Может ли ИИ заменить разработчика: реальность 2025 года, технические достижения и экономическая целесообразность.
Gemini 2.5 на демонстрациях строит полноценный web-приложение из одного промпта, чинит баги и обходит топ-5 % участников LeetCode. Claude 3.7 от Anthropic анализирует репозиторий на четверть миллиона строк и пишет тесты за часы, а GPT-4o со встроенным Code Interpreter гоняет Python-скрипты прямо внутри чата. На рутине — генерация boilerplate, простые SQL-запросы, написание юнит-тестов — машины уже соперничают с «мидлами». Но там, где нужен архитектурный нюанс или бизнес-контекст, без живого сеньора они пока буксуют — это честно признаёт даже GitHub Copilot, ограничивая бесплатную версию 2000 подсказками в месяц.
Google озвучил прайс для Gemini 2.5 Pro Preview: при длинном контексте свыше 200 000 токенов запрос стоит 2,5 $ за ввод и 15 $ за вывод. Далее посчитаем: разработчик общается с моделью 8 часов и пишет порядка 15 промптов в час — 120 запросов за день. Средний промпт с репозиторием, логами и ответом — около 1 млн токенов. Итого: один диалог равен 17,5 $ , 2100 $ истратятся за день, 42 000 $ потребуется на месяц. В рублях эта сумма выглядит еще внушительней – более 3,3 млн.
Для сравнения: даже программист уровня синьор в Москве зарабатывает 350–450 тыс. ₽ в месяц, а в регионах — 220–350 тыс. ₽ . Разница в 10 раз делает «штатного» Gemini экономическим абсурдом.
Почему так дорого и из чего сформирована указанная Google цена? За кулисами каждого ChatGPT или Gemini — сотни людей и тысячи GPU. Чтобы обучить код-LLM на 10-20 млрд параметров, нужно 5–10 ТБ лицензированного кода, 50 ML-инженеров, и около 4 000 NVIDIA H100, что тянет на 20–25 млн $ за месяц тренировки. Зарплата одного исследователя LLM — 200–250 тыс. $ в год; умножаем на команду — ещё 10–12 млн $. Важно понимать, что основной ресурс — люди, которые умеют правильно обучать и корректировать модель. По отчёту MongoDB о стоимости LLM, на post-training fine-tuning уходит до 30 % времени всей ML-команды, а значит — зарплатный фонд.
Напрашивается вывод, что программист пока еще дешевле, а ИИ — мощный инструмент, но не работник. Математика проста: 3,3 млн ₽ в месяц API-костов против 0,3–0,4 млн ₽ зарплаты. Даже если производительность повысится вдвое, человек-программист остаётся выгоднее. Поэтому в ближайшие годы компании будут активно нанимать разработчиков и вооружать их LLM-ассистентами, но никак не заменять «виртуальным программистом» c ощутимым тарифом на использование.Исправить ситуацию может существенное снижение цен на электронные компоненты и электроэнергию, что в современных геополитических реалиях не представляется возможным. Поэтому ИИ в программировании все еще дорогая технология, которая позволяет нам заглянуть в будущее.
Майя Светина | Social Media - менеджер АО «Инноцифра»
#ИИ_ландшафтМИР