Veblen & Jevon Walk Into a Data Center
Статья Томаша Тунгуза рассматривает два экономических принципа применительно к рынку ИИ. Парадокс Джевонса работал последние полтора года: цены на токены упали в 10–20 раз, а спрос взлетел — Anthropic достигла $19 млрд годовой выручки, OpenAI — $25 млрд. Однако утечка информации о секретной модели Anthropic Claude Mythos указывает на возможный разворот: инференс может стоить в 5–6 раз дороже нынешних моделей. Автор проводит аналогию с товарами Веблена, спрос на которые растёт вместе с ценой, и утверждает, что доступ к самым мощным моделям станет конкурентным преимуществом, определяемым размером баланса компании. Эра «максимизации токенов» заканчивается — компании будут агрессивно тратить, чтобы получить максимум возможностей, а не минимизировать затраты.
Jevon & Veblen walk into a data center.
Джевонс и Веблен заходят в дата-центр.
The dominant motif around AI has been Jevon’s Paradox1 : the cheaper a product becomes, the more it is consumed.
Доминирующий мотив вокруг ИИ — парадокс Джевонса1: чем дешевле становится продукт, тем больше его потребляют.
Token prices dropped 10-20x over the past 18 months & demand exploded in response.
Цены на токены упали в 10–20 раз за последние 18 месяцев — и спрос в ответ взорвался.
Anthropic surged past $19 billion in run-rate last month, up from $9 billion at the end of 2025.2 OpenAI topped $25 billion in annualized revenue in February, a 17% increase in two months.3
Anthropic в прошлом месяце превысила $19 миллиардов годовой выручки, поднявшись с $9 миллиардов на конец 2025 года.2 OpenAI в феврале достигла $25 миллиардов в пересчёте на год — рост на 17% за два месяца.3
We know GPUs, CPUs, & memory are already in short supply.4 Rumors of next-generation models, including Claude Mythos, suggest pricing that moves in the opposite direction.
Мы знаем, что GPU, CPU и память уже в дефиците.4 Слухи о моделях следующего поколения, включая Claude Mythos, намекают на ценообразование в противоположном направлении.
This weekend, an accidental data leak revealed Anthropic’s secretive Mythos model.5 A leaked blog post described it as :
В эти выходные случайная утечка данных раскрыла секретную модель Anthropic — Mythos.5 В утёкшем блог-посте она была описана так:
“A step change” in capability, “dramatically higher scores on tests of software coding, academic reasoning, and cybersecurity.”6
«Качественный скачок» в возможностях, «кардинально более высокие результаты в тестах по написанию кода, академическому мышлению и кибербезопасности».6
Anthropic stated the model is “very expensive to serve & will be very expensive for customers.”7 Some have speculated on inference pricing 5-6x more than existing models.
Anthropic заявила, что модель «очень дорога в обслуживании и будет очень дорогой для клиентов».7 Некоторые предполагают, что цена инференса будет в 5–6 раз выше, чем у существующих моделей.
If these rumors hold, the most powerful intelligence would trade at a stiff premium. Jevon’s Paradox would give way to Veblen goods.8
Если эти слухи подтвердятся, самый мощный интеллект будет продаваться с ощутимой наценкой. Парадокс Джевонса уступит место товарам Веблена.8
Veblen goods are those whose demand increases with price : front-row concert tickets that cost 10x more despite worse acoustics. Nike Jordans that retail for $110 and resell for $500+. Ivy League tuition where selectivity is the value proposition.
Товары Веблена — это товары, спрос на которые растёт вместе с ценой: билеты в первый ряд на концерт, стоящие в 10 раз дороже, несмотря на худшую акустику. Nike Jordan, которые продаются в рознице за $110, а перепродаются за $500+. Плата за обучение в Лиге плюща, где избирательность и есть ценностное предложение.
Could AI follow this dynamic for competitive advantage? The company with capital to access the most powerful model wins. How much is that worth?
Может ли ИИ следовать этой динамике как источник конкурентного преимущества? Компания, у которой есть капитал для доступа к самой мощной модели, побеждает. Сколько это стоит?
Consider a Series A founder building an AI coding assistant. Today, she pays $25 per million output tokens for Opus 4.6. Her burn rate assumes that price. If Mythos launches at $150 per million tokens, 6x more, she faces a choice : raise prices, raise capital, or watch her AI-native competitor ship features she can’t match.
Представьте основательницу стартапа на стадии Series A, которая создаёт ИИ-ассистента для написания кода. Сегодня она платит $25 за миллион выходных токенов за Opus 4.6. Её burn rate рассчитан на эту цену. Если Mythos выйдет по $150 за миллион токенов — в 6 раз дороже, — она окажется перед выбором: поднять цены, привлечь капитал или наблюдать, как AI-native конкурент выпускает функции, которые ей недоступны.
The token-maxxing era ends. Companies will stop optimizing for cheap inference. They’ll deploy capital aggressively, both GPUs & dollars, to maximize capability rather than minimize cost.
Эра «максимизации токенов» заканчивается. Компании перестанут оптимизировать ради дешёвого инференса. Они начнут агрессивно вкладывать — и в GPU, и в деньги, — чтобы максимизировать возможности, а не минимизировать затраты.
Balance sheets become a moat. The most profitable companies or those who can raise capital cheaply will have the biggest advantage in their industries.
Балансовые ведомости становятся защитным рвом. Самые прибыльные компании или те, кто может привлекать капитал дёшево, получат наибольшее преимущество в своих отраслях.
For companies that cannot respond quickly enough or afford the most sophisticated AI, the gap widens. If AI-native companies can build 10x faster with Mythos-class models while competitors are stuck on Opus 4.6, valuations will diverge further.
Для компаний, которые не могут отреагировать достаточно быстро или позволить себе самый продвинутый ИИ, разрыв увеличивается. Если AI-native компании смогут разрабатывать в 10 раз быстрее с моделями класса Mythos, пока конкуренты застряли на Opus 4.6, разница в оценках будет расти ещё сильнее.
Jevon & Veblen walked into a data center. We don’t yet know who walks out.
Джевонс и Веблен зашли в дата-центр. Кто из них выйдет — мы пока не знаем.
“Jevons paradox”, Wikipedia. ↩︎
“Anthropic Nears $20 Billion Revenue Run Rate”, Bloomberg, March 2026. ↩︎
“OpenAI Tops $25 Billion in Annualized Revenue”, The Information, February 2026. ↩︎
“What If We Run Out of Capacity?”, tomtunguz.com. ↩︎
“Anthropic data leak reveals powerful, secret Mythos AI model”, Fortune, March 2026. ↩︎
“Anthropic leak reveals new model Claude Mythos”, The Decoder, March 2026. ↩︎
“Claude Mythos (Opus 5) Leaked : What We Know So Far”, WaveSpeed AI, March 2026. ↩︎
“Veblen good”, Wikipedia. ↩︎
«Парадокс Джевонса», Википедия. ↩︎ «Anthropic приближается к $20 млрд годовой выручки», Bloomberg, март 2026. ↩︎ «OpenAI превысила $25 млрд годовой выручки», The Information, февраль 2026. ↩︎ «Что, если мощности закончатся?», tomtunguz.com. ↩︎ «Утечка данных Anthropic раскрывает мощную секретную ИИ-модель Mythos», Fortune, март 2026. ↩︎ «Утечка Anthropic раскрывает новую модель Claude Mythos», The Decoder, март 2026. ↩︎ «Claude Mythos (Opus 5) — утечка: что мы знаем», WaveSpeed AI, март 2026. ↩︎ «Товар Веблена», Википедия. ↩︎