Карта фронтирных моделей на июнь 2026: кто лидирует, кто догоняет, кто дешевеет

Полгода назад разговор о фронтирных моделях сводился к трём именам: Claude, GPT, Gemini. К июню 2026-го в верхней части таблиц появились новые участники, старые игроки провели по два-три обновления, а ценовая конкуренция в среднем сегменте обрушила стоимость инференса вдвое. Ландшафт стал плотнее и интереснее — и составить объективную картину без сводной карты уже затруднительно.

Верхний ярус: Fable 5, GPT-5.5 и Opus 4.8

По данным Artificial Analysis Intelligence Index v4.0 — агрегации десяти оценок по reasoning, coding, агентным задачам, науке и длинному контексту — тройка лидеров на середину июня выглядит так: Claude Fable 5 с индексом 65, Claude Opus 4.8 с индексом 61.4 и GPT-5.5 с индексом 60.2. Разрыв между первым и третьим местом — менее 5 пунктов, но стоимость доступа различается радикально.

Fable 5 — формально самая умная модель по агрегированному бенчмарку, но и самая дорогая: $50 за миллион выходных токенов делают её нишевым инструментом для задач, где качество критично, а объём запросов невелик. Разрыв в кодинге особенно выразителен: на FrontierCode Diamond Fable 5 набирает 29.3%, тогда как Opus 4.8 — 13.4%, а GPT-5.5 — 5.7%. На SWE-bench Verified Fable 5 достигает 95.0%, опережая Opus 4.8 на 11 пунктов и GPT-5.5 на 21.7 пункта.

Однако практическая ценность Fable 5 на данный момент нулевая. 12 июня правительство США выпустило экспортную директиву, обязав Anthropic заблокировать доступ для всех иностранных пользователей. Поскольку компания не смогла в реальном времени разделить иностранных и американских пользователей, модель была отключена глобально. Поводом стало обнаружение Amazon метода джейлбрейка, позволяющего извлекать из Fable 5 данные для кибератак, — информацию передали Белому дому. Остальные модели Anthropic продолжают работать.

Opus 4.8 (релиз 28 мая 2026) остаётся рабочей лошадкой для сложных агентных сценариев: SWE-bench Pro 69.2% и Online-Mind2Web 84% для компьютерных агентов. GPT-5.5 от OpenAI держится на уровне Opus 4.8 по общему индексу, но выходные токены обходятся на 20% дороже ($30 против $25). OpenAI компенсирует это более доступной ступенькой — GPT-5.4 за $2.50/$15, что ставит его в прямую конкуренцию с Gemini 3.1 Pro.

Средний сегмент: главная арена конкуренции

Самое интересное происходит в диапазоне $0.50–4 за миллион входных токенов. Здесь плотность конкурентов максимальна, и именно этот сегмент обслуживает большинство продакшен-сценариев.

Qwen 3.7 Max от Alibaba (релиз 20 мая 2026) набирает тот же Intelligence Index 57, что и Gemini 3.1 Pro Preview, но стоит заметно дешевле и генерирует 196 токенов в секунду — быстрее любой конкурирующей модели в этом ценовом диапазоне. Модель поддерживает миллионный контекст и нативный режим extended thinking. По кодовым бенчмаркам Qwen 3.7 Max показывает 60.6% на SWE-Pro, 69.7% на Terminal-Bench 2.0 и 92.4% на GPQA Diamond — числа, которые ещё полгода назад ассоциировались только с проприетарными лидерами.

Gemini 3.5 Flash от Google сочетает миллионное контекстное окно с ценой $1.50 за миллион входных токенов — самый доступный вход в клуб миллионного контекста. Google последовательно давит на ценовой рычаг: Gemini 3 Flash Preview опустился до $0.50/$3, что делает его прямым конкурентом бюджетных open-weight моделей.

NVIDIA Nemotron 3 Ultra (релиз 4 июня 2026) — неожиданный участник средней полки. Гибридная архитектура Transformer-Mamba MoE с 55 млрд активных параметров из 550 млрд общих, миллионный контекст и цена $0.50 за миллион входных токенов. На BenchLM модель занимает 22-е место из 123 по кодовым задачам со средним баллом 80.4. Для компаний, работающих на собственном GPU-парке NVIDIA, Nemotron 3 Ultra представляет привлекательную альтернативу API-зависимым решениям.

Бюджетный сегмент и open-weight модели

Open-weight модели продолжают отставать от проприетарных лидеров по абсолютному качеству, но ценовой разрыв между ними и средним сегментом сжимается быстрее всего.

DeepSeek V4 Pro набирает Intelligence Index 52 в режиме Max Effort — второй результат среди всех open-weight reasoning-моделей после Kimi K2.6 (54). При этом blended-стоимость составляет $0.435/$0.87 за миллион токенов для Pro-версии и $0.14/$0.28 для Flash-версии. DeepSeek-V4-Pro-Max достигает 80.6% на SWE-bench Verified — наивысший результат среди open-weight моделей, совпадающий с показателем Gemini 3.1 Pro. Соотношение цены и качества в бюджетном сегменте приблизилось к точке, где для многих задач разница с проприетарными моделями перестаёт оправдывать наценку.

Llama 4 Scout от Meta предлагает уникальную комбинацию: 10 миллионов токенов контекстного окна при 17 млрд активных параметров из 109 млрд общих (MoE-архитектура). Модель помещается на одном H100 с INT4-квантизацией и стоит $0.22 за миллион токенов через API-провайдеров. Intelligence Index составляет 14 — Scout позиционирован как дешёвый агент с длинным контекстом, а не как фронтирный рассуждатель. Для задач поиска по большим кодовым базам или суммаризации объёмных документов это пока самое экономичное предложение на рынке.

Отдельного внимания заслуживает скоростной подсегмент. Mercury 2 выдаёт 873 токена в секунду — это на порядок быстрее большинства фронтирных моделей и открывает сценарии реального времени, где латентность критичнее качества рассуждений. Для сравнения: Qwen 3.7 Max, один из самых быстрых в среднем сегменте, генерирует 196 токенов в секунду — в 4.5 раза медленнее.

Тенденции второго полугодия 2026

Четыре тенденции определят развитие рынка до конца года. Во-первых, ценовая война в среднем сегменте далека от завершения: Google последовательно снижает цены с каждым обновлением Flash-линейки, а китайские модели — DeepSeek, Qwen, MiniMax — давят снизу. Во-вторых, контекстное окно перестаёт быть дифференциатором: миллион токенов уже есть у шести моделей из разных ценовых категорий, а Llama 4 Scout довёл планку до десяти миллионов. В-третьих, регуляторные риски перестали быть абстрактными — отзыв Fable 5 показал, что доступ к самой мощной модели может исчезнуть за один вечер по решению правительства.

Четвёртая тенденция — конвергенция open-weight и проприетарных моделей по качеству кодовых задач. DeepSeek-V4-Pro-Max, набирающий 80.6% на SWE-bench Verified, стоит в десятки раз дешевле Opus 4.8, а разрыв на этом конкретном бенчмарке составляет менее 10 процентных пунктов. Если эта динамика сохранится, к концу года выбор проприетарной модели будет оправдан только для задач уровня Fable 5 — если к тому моменту доступ к моделям такого класса будет восстановлен.

Для продакшен-команд главный практический вывод: привязка к одному провайдеру становится всё более рискованной стратегией. Мультимодельная архитектура с fallback между провайдерами — уже не перестраховка, а базовая инженерная гигиена. При этом выбор конкретных моделей для fallback-цепочки зависит от профиля задач: для кодогенерации оптимальна связка Opus 4.8 → Qwen 3.7 Max → DeepSeek V4 Pro, для длинного контекста — Gemini 3.5 Flash → Llama 4 Scout, для скоростных сценариев — Mercury 2 с повышением до более умной модели при низкой confidence.