Что такое субсидированные ИИ-подписки

Субсидированная ИИ-подписка — это доступ, при котором ожидаемой чистой платы пользователя не хватает на его инференс и обслуживание, а разницу осознанно покрывает другой источник. Им могут быть менее активные клиенты, другой продукт, партнёр, поставщик моделей или облака, маркетинговый бюджет, инвесторский капитал либо будущая монетизация. Это рабочее экономическое определение: устойчивого отраслевого термина «субсидированная ИИ-подписка» пока нет. Низкая цена или щедрый лимит сами по себе не доказывают убыток провайдера.

Поэтому вопрос «как сервис даёт за $10 вычислений на $60?» состоит из двух разных вопросов. Первый: сколько такой же объём стоил бы пользователю по публичному тарифу интерфейса программирования приложений (API)? Второй: сколько он в действительности стоит продавцу с учётом закупочных скидок, кэширования, загрузки вычислительных ускорителей (GPU) и расходов продукта? На первый иногда можно ответить точно. Второй почти всегда упирается в непубличную экономику.

Цены, квоты и условия ниже проверены 6 сентября 2026 года. Перед оплатой их стоит сверить ещё раз: на рынке ИИ они меняются быстрее, чем привычные тарифы облачных сервисов.

Почему это рабочий термин, а не готовая категория тарифа

Провайдеры называют свои предложения Free, Pro, Max, Go, credits, trial или partner offer. Они не помечают строку прайса как «субсидированную». В точной русскоязычной формулировке термин почти не используется; в английских обсуждениях subsidized AI subscription чаще означает мнение автора о слишком щедром плане.

Для практического анализа полезна проверяемая формулировка:

Подписка субсидируется, если ожидаемые переменные затраты на использование и обслуживание аккаунта выше ожидаемой чистой выручки с него, а положительный разрыв покрывается заранее выбранным источником.

Из неё следуют три условия:

• сравнивается чистая выручка, а не только цена на витрине;
• затраты оцениваются по среднему профилю нагрузки или конкретной когорте, а не по самому активному пользователю;
• должен существовать источник покрытия разрыва. Высокий убыток всей компании ещё не показывает, какой продукт его создаёт.

В бытовом смысле бесплатный год для студента тоже называют субсидией: пользователь получает услугу, за которую временно не платит. В анализе устойчивости основного тарифа этот случай лучше отделять как образовательный грант или маркетинговую промоакцию.

Четыре цены одной ИИ-подписки

Споры о «слишком дешёвом ИИ» часто смешивают четыре разные величины.

Величина	Что показывает	Чего не показывает
Цена подписки	Сколько списывают с карты за период	Сколько остаётся после налогов, комиссии магазина, возвратов и поддержки
Публичный API-эквивалент	Во сколько пользователю обошлись бы те же токены и инструменты по открытому прайсу	Внутреннюю себестоимость владельца модели или оптовую цену агрегатора
Закупочная либо предельная стоимость инференса	Сколько продавец дополнительно тратит на фактическую нагрузку	Исследования, разработку и обучение моделей, продажи, поддержку и капитальные расходы
Полная продуктовая стоимость	Инференс плюс сеть, хранение, поиск, модерация, платежи, поддержка, исследования, разработка и доля общих расходов	Не всегда подходит для решения, выгодно ли обслужить ещё один запрос прямо сейчас

Пользователю полезен API-эквивалент. Для вывода о субсидии нужны две последние строки и чистая выручка.

Как посчитать API-эквивалент

Пусть:

• T_in — миллионы обычных входных токенов;
• T_cached — миллионы кэшированных входных токенов;
• T_out — миллионы выходных токенов;
• p_in, p_cached, p_out — публичные цены за миллион соответствующих токенов;
• C_tools — стоимость поиска, генерации изображений, выполнения кода и других тарифицируемых инструментов.

Тогда:

Q_API = T_in × p_in + T_cached × p_cached + T_out × p_out + C_tools

Отношение пользовательской ценности к цене подписки:

M_value = Q_API / P

где P — цена подписки. Если M_value = 6, пользователь получил объём с публичным API-эквивалентом в шесть цен подписки. Это сильная скидка относительно API. Она ещё не раскрывает, понёс ли продавец убыток.

Как выглядит собственно субсидия

Обозначим:

• R_net — ожидаемую чистую выручку с аккаунта;
• C_inf — реальную ожидаемую стоимость его инференса для продавца;
• C_service — переменные расходы на сеть, хранение, инструменты, платежи, модерацию и поддержку.

Операционный разрыв:

Gap = E[C_inf + C_service] − R_net

E[...] означает ожидание по реальному распределению клиентов и нагрузки. При Gap > 0 аккаунт или когорта требуют покрытия. Доля субсидии при известных затратах:

S_rate = Gap / E[C_inf + C_service]

В публичном анализе обычно известны P и часть Q_API, но неизвестны R_net, C_inf и C_service. Поэтому честный вывод часто звучит так: «подписка даёт 6× API-эквивалента; наличие и размер операционной субсидии не раскрыты».

Почему одинаковое число токенов стоит по-разному

У OpenCode Go в таблице на дату проверки встречались ставки от $0,14 за миллион входных и $0,28 за миллион выходных токенов до $3 и $15 соответственно. Возьмём один и тот же месячный объём: 20 млн входных и 5 млн выходных токенов, без поиска и изображений.

Условный уровень модели из публичной таблицы	Расчёт	API-эквивалент объёма
$0,14 input / $0,28 output	20 × 0,14 + 5 × 0,28	$4,20
$1,40 input / $4,40 output	20 × 1,40 + 5 × 4,40	$50
$3 input / $15 output	20 × 3 + 5 × 15	$135

Разница больше чем в 30 раз возникает без изменения числа токенов. Её создают модель, поставщик и режим тарификации. Кэширование повторяющегося контекста может дополнительно снизить цену: в прайсе Anthropic API cache hit для большинства моделей оценивается в 0,1× базовой input-ставки, а асинхронный Batch API даёт скидку 50% на вход и выход. Такие механизмы уменьшают стоимость обслуживания и не требуют внешнего спонсора.

Публичная ставка тоже не равна физической себестоимости. Модель экономики инференса связывает cost per token со скоростью ответа, размером batch, параллелизмом, памятью, сетью и доступным спросом. Эмпирические измерения на H100/H200 показывают ещё одну ловушку: энергия на токен может уменьшаться, пока полная энергия запроса растёт, потому что фиксированные расходы распределяются на более длинный ответ или крупный batch.

Как лёгкие пользователи оплачивают тяжёлых

Фиксированная подписка работает как пул. Представим 100 клиентов по $20: валовая выручка равна $2000. До прочих расходов их использование распределилось так:

Группа	Число клиентов	Расход на клиента	Расход группы
Лёгкие	80	$4	$320
Средние	15	$20	$300
Тяжёлые	5	$100	$500
Всего	100	—	$1120

Каждый тяжёлый пользователь получает большую выгоду, но когорта остаётся положительной по инференсу: $880 до вычета остальных расходов. Внешнее финансирование ей не обязательно.

Теперь доля тяжёлых клиентов выросла до 20, средних осталось 15, лёгких — 65. Расход станет 65 × $4 + 15 × $20 + 20 × $100 = $2560. Разрыв в $560 появляется ещё до поддержки и платежей. Такой сдвиг называют adverse selection: особенно активные пользователи быстрее замечают выгодный тариф и непропорционально приходят в него.

Этот пример гипотетический. Он показывает, почему «я один израсходовал API на $100 при подписке $20» не доказывает убыточность всей когорты, а рост доли таких клиентов способен быстро изменить правила плана.

Кто может покрывать разницу

Источник субсидии важнее ярлыка. От него зависит, как долго проживёт низкая цена и что провайдер изменит первым.

Источник	Экономическая логика	На что смотреть
Менее активные подписчики	Пуловая экономика: неиспользованная квота покрывает самых активных пользователей	Распределение нагрузки, скользящие окна, политика «обычного использования»
Дорогой тариф или API	Базовый план привлекает пользователей, а тяжёлая нагрузка переходит в overage, credits, Max или API	Цена превышения квоты, лёгкость перехода, отдельная оплата инструментов
Другой продукт экосистемы	ИИ повышает ценность облака, офиса, устройства, связи или маркетплейса	Что входит в bundle и можно ли купить компоненты отдельно
Партнёрская промоакция	Партнёр платит за привлечение, удержание или ценность собственного тарифа	Срок, территория, автопродление, кто оказывает поддержку
Поставщик модели, GPU или облака	Скидка помогает загрузить мощности, продвинуть модель или закрепить экосистему	Срок договора, модельная зависимость, пиковые ограничения
Маркетинговый бюджет провайдера	Пробный или бесплатный доступ снижает стоимость знакомства и повышает конверсию	Стоимость привлечения клиента, доля платящих, срок промо, бюджет квоты
Инвесторский капитал	Компания покупает рост и откладывает прибыль	Runway компании и план монетизации; общий burn не равен убытку конкретного плана
Данные или реклама	Низкая цена компенсируется ценностью данных либо рекламной выручкой	Только явные условия обучения, retention, opt-out и наличие рекламы

Последняя строка требует особой осторожности. Бесплатный продукт не означает автоматически «вы платите данными». Иногда такой обмен раскрыт прямо. Например, в текущей документации OpenCode две Contributor-модели имеют сниженную цену в обмен на разрешение использовать запросы и ответы для будущего обучения, тогда как для большинства других моделей в том же плане указано отсутствие обучения. В прайсе Gemini API для ряда моделей также различаются free tier, данные которого могут использоваться для улучшения продуктов, и paid tier, где указано обратное. Эти правила нельзя переносить на другой сервис, модель или корпоративный договор.

Что похоже на субсидию, но может ею не быть

Батчинг и высокая загрузка GPU

Сервер может объединить запросы нескольких пользователей и обработать их параллельно. Фиксированные расходы распределяются на большее число токенов. Экономия зависит от длины контекста, latency target и архитектуры: крупный batch не всегда бесплатен, но при подходящей нагрузке резко меняет cost per token.

Кэширование контекста

Кодовый агент многократно отправляет system prompt, структуру репозитория и историю. Prompt caching позволяет не пересчитывать одинаковый префикс полностью. Для пользователя API это видно как сниженная ставка cached input. Внутри подписки кэш может работать без отдельной строки в счёте.

Mixture-of-experts, quantization и дешёвые модели

Mixture-of-experts активирует для токена часть экспертов, quantization уменьшает точность представления весов, а speculative decoding пытается принять токены более дешёвого предсказателя. Эти техники способны снижать стоимость или ускорять ответ. Они не являются денежной субсидией, хотя помогают продавать дешёвый план.

Недоиспользование лимита

Неиспользованная квота не создаёт расхода на инференс. Провайдер может обещать высокий потолок, если большинство клиентов далеко до него не доходит. Это обычная статистическая модель подписки. Внутри когорты возникает перераспределение в пользу активных клиентов, но деньги извне могут не требоваться.

Годовая предоплата

Claude Pro стоит $20 при помесячной оплате или $200 за год. Скидка относительно 12 × $20 = $240 составляет $40, то есть 16,7%. Провайдер раньше получает деньги, снижает риск оттока и экономит на повторном привлечении. Поэтому годовая скидка не служит доказательством продажи ниже себестоимости.

Оптовый и enterprise-контракт

Агрегатор может покупать токены дешевле публичного API за объём, прогнозируемую нагрузку или reserved capacity. Если закупка и продажа остаются прибыльными, это торговая скидка. Субсидией её можно назвать только при свидетельстве, что поставщик сознательно продаёт ниже своей устойчивой экономической цены ради стратегической цели.

Реселлерский арбитраж

Посредник иногда пытается разделить личную подписку между клиентами или встроить её credentials в сторонний сервис. Это не новая экономия инфраструктуры. Условия провайдера могут запрещать совместное использование учётных данных, resale и обход лимитов. Для продукта нужен официальный API или коммерческий договор; низкая цена личного плана не является разрешением на перепродажу.

Венчурный burn

Компания может тратить больше, чем зарабатывает, из-за обучения следующей модели, исследований, продаж, найма и инфраструктурных авансов. Это не доказывает отрицательную маржу каждого вызова модели. Для вывода на уровне конкретного плана нужен отчёт по когорте, прямое заявление компании или достаточно подробные данные о затратах.

Кейсы с разной силой доказательств

Кейс	Что известно	Что можно заключить	Что остаётся неизвестным
OpenCode Go	$10 в месяц; окна $12/5 часов, $30/неделю, $60/месяц; у части моделей месячный эквивалент ниже; механизм — bulk discounts и reserved GPU capacity	Публичный эквивалент для большинства моделей может достигать 6× цены; экономия закупки подтверждена	Фактическая закупка, полная себестоимость и прибыльность среднего аккаунта
ChatGPT Pro, январь 2025	Руководитель OpenAI сообщил, что Pro терял деньги из-за использования выше ожиданий	Сильное свидетельство субсидии конкретного плана в тот момент	Размер убытка и экономика нынешних Pro, Plus и других планов
ChatGPT Plus	$20 в месяц; API оплачивается отдельно; message caps могут меняться при высоком спросе	Известны цена и механизм управления ёмкостью	Наличие субсидии и стоимость среднего пользователя
Claude Pro и Max	Pro $20/$200 в год; Max $100 или $200 с кратными лимитами; расход зависит от модели, effort и длины диалога	Цена не обещает фиксированное число запросов; годовая скидка измерима	Маржа тарифа и внутренний cost per token
OpenRouter :free	Нулевая цена ряда маршрутов, дневные и минутные лимиты, зависимость квоты от lifetime purchases	Бесплатность ограничена и может работать как вход в платную платформу	Кто и в какой доле покрывает инференс каждой модели
Google student offer	12 месяцев Google AI Pro без оплаты для подходящих студентов в Индии; затем стандартное автопродление; промо завершило приём в 2025 году	Подтверждённая временная маркетинговая/образовательная льгота	Экономика стандартного AI Pro и стоимость студенческой когорты
Perplexity + Airtel	12 месяцев Pro без оплаты для активных клиентов Airtel в Индии, заявленная ценность $200; акция закончилась 16 января 2026 года	Подтверждённый bundle promotion	Распределение затрат между Perplexity и Airtel

Самый прозрачный актуальный пример — OpenCode Go. Документация не только показывает цену и лимиты в долларовом эквиваленте, но и объясняет оптовые скидки, зарезервированную мощность, различия моделей, переход на отдельный баланс и правила данных. Однако даже здесь формула «до 6× usage за $10» описывает сравнение с учётной стоимостью, а не аудированную субсидию. Читать полный обзор сервиса OpenCode.

Самое сильное свидетельство отрицательной экономики конкретного плана — короткое заявление Сэма Альтмана о ChatGPT Pro в январе 2025 года. Оно историческое и узкое. Переносить его на нынешний ChatGPT Plus, другие тарифы или весь рынок нельзя.

У Claude известны розничные цены и кратность ёмкости, но не себестоимость. В мае 2026 года Anthropic связала расширение лимитов с новыми вычислительными соглашениями. Это показывает, что capacity и условия контрактов напрямую влияют на продуктовую квоту. Цена такого эффекта для Anthropic не раскрыта.

Бесплатные маршруты OpenRouter и завершившиеся промо Google/Perplexity доказывают льготу для пользователя, но отвечают на другой вопрос. Бесплатный маршрут ограничен скоростью и доступностью. Промо имеет срок, критерии участия и переход к обычной цене. Постоянная экономика основного продукта из них не следует.

Почему лимиты, модели и условия меняются

Нагрузка оказалась выше прогноза

Плоская цена строится на распределении поведения. Если агенты начинают работать дольше, отправляют весь репозиторий или запускаются автоматически, доля heavy users растёт. Провайдер вводит недельный лимит, уменьшает allowance дорогой модели, продаёт overage либо переносит автоматизацию в API.

Изменился upstream-контракт

Закончилась промоскидка модели, зарезервированная мощность стала дороже, появился более выгодный поставщик или новый дата-центр увеличил capacity. Тогда сервис меняет model roster, multipliers, peak hours и fallback. Рост лимита тоже возможен: он не всегда движется только вниз.

Модель стала дороже для конкретной формы запроса

Длинный контекст, изображения, reasoning, web search и code execution расходуют разные ресурсы. Поэтому «100 сообщений» — слабая единица. Одна короткая правка и агентская задача с 500 тысячами токенов истории отличаются на порядки.

Провайдер управляет пиком

Пользователи хотят ответы одновременно. Приоритет платных планов, rolling windows, peak/off-peak pricing и очередь позволяют обслужить больше клиентов без постоянного резерва под абсолютный максимум.

Требуется пресечь resale и автоматический abuse

Личная подписка рассчитывается на отдельного человека. Если credentials работают в публичном сервисе или круглосуточном боте, нагрузка и риск меняются. Правила Claude Code прямо отделяют обычное индивидуальное использование OAuth-подписки от продуктов, которым положена API-аутентификация. Ограничение такого трафика может выглядеть как «сокращение субсидии», хотя причина также юридическая и антифродовая. Читать полный обзор сервиса Claude Code.

Продукт и модельная линейка развиваются

Новые модели заменяют старые, возможности переходят между уровнями, а эксперимент заканчивается. Условия OpenAI позволяют обновлять сервисы, а consumer terms Anthropic отдельно оставляют возможность добавлять и удалять функции, увеличивать и уменьшать capacity limits. Подписка покупает действующий набор прав на период, не вечную гарантию конкретной модели.

Риски для пользователя и компании

Риск	Частный пользователь	Компания
Сокращение квоты	Придётся ждать reset или доплачивать	Срывается throughput и растёт себестоимость процесса
Замена модели	Меняется качество, стиль и контекст	Нужны повторные evals, QA и иногда изменение prompts
Рост цены	Увеличивается личный чек	Ломается маржа фиксированного договора с клиентом
Автопродление промо	Неожиданное списание	Неконтролируемые лицензии и shadow IT
Запрет автоматизации/resale	Блокировка аккаунта	Остановка продукта и нарушение договора
Региональная доступность	Нельзя продлить или активировать	Нет гарантии непрерывности и поддержки
Данные и retention	Личные переписки могут подпасть под иной режим	Утечка кода, персональных данных или коммерческой тайны
Непрозрачные credits	Трудно сравнить планы	Невозможно прогнозировать unit cost
Vendor lock-in	Теряется история и привычный workflow	Дорогая миграция, зависимость от проприетарных tools

Для бизнеса основной риск возникает, когда цена собственного продукта фиксирована, а ИИ-расход считается по временному льготному тарифу. Полезен стресс-тест:

Маржа сценария = Выручка продукта − прочие переменные расходы − k × текущий AI-расход

Проверьте k = 1, k = 2 и k = 5. Это не прогноз роста цены в два или пять раз. Это тест, выдержит ли продукт потерю скидки, переход на API, смену модели или тяжёлую когорту.

Приватность нельзя выводить из цены

Платный тариф не гарантирует корпоративный режим данных, а бесплатный не всегда передаёт контент в обучение. Проверять нужно конкретные terms для конкретной модели и способа доступа:

• используются ли prompts и outputs для обучения;
• есть ли opt-out и применяется ли он к уже собранным данным;
• сколько хранятся abuse logs;
• проходит ли запрос через агрегатора и нескольких upstream providers;
• действует ли zero data retention и на какие функции;
• где обрабатываются данные и есть ли договор обработки;
• отличается ли consumer account от Business, Enterprise и API.

Показательный случай OpenCode: большинство моделей в Go помечены как Model training: Not used, две Contributor-модели — как используемые для обучения в обмен на сильную скидку, а сроки retention различаются. Цена выступает сигналом только потому, что обмен раскрыт явно. Без такой строки предполагать оплату данными нельзя.

Как оценить устойчивость дешёвого плана

Ни один признак не даёт гарантии. Их комбинация помогает отличить рассчитанный тариф от краткого эксперимента.

Сигнал	Почему полезен	Красный флаг
Квота выражена в токенах, долларах или credits с курсом	Можно посчитать нагрузку и сравнить с API	«Много» или «безлимит» без model-specific limits
Есть доплата за превышение, отдельный баланс или BYOK (Bring Your Own Key, подключение своего API-ключа)	Тяжёлая нагрузка монетизируется предсказуемо	После лимита только блокировка без альтернативы
Дорогие модели имеют отдельный multiplier	Цена учитывает разный cost profile	Любая модель списывается одинаково при огромной разнице API-цен
Раскрыты batching, caching или reserved capacity	Есть техническое/закупочное объяснение цены	Единственное объяснение — «так будет всегда»
Промо имеет дату завершения	Бюджет льготы ограничен	Бесплатный период без ясной обычной цены и отмены
Есть условия ordinary use и API для автоматизации	Разделены человек и production workload	Реселлер обещает общий аккаунт или обход лимитов
Публикуется model roster и политика замены	Можно оценить зависимость	Модель скрыта за общим названием «лучший AI»
Указаны training и retention по provider/model	Можно принять осознанное решение	Общая фраза «мы заботимся о данных» без режима трафика
Есть экспорт и стандартный API	Ниже стоимость выхода	История, prompts и результаты заперты в интерфейсе
Лимиты росли и снижались вместе с capacity	Тариф реагирует на реальную инфраструктуру	Частые внезапные cuts без changelog и объяснения

Проверка перед оплатой или внедрением

Сохраните ответы вместе со снимком страницы тарифа и датой. Для личной покупки хватит первых шести пунктов; для бизнеса нужны все.

• Цена: валюта, налог, комиссия магазина, помесячная/годовая оплата, обычная цена после промо.
• Единица квоты: сообщения, токены, credits, minutes, dollar-equivalent или скрытый fair use.
• Окна: час, 5 часов, день, неделя, месяц; rolling или календарный reset.
• Модели: какие включены, какой multiplier у каждой, может ли сервис подменить модель автоматически.
• Дорогие функции: reasoning, поиск, изображения, видео, выполнение кода и большие файлы.
• Поведение после лимита: ожидание, дешёвая модель, overage, balance, API или полная остановка.
• Допустимое использование: личное, коммерческое, IDE/CLI, third-party harness, автоматизация, API, resale.
• Данные: training, opt-out, retention, zero data retention, регион обработки и список upstream providers.
• Надёжность: соглашение об уровне сервиса (SLA), приоритет, ограничения в часы пик, очередь, резервный маршрут и история инцидентов.
• Переносимость: экспорт чатов, prompts, файлов, ключей, логов и результатов; поддержка BYOK.
• Экономика: ваш Q_API, реальная утилизация квоты, стоимость простоя и цена альтернативы.
• Контроль изменений: changelog, уведомления о price/limit/model changes, дата следующего пересмотра.

Главный приём — измерить собственную неделю. Зафиксируйте тип задач, модель, входные и выходные токены, cache hit, число tool calls, часы ожидания и случаи упора в лимит. Затем экстраполируйте на месяц. Чужое «мне хватает Pro» без такого профиля почти бесполезно.

План выхода до того, как условия изменятся

Сохраните переносимые активы

Храните системные инструкции, шаблоны, контрольный набор задач для оценки качества (eval-набор), требования и важные результаты вне одного чата. Экспортируйте историю в разрешённом формате. Не делайте внутренний URL беседы единственным источником бизнес-решения.

Выберите функциональный минимум

Запишите, что действительно нужно: контекст 200K, structured output, vision, tool calling, русский язык, определённая latency. Название модели не заменяет этот контракт. После её удаления можно подобрать замену по требованиям.

Подготовьте два fallback

Первый — официальный API/BYOK того же или близкого провайдера. Второй — другая модель либо self-hosted вариант для критического минимума. Проверяйте их на одном eval-наборе раз в квартал или после крупного обновления.

Установите триггеры миграции

Примеры измеримых триггеров:

• эффективная цена полезной задачи выросла на 30%;
• лимит мешает более чем двум рабочим сессиям в неделю;
• нужная модель исчезла;
• изменился режим обучения или retention;
• сервис запретил ваш способ автоматизации;
• месячный простой дороже перехода на API.

Порог 30% здесь пример. Компания выбирает его по своей марже и стоимости миграции.

Не переносите льготную цену в долгий контракт без оговорки

В клиентском договоре пригодятся лимит включённых AI-операций, отдельная цена превышения и право пересмотреть тариф при существенном изменении внешней модели. Иначе временная скидка поставщика превращается в постоянное обязательство вашей компании.

Когда субсидия рациональна

Для провайдера субсидировать доступ разумно, если измеримая будущая ценность выше разрыва:

Обозначим ожидаемую ценность клиента за весь срок отношений как CLV, а стоимость его привлечения как CAC:

Ожидаемый эффект = CLV + маржа дополнительных продаж + ценность экосистемы − CAC − субсидия − риск тяжёлой нагрузки

Рабочие сценарии:

• ограниченный trial помогает пользователю оценить качество;
• студенческая программа формирует навык и будущий спрос;
• телеком- или device-bundle повышает ценность основного продукта партнёра;
• free route знакомит разработчика с моделью и переводит production в платный API;
• дешёвый базовый план создаёт воронку в Max, overage или enterprise;
• off-peak доступ загружает простаивающую мощность;
• модельный провайдер финансирует распространение новой модели;
• платформа субсидирует одну сторону, если она повышает ценность для другой.

Последний механизм известен в экономике двусторонних рынков: платформа может держать цену одной стороны низкой, когда её присутствие увеличивает спрос или выручку другой. Для ИИ это только аналитическая рамка. Наличие разработчиков, плагинов или данных ещё не доказывает, что конкретная компания строит именно такую модель.

Для пользователя льготная подписка рациональна, когда экономия реальна в его профиле нагрузки, данные допустимо отправлять по условиям, простой некритичен, а выход подготовлен. Она опасна как фундамент продукта без API-контракта, резервного бюджета и совместимого поставщика.

Вывод

Субсидированная ИИ-подписка — полезное название для конкретной экономической ситуации, но не официальный класс тарифов. Строгий тест требует положительного разрыва между ожидаемыми затратами и чистой выручкой, а также источника покрытия. Сравнение с публичным API показывает выгоду пользователя и стоимость fallback, но не частную маржу продавца.

Доказательства существуют точечно. OpenCode Go прозрачно показывает высокий API-эквивалент, оптовые скидки, reserved capacity и разные правила данных, однако не публикует себестоимость. Сэм Альтман подтверждал убыточность ChatGPT Pro в январе 2025 года, но это не описывает весь рынок и не подтверждает сегодняшнюю экономику других планов. Бесплатные маршруты, студенческие гранты и bundle-промо дают пользователю субсидию в бытовом смысле, не раскрывая устойчивость основной подписки.

Практическое решение строится на собственном usage-профиле, проверке условий и плане выхода. Если дешёвый тариф исчезнет завтра, у пользователя должны остаться prompts и данные, у разработчика — API/BYOK, у компании — бюджетный стресс-тест и договорная возможность пересчитать цену.