terra до $2 за мільйон вхідних і $12 за мільйон вихідних токенів, а Luna — до $0,20 і $1,20. Це показує, що китайський ціновий тиск уже впливає на економіку американського frontier-сегмента.
Тому теза про те, що Китай просто «дешевший, але слабший», швидко застаріває. На найскладніших тестах американські системи часто залишаються попереду, однак китайські моделі вже достатньо сильні для величезного класу реальних завдань. А у виробничому середовищі різниця між 85% і 89% інколи важить менше, ніж різниця у рахунку.
Саме тут виникає проблема для бізнес-моделей американських лабораторій. OpenAI й Anthropic залучають капітал за оцінками в сотні мільярдів доларів, які передбачають не лише технологічне лідерство, а й здатність монетизувати його. Масове поширення дешевих відкритих альтернатив може послабити цінову владу такого лідера.
Китайські лабораторії, втім, мають дзеркальну слабкість: популярність ще не означає прибутковості. Bloomberg Intelligence вважає, що багато з них поки не мають очевидної дороги до стабільного прибутку. Продаж токенів за надзвичайно низькими цінами може захоплювати ринок, але водночас спалювати капітал роками.
Це знайома для китайського бізнесу стратегія: спочатку максимально знизити ціну й зайняти частку, а вже потім шукати маржу. Проте Пекін сам критикує «інволюцію» — руйнівні цінові війни, які змушують компанії працювати на межі рентабельності. У ШІ така модель особливо дорога через вартість обчислень і дата-центрів.
Іншим американським активом залишається споживчий ринок. Китайські open-weight моделі швидко поширюються серед розробників, але ChatGPT досі має значно сильніший глобальний бренд і мобільну дистрибуцію. Це нагадує, що ринок моделей і ринок кінцевих AI-продуктів — пов’язані, але не однакові змагання.
Вашингтон опиняється перед незручною дилемою. З одного боку, китайські open-weight моделі викликають занепокоєння через кібербезпеку, можливі політичні упередження та залежність американських компаній від технологій стратегічного суперника. З іншого — їх заборона може різко підвищити витрати власного бізнесу.
Майже 200 американських стартапів та представників технологічної екосистеми вже виступили проти широких обмежень, аргументуючи, що доступ до дешевих відкритих моделей допомагає їм конкурувати з великими корпораціями. Вони закликають реагувати на конкретні ризики, а не перекривати весь клас технології.
Додаткове протистояння розгортається навколо походження китайських проривів. OpenAI та Anthropic звинувачували окремі лабораторії КНР у використанні distillation — навчанні нової системи на виходах потужнішої моделі. Пекін і Moonshot відкидають твердження, що саме крадіжка інтелектуальної власності пояснює їхній прогрес.
Техніка distillation сама по собі широко використовується в галузі; суперечка стосується того, чи порушували китайські розробники умови доступу до американських систем і права на інтелектуальну власність. Адміністрація Дональда Трампа вже сигналізувала про можливість санкцій, якщо такі порушення будуть доведені.
Парадокс полягає в тому, що американські експортні обмеження на передові чипи не зупинили китайський прогрес. Вони ускладнили доступ до найкращого обладнання й змусили лабораторії економніше використовувати обчислення, водночас підштовхнувши Китай до розвитку власних процесорів, дата-центрів і програмної оптимізації.
Американська перевага в обчислювальній інфраструктурі все ще величезна, а китайські виробники не можуть у повному обсязі замінити найсучасніші Nvidia GPU. Проте сам факт, що лабораторії з гіршим доступом до frontier-чипів наблизилися до передових моделей США, став незручним питанням для прихильників технологічного стримування.
Вашингтон уже посилює стратегічний вимір протистояння. Адміністрація Трампа просуває коаліції навколо напівпровідників, критичних матеріалів та ШІ й дедалі чіткіше вимагає від партнерів визначатися між американськими та китайськими технологічними екосистемами.
Одночасно США не можуть дозволити собі просто закрити ринок. Білий дім у власній політиці визнає необхідність швидкого впровадження найкращих комерційних і відкритих технологій, а американські законодавці вже закликають стимулювати власні open-weight моделі, щоб не віддавати цей сегмент Китаю.
Китай, зі свого боку, робить ставку не лише на моделі. Пекін нарощує дата-центри, виробництво електроенергії, внутрішні чипи й підготовку інженерів. Дешевша праця значної частини дослідників і масштабна енергетична база можуть допомогти знизити собівартість обчислень навіть за технологічного відставання в окремих процесорах.
Головний американський захист поки полягає в тому, що frontier залишається рухомою ціллю. Щойно Китай наближається до найкращої американської моделі, OpenAI, Anthropic або інша лабораторія може випустити нове покоління. Але та сама логіка працює і навпаки: перевага чергового американського релізу тепер може тривати місяці, а не роки.
Тому говорити, що Китай уже виграв глобальну гонку штучного інтелекту, було б передчасно. США мають сильніші флагманські системи в низці складних завдань, більше frontier-обчислень, глобальні consumer-продукти та величезний капітал. Китай натомість швидко конвертує менші ресурси у дедалі конкурентнішу продуктивність.
Але й стара формула про беззаперечне американське лідерство більше не описує реальність. Китай уже змагається не тільки за друге місце в benchmark-таблиці. Він намагається зробити свої моделі стандартним дешевим шаром світової цифрової економіки — тим, що компанії завантажують, запускають локально й використовують мільярдами токенів.
Саме тому наступний етап гонки ШІ між США та Китаєм може вирішитися не моментом появи «найрозумнішої моделі». Переможцем стане екосистема, яка зможе перетворити достатньо сильний інтелект на найдешевший, найзручніший і найбільш повсюдний ресурс. У цій частині змагання Китай уже не наздоганяє — він змушує США наздоганяти його.
