Технічний контекст
Я подивився на свіжі дані без романтики: перевірена картина на червень 2026 року така, що китайські моделі вже щільно сидять у верхньому ешелоні. У LMSys Arena DeepSeek V4 Pro тримається близько #8 з 1462 Elo, а Qwen 3.7 Max — близько #9 з 1455 Elo. В Artificial Analysis Qwen 3.7 Max взагалі піднімається до #5 за Індексом інтелекту.
І от тут мені вже цікаво не «хто кого обігнав у твіттері», а що з цим робити в реальній AI implementation. Тому що коли модель не просто дешева, а ще й стабільно потрапляє в топ за кількома незалежними бенчмарками, це змінює архітектурні рішення.
Окремий нюанс: LMSys і Artificial Analysis вимірюють різне. Arena більше зав’язана на людських уподобаннях та Elo, Artificial Analysis збирає агрегований індекс здібностей. Тому розбіжність типу #9 в одному рейтингу і #5 в іншому для мене не червоний прапор, а радше сигнал: модель сильна не тільки в демо-ефекті, а й у ширшому профілі завдань.
Ще одне важливе зрушення у сприйнятті: дедалі важче зводити успіх китайських моделей лише до дистиляції. Коли лінійка тримає темп, показує гарні результати в кодингу, reasoning і ціні, відмахнутися вже не виходить. Я б сказав грубо: індустрії стало незручно вдавати, що це випадковість.
Але є й ложка дьогтю. На тлі цього зростання знову спливає ризик обмежень на випуск ваг з боку китайських регуляторів. І от це вже не суперечка з коментарів, а цілком практичний ризик для тих, хто будує стек на моделях з відкритими вагами.
Вплив на бізнес та автоматизацію
Для бізнесу я бачу три прямі наслідки. Перше: у команд стало більше простору для AI automation без бюджету рівня big tech. Друге: open-weight та дешеві API знову стають серйозним аргументом на користь гібридної архітектури. Третє: вибір моделі тепер дедалі частіше впирається не в «найкращу взагалі», а в доступність, ціну та керованість ризиком.
Виграють ті, хто вміє швидко перепаковувати пайплайни під новий модельний ландшафт. Програють ті, хто зашив весь продукт в одного вендора і сподівався, що ринок не гойднеться.
Я такі розвороти бачу у клієнтів постійно: сьогодні важливіше не культ моделі, а нормальна AI integration з резервними маршрутами, своєю маршрутизацією та контролем вартості. У Nahornyi AI Lab ми якраз вирішуємо ці вузькі місця на практиці, коли потрібно не сперечатися про рейтинги, а зібрати робочу систему.
Якщо у вашій компанії вже назріла перезбірка стеку під нові моделі, можна спокійно пройтися по процесах і зрозуміти, де реально виграти в ціні та швидкості. Якщо потрібен не черговий слайд, а жива AI solution development під ваш контур, у Nahornyi AI Lab я допоможу зібрати це так, щоб система працювала і після наступного ривка ринку.