DeepSeek обошел Google по объему токенов: отчет Vercel за июль 2026

В июле 2026 года DeepSeek занял второе место по объему обрабатываемых токенов через AI Gateway компании Vercel, потеснив Google. Этот сдвиг отражает растущее доминирование open-weight моделей в коммерческих приложениях и снижение общей стоимости токена на 13,6%.

Смена расстановки сил на рынке ИИ

Согласно данным ежемесячного отчета AI Gateway от компании Vercel, опубликованного в августе 2026 года, ландшафт использования языковых моделей претерпел значительные изменения. В июле DeepSeek официально превзошел Google по общему объему токенов, проходящих через шлюзы Vercel. Если в апреле 2026 года Google удерживал около 40% трафика, а доля DeepSeek составляла менее 1%, то к концу июля ситуация кардинально изменилась: на долю DeepSeek теперь приходится 25% объема, тогда как показатель Google снизился до 11%. Ключевым драйвером этого рывка стала модель DeepSeek V4 Flash, которая в одиночку обработала больше токенов, чем все модели, предоставляемые Google, вместе взятые.

Предыстория и динамика сегмента

Тенденция к росту популярности открытых моделей наблюдалась на протяжении нескольких месяцев, однако ранее это не сопровождалось сопоставимым ростом выручки. Ситуация начала меняться в июле, когда доля расходов на open-weight модели в структуре платежей через инфраструктуру Vercel увеличилась более чем вдвое, достигнув 8,6%. Основной вклад в эту динамику внесли разработки компаний Moonshot и Z.ai. В частности, успех Moonshot с моделью Kimi K3 и Z.ai с моделью GLM 5.2 демонстрирует, что разработчики готовы платить за специализированные решения, даже если их стоимость за токен значительно выше, чем у базовых бюджетных моделей, при условии, что они обеспечивают высокое качество работы в агентских задачах.

Почему DeepSeek показывает такой стремительный рост?

Основная причина успеха DeepSeek заключается в концентрации трафика в сегменте потребительских приложений. По данным Vercel, доля Google в обработке запросов для персональных ассистентов сократилась более чем в два раза. Разработчики все чаще отдают предпочтение DeepSeek V4 Flash из-за его экономической эффективности, что позволяет масштабировать B2C-сервисы с меньшими затратами на инфраструктуру. В то же время модели Moonshot Kimi K3, выпущенной 16 июля, удалось быстро нарастить объемы: уже к концу месяца количество запросов к ней сравнялось с показателями Claude Opus 4.8, а сама модель заняла восьмое место в общем рейтинге шлюза по объему токенов.

Технологические тренды и специализация моделей

Новые модели, такие как Kimi K3, ориентированы на работу с длинными временными горизонтами, что подтверждается возросшим количеством токенов на один запрос — оно оказалось в двенадцать раз выше, чем у предшественника K2.5. Интересно, что спрос на K3 не привел к оттоку пользователей от других моделей семейства Kimi, а стал примером формирования нового, ранее не существовавшего типа нагрузки. Рост доли open-weight решений в расходах на 8,6% свидетельствует о том, что рынок переходит от экспериментов с дешевыми моделями к их полноценному внедрению в сложные рабочие процессы, где критически важна комбинация производительности и стоимости.

Кого затронет и как

Для разработчиков и компаний, использующих ИИ-инфраструктуру, текущая ситуация означает расширение доступного инструментария. Снижение общей стоимости токена на 13,6% по сравнению с предыдущими периодами создает новые возможности для оптимизации бюджетов на разработку. В то же время провайдерам проприетарных моделей приходится адаптироваться к жесткой ценовой конкуренции. Для российского бизнеса, использующего облачные ИИ-шлюзы, это сигнал к пересмотру стратегии выбора моделей: смещение фокуса с одного доминирующего вендора на диверсифицированный набор решений становится экономически обоснованным шагом.

Итог

Июль 2026 года стал переломным моментом, когда эффективность open-weight моделей позволила им потеснить технологических гигантов в борьбе за долю рынка токенов. Дальнейшее развитие индустрии, вероятнее всего, будет определяться способностью компаний предлагать модели, сочетающие низкую стоимость с высокой специфичностью для агентских сценариев работы.