---
title: "Проприетарные модели"
description: "Собственные обученные модели — от frontier до узкоспециальных — плюс компьют и инференс под ними. Тег не для обёрток чужих API: ров есть только там, где модель действительно своя."
canonical: https://moa.giglabo.com/ru/moats/4/
locale: ru
---

# Проприетарные модели

> Markdown twin of https://moa.giglabo.com/ru/moats/4/ — the same content as the HTML page, a fraction of the bytes.
> Every page of this site has one: append `.md` to any URL, or `index.md` to a directory URL.
> Site structure and the full page list for agents: https://moa.giglabo.com/llms.txt

- Лист 4 / 35

## Паспорт

- **Порода**: Активы
- **Глубина**: 3.5 · Шахта
- **Сколько копать**: 10+ лет
- **Капитал**: ◉ · экстремальный
- **Соло**: ✗ нет
- **AI**: ↑ устойчив к AI
- **Аренда**: ✓ сдаётся в аренду

## Выборка

- **Доля приложений**: 12.3%
- **No-rate**: 71%
- **Медианная цена**: $18.99

Данные выборки canivibecodeit. No-rate — доля приложений с этим тегом, которые нельзя вайбкодить; это прокси структурной прочности. Измерены только первые тринадцать механик.

## Суть

Собственные обученные модели — от frontier до узкоспециальных — плюс компьют и инференс под ними. Тег не для обёрток чужих API: ров есть только там, где модель действительно своя.

## Как строится

### OpenAI / Anthropic — frontier как капитальная гонка

Ров из трёх слоёв: миллиарды на компьют для обучения, редчайший исследовательский талант и накопленные данные обратной связи (RLHF, предпочтения пользователей), которых нет ни в одном открытом датасете. Каждое поколение моделей поднимает порог входа, а инференс-инфраструктура на сотни миллионов пользователей — отдельный ров внутри рва.

### Synthesia / HeyGen — узкая модель на собранных данных

Не пытаться конкурировать с frontier, а обучить специализированную модель (фотореалистичные аватары, липсинк) на данных, которые компания собрала и залицензировала сама — включая студийные съёмки актёров с договорами. Узкая задача + собственный датасет + пайплайн продакшн-качества: frontier-модели «в целом умнее», но в этой точке хуже.

### Midjourney — модель, заточенная обратной связью сообщества

Midjourney тренирует эстетику на миллионах пользовательских выборов (какие варианты апскейлят, что рероллят). Продукт с самой большой аудиторией получает больше сигнала для затачивания модели — flywheel как у данных, только на уровне весов: усидеть на этом колесе догоняющему трудно даже с тем же базовым чекпойнтом.

## Как обходится

### Опенсорс догоняет — коммодитизация капабилити

Stable Diffusion за месяцы обесценил уникальность закрытой генерации картинок; Llama и Mistral сделали то же с текстом «уровня достаточно»; DeepSeek показал, что и цена обучения фронтира падает на порядок. Для большинства приложений разрыв между «лучшей моделью» и «бесплатной моделью» сузился до незаметного пользователю — а значит, платить ров позволяет только за верхний край качества.

### Дистилляция и fast-follow

Выходы лидера — обучающие данные для догоняющего: дистилляция сжимает фору с лет до месяцев. Полностью защититься нельзя (выходы у пользователей), поэтому лидеры вынуждены бежать быстрее, а не выше стены. Для атакующего это легальная серая зона, но рыночно она работает: каждое поколение лидера быстро получает «почти такое же, сильно дешевле».

### Cursor / Perplexity — ценность утекает в слой приложения

Самый важный обход: не строить модель вообще. Cursor арендует лучшие модели по API и владеет тем, что моделью не является — воркфлоу разработчика, контекстом кодбазы, дистрибуцией. Когда модели коммодитизируются, маржа и лояльность собираются на слое приложения; владелец модели превращается в поставщика электричества. Ров инкумбента не сломан — он просто перестал быть местом, где решается конкуренция.

## Вывод

Модельный ров реален на фронтире и в узких доменах с собственными данными. Обходится опенсорсом, дистилляцией и — стратегически — переносом игры в слой приложения, где модель лишь арендуемый компонент.

## Related

- HTML version of this page: https://moa.giglabo.com/ru/moats/4/
- English: https://moa.giglabo.com/moats/4/
- Предыдущий: https://moa.giglabo.com/ru/moats/3/
- Следующий: https://moa.giglabo.com/ru/moats/5/
- Атлас: https://moa.giglabo.com/ru/
- Каталог: https://moa.giglabo.com/ru/moats/
- Калькулятор: https://moa.giglabo.com/ru/calculator/
- Site map for agents: https://moa.giglabo.com/llms.txt