Лучшие AI-модели две недели стояли выключенными.
А мой пайплайн даже не заметил
Лучшие AI-модели на планете две недели лежали выключенными. А где-то тихо, без шума, продолжала идти работа — на тех моделях, за которые никто не воевал.
12 июня 2026 Mythos 5 от Anthropic погас. Четырнадцать дней спустя, 26 июня, министерство торговли США включило её обратно — но только для «more than 100» конкретных организаций, в основном операторов критической инфраструктуры, и авторизацию лично подписал Commerce Secretary Howard Lutnick. В ту же пятницу OpenAI выкатила GPT-5.6, тут же ограничила раздачу и прямо сказала вслух то, что обычно молчат: «Мы не считаем, что такой режим госдоступа должен стать нормой».
Я читал это со вторым кофе, который успел остыть рядом с ноутом, и зацепило меня не политика. Зацепило вот что: топ-модель больше не то, чем ты владеешь. Это то, что тебе разрешают использовать — пока не перестанут. И если весь твой бизнес стоит на одной модели как на фундаменте — ты строишь на песке, который кто-то смывает в пятницу после обеда.
Коротко: Гонка перестала быть про «у кого самая мощная модель» и стала про «кто умеет работать без неё». С 12 по 26 июня 2026 фронтир-модели мира были либо заморожены (Mythos 5), либо нарезаны по whitelist из 100 организаций (GPT-5.6 Sol/Terra/Luna). Доступ к флагману теперь — политический актив с непредсказуемой доступностью. Выигрывают те, чей пайплайн переживает смену модели за одну строку конфига. Я перестроил Content Factory так несколько месяцев назад: дорогая модель работает только там, где реально нужна, остальное гонят дешёвые и быстрые, а выбор делает слой роутинга. Себестоимость упала, скорость выросла, и двухнедельная заморозка любой одной модели для меня бы ничего не изменила. Picks-and-shovels тут — слой оркестрации между моделями, а MCP — протокол, который делает смену тривиальной.
Что произошло за две недели?
Три события легли друг на друга за две недели, и вместе они рассказывают одну историю.
Первое — заморозка. 12 июня 2026 Mythos 5 от Anthropic выключили. Четырнадцать дней одна из сильнейших доступных моделей просто не существовала. 26 июня администрация Трампа через минторг включила её обратно — но не для всех. Авторизацию выдал Commerce Secretary Howard Lutnick на основании того, что «appropriate safeguards are in place», и покрыла она «more than 100» конкретных организаций США, прежде всего тех, кто эксплуатирует и защищает критическую инфраструктуру (источник: TechCrunch). Доступ получили даже неамериканские сотрудники этих компаний плюс сам персонал Anthropic. Fable 5 — следующий тир — остался заблокирован без таймлайна.
Второе — нормирование. В тот же день, 26 июня, OpenAI выкатила GPT-5.6 как семейство из трёх моделей: Sol (флагман), Terra (balanced for everyday use) и Luna (быстрая, дешёвая). OpenAI позиционирует GPT-5.6 как особо сильную в coding, cybersecurity, biology и в удержании фокуса на длинных задачах. Но раздачу ограничили по запросу властей, и OpenAI публично возразила, назвав ограниченный доступ «short-term step», который отрезает лучшие инструменты от пользователей, разработчиков, бизнеса и киберзащитников (источник: TechCrunch).
Третье — ответ. К 27 июня азиатские лаборатории уже двигались. Токийская Sakana AI — основана в 2023 экс-исследователями Google — выкатила Fugu. Китайская 360, чей основатель назвал AI для поиска уязвимостей «национальным стратегическим активом», выпустила Tulongfeng и Yitianzhen (источник: TechCrunch). Mythos-подобные модели, заполняющие дыру, которую открыла заморозка. По данным TechCrunch, run-rate выручка Anthropic превысила $47 млрд в мае 2026 — хотя доля азиатского спроса публично неизвестна. Фронтир не встал на паузу. Он просто переехал к тем, кто остался включён.
Почему это смена парадигмы, а не просто новость?
Три года весь разговор шёл вертикально: чья модель выше на бенчмарке, у кого контекст больше, кто выкатил новый флагман в этом месяце. Подразумевалось, что доступ к лучшей модели — данность. Платишь — получаешь ключи.
Июнь 2026 сломал эту аксиому публично. Доступ стал условным. Модель можно заморозить в пятницу и через две недели нарезать по whitelist. Оператор ты критической инфраструктуры или соло-фаундер с $200/мес на API — правда одна, просто с разных концов: рубильник не у тебя.
И стратегический вопрос переворачивается. Уже не «есть ли у меня лучшая модель?». А «что станет с моим бизнесом в день, когда её нет?». Если честный ответ — «всё встаёт», то у тебя не технологическая проблема. У тебя единая точка отказа с именем вендора на ней. Это больше не строка расходов. Это операционный риск.
И вот что большинство пролистает. Преимущество во время заморозки не исчезло. Оно переехало — от владения самой умной моделью к владению слоем, который может перекинуть работу на любую модель: доступную, по карману и достаточно хорошую под конкретную задачу. Владеть мозгом перестало быть рвом. Владеть проводкой — стало рвом.
Новая архитектура простыми словами
Представь два способа собрать AI-продукт.
Твой код общается напрямую с API одной модели. Каждый промпт, каждый воркфлоу намертво прибит к одному провайдеру. Собирается быстро — ровно до дня, когда модель заморозят, зарейтлимитят, переоценят или уведут по whitelist. И тогда весь твой продукт — кирпич.
Твой код общается со слоем роутинга, а слой роутинга — с моделями. Приложение никогда не называет конкретную модель. Оно говорит «сделай задачу», а роутер сам решает — это пойдёт на Sol, Terra, Luna, Claude или локальную модель на твоём же железе. Смена провайдера — правка конфига, а не переписывание.
Этот слой роутинга — теперь вся игра. И чище всего собирать его на едином протоколе, чтобы каждая модель и каждый инструмент говорили на одном языке. Это и есть MCP — HTTP для AI-агентов. Как HTTP позволил любому браузеру говорить с любым сервером, не зная, как сервер устроен, так MCP позволяет агенту дёргать любой инструмент и любую модель, не зная её внутренностей. Построй пайплайн на MCP-слое — и смена модели становится сменой одной строки, а не реархитектурой продукта. Mythos заморозили на две недели; пайплайн на этом слое даже не вздрогнул бы. Перекинул нагрузку на другую модель и поехал дальше.
Кейс Content Factory: реальные цифры
Я выучил это дорого, на своём Content Factory — 15 субагентов под одним оркестратором, реальный продакшен, не демо.
Первая версия была прибита к одной модели. Удобно. Всё шло на флагман, потому что флагман был хорош во всём. И работало отлично ровно до стены, в которую упирается каждый соло-фаундер: счёт и лимиты. Я платил флагманские цены за то, чтобы топовая модель писала мета-описание и переформатировала подпись к превью. Это как нанять синьора чтобы переформатировать табличку.
Поэтому я перестроил всё model-agnostic. Теперь оркестратор маршрутизирует по сложности задачи. Дорогая модель трогает только то, что реально требует рассуждения — стратегию англа, сложные редакторские решения, двуязычные флагман-статьи. Остальное — черновики, переформатирование, теги, те восемьдесят процентов что просто объём — уходит на быстрые дешёвые модели. Один слой роутинга делает выбор автоматом.
Когда я читал про погасший Mythos и нарезанный GPT-5.6, я не чувствовал себя уязвимым. Я чувствовал, что логика, которую я гоняю в шортах и футболке — это та же логика, которую лаборатории и операторы критической инфраструктуры теперь вынуждены принимать в масштабе целых стран. Не ставь всю операцию на один рубильник.
Экономика — что заинтересует CFO
Вот математика, которая в этом квартале должна быть на слайде в каждой управленческой встрече. Флагман и сбалансированная повседневная модель стоят не одинаково — даже близко нет. В типичной нагрузке примерно 80% задач флагман вообще не нужен. Им нужно «достаточно хорошо, быстро, дёшево». Перекинь эти 80% на модель класса Terra или Luna — и платишь долю флагманской стоимости инференса за основной объём, оставляя дорогую модель на те 20%, что реально двигают качество.
80% задач на дешёвых моделях = доля флагманской цены за основной объём. Дорогая модель — только на 20%, которые двигают качество.
День вставшего пайплайна перекрывает месяц экономии на инференсе. Vendor lock-in — незахеджированная зависимость с числом в P&L.
Model-agnostic команда выигрывает по обеим строкам: ниже стоимость инференса на 80%, и почти нулевой риск непрерывности, потому что ни один провайдер не может её выключить. Конкурент в lock-in платит больше за токен и носит кнопку «выкл», которая не у него. Один рынок — два очень разных профиля риска.
Что умирает и что живёт?
Лаборатории дерутся за то, у кого самый умный мозг. Те, кто строит проводку, выигрывают вне зависимости от того, кто побеждает в той драке. Когда модели мигают то вкл, то выкл, ценность переезжает в соединительную ткань между ними.
Что делать на этой неделе?
Не кивай и не закрывай вкладку. Собери минимальную версию model-agnostic на этой неделе.
Что сломалось во время учебной тревоги — это ровно та зависимость, которая уронила бы тебя 12 июня. Сделай эти четыре шага — и ты превратил единую точку отказа в сменный компонент. Это весь урок месяца, реализованный за пару часов.
Раскладка: соло-фаундерам vs B2B-командам
Если твой воркфлоу прибит к одной модели — ты заложник. Её цен, её доступа, чужой геополитики. Навык недели — абстрагировать модель от пайплайна.
Один слой роутинга, и ты переключаешь Sol → Terra → Luna → Claude → локальную модель меньше чем за минуту, без переписывания. Это не разговор «AI отнимет работу». Это его практичная версия: как не остаться с выключенным инструментом в руках. Собери роутер. Прогони учебную тревогу. Будешь спать спокойнее.
Vendor lock-in на одну LLM перестал быть вопросом стоимости и стал вопросом непрерывности. Если пайплайн встаёт, потому что вендор заморозил или нарезал доступ — это прямой удар по P&L за каждый день простоя.
Математика простая: модели класса Terra и Luna закрывают ~80% задач за долю флагманской стоимости, а model-agnostic слой означает, что ни один провайдер не выведет тебя в офлайн. Аудируй стек на single-LLM зависимости сейчас, до следующей пятничной заморозки, а не после.
Сделай пайплайн model-agnostic за выходные
Я упаковал то, что гоняю в своём пайплайне. Напиши боту слово «стек» — пришлю чек-лист «Как сделать свой AI-пайплайн model-agnostic за выходные»: схема роутинга плюс 3 промпта-обёртки, которые работают на любой модели. Это club-дроп для DIY-сборщиков. Не теория. Ровно то, чем пользуюсь сам.
Зайти в @Ai_b2b_pro → слово стекБесплатный 20-минутный vendor lock-in аудит
Ведёшь команду и не уверен, где у тебя single-LLM зависимости? Размечу, где ты завязан на одного провайдера, во сколько обойдётся заморозка за день, и набросаю model-agnostic архитектуру под твой кейс. Напиши в личку слово «аудит».
Написать в @Aleks_OTA →Часто задаваемые вопросы
Что значит «model-agnostic пайплайн» и зачем он бизнесу? ▼
Model-agnostic пайплайн — это архитектура, где твой код не обращается к конкретной модели напрямую. Между кодом и моделями стоит слой роутинга: приложение говорит «сделай задачу», а роутер сам решает, кто её выполнит — Sol, Terra, Luna, Claude или локальная модель. Смена провайдера превращается в правку одной строки конфига, а не в переписывание продукта. Бизнесу это даёт две вещи: ниже стоимость инференса (80% задач уходят на дешёвые модели) и почти нулевой риск непрерывности — ни один вендор не может выключить тебя одним рубильником.
Что произошло с Mythos 5 и GPT-5.6 в июне 2026? ▼
12 июня 2026 модель Mythos 5 от Anthropic выключили на четырнадцать дней. 26 июня министерство торговли США включило её обратно, но только для «more than 100» конкретных организаций — в основном операторов критической инфраструктуры, с авторизацией за личной подписью Commerce Secretary Howard Lutnick. В тот же день OpenAI выкатила GPT-5.6 как семейство из трёх моделей (Sol, Terra, Luna) и ограничила раздачу по запросу властей, публично возразив против такого режима госдоступа. Доступ к флагману стал политическим активом с непредсказуемой доступностью.
Почему 80% задач не нужен флагман? ▼
В типичной нагрузке примерно 80% задач — это объёмная работа: черновики, переформатирование, теги, мета-описания. Им не нужна флагманская модель, им нужно «достаточно хорошо, быстро, дёшево». Флагман и сбалансированная повседневная модель стоят несопоставимо. Перекинь эти 80% на модель класса Terra или Luna — и платишь долю флагманской стоимости инференса за основной объём, оставляя дорогую модель на те 20%, что реально двигают качество: стратегия, сложные редакторские решения, ключевые тексты.
Что такое риск непрерывности и как его посчитать? ▼
Риск непрерывности — это стоимость простоя, когда твой пайплайн встаёт из-за того, что вендор заморозил или нарезал доступ к модели. Чтобы его посчитать, ответь: сколько стоит один день остановки контент-пайплайна, автоматизации поддержки или фичи продукта? Для команды с реальным объёмом один день вставшего пайплайна перекрывает месяц экономии на инференсе. Vendor lock-in на одну LLM — это незахеджированная операционная зависимость с конкретным числом в P&L, а не просто строка расходов.
С чего начать переход на model-agnostic на этой неделе? ▼
Четыре шага. Первый: выпиши каждое место, где продукт зовёт модель по имени — это карта твоих единых точек отказа. Второй: воткни одну функцию роутинга между кодом и моделью, чтобы код не знал, какая модель сделала работу. Третий: подключи под роутер минимум две модели — одну дорогую-умную, одну дешёвую-быструю — и маршрутизируй по сложности. Четвёртый: устрой учебную тревогу — день гоняй всё на запасную модель, как будто основную заморозили, и смотри что ломается. Что сломалось — та зависимость, которая уронила бы тебя 12 июня.