Ramp — платформа для корпоративных расходов, через которую проходят платежи тысяч американских компаний — зафиксировала: в июне 2026 года DeepSeek стал вендором №1 по росту среди всех software-провайдеров. Не просто AI-провайдером — вообще среди всего корпоративного ПО. Главный экономист Ramp Ара Харазян назвал главной причиной рост ценовой осознанности бизнеса — и сразу же добавил предупреждение о рисках передачи данных китайским сервисам.
Контекст
DeepSeek — китайская AI-лаборатория, выпустившая серию открытых моделей, которые по многим бенчмаркам не уступают GPT-4 класса при радикально меньшей стоимости inference. С начала 2025 года компания последовательно выпускала модели серии R1 и V3, вызвав волну дискуссий о том, что западные AI-компании переоценены. Открытые веса позволяют запускать модели локально — но именно облачный API DeepSeek (с прямой передачей данных на серверы в Китае) и фиксирует Ramp в своих данных.
Ramp обрабатывает корпоративные карточные транзакции сотен тысяч компаний — от стартапов до среднего бизнеса. Их данные о «трендовых вендорах» отражают не маркетинговые заявления, а реальные платежи. Когда DeepSeek возглавляет этот список, это означает: американские finance-команды уже подписали контракты, выпустили корпоративные карточки и начали платить.
На фоне этого — OpenAI поднимает цены на API, Anthropic позиционирует Claude как enterprise-решение с акцентом на безопасность, а корпоративные AI-бюджеты после первоначального хайпа начинают проходить реальный ROI-скрининг. Дешёвый и мощный DeepSeek попадает ровно в этот момент.
Аналитика
Факт из данных Ramp говорит о нескольких вещах одновременно. Во-первых, ценовая чувствительность вернулась. После фазы «потратим сколько угодно, лишь бы не отстать» корпоративный AI-рынок входит в фазу оптимизации. Компании сравнивают стоимость токенов, считают TCO, и разница между DeepSeek и GPT-4o класса — в разы — становится аргументом, который CFO не игнорирует.
Во-вторых, риторика о безопасности пока проигрывает экономике. Правительство США неоднократно поднимало вопрос о рисках передачи корпоративных данных китайским провайдерам — на уровне рекомендаций и отдельных запретов для госсектора. Но для частного бизнеса это остаётся advisory, не обязательным требованием. Средний B2B-стартап, сравнивая счёт за OpenAI и DeepSeek, делает прагматичный выбор.
В-третьих, это сигнал для всего рынка: commoditization LLM-inference идёт быстрее, чем ожидали. Когда китайская лаборатория с открытыми весами обходит по росту платёжной базы всех западных игроков — это структурное давление на маржинальность OpenAI, Anthropic, Google. Следующий логичный шаг для них — либо снижение цен, либо уход в вертикальную специализацию и enterprise-безопасность как дифференциатор.
Кейсы применения в бизнесе
B2B-SaaS стартап: если в продукте есть AI-фичи — классификация, саммаризация, генерация контента — и они работают через OpenAI API, стоит запустить A/B-тест с DeepSeek V3 или R1 на тех же промптах. Для задач без чувствительных данных снижение стоимости inference может быть существенным при сопоставимом качестве. Важно: прописать в privacy policy, какие данные и куда уходят.
Корпорация с legacy: здесь облачный DeepSeek API, скорее всего, заблокирован политиками безопасности или compliance-требованиями. Но открытые веса DeepSeek можно развернуть на собственной инфраструктуре или через облако с data residency в нужной юрисдикции. Это даёт экономию без компромисса с данными.
SMB и локальный бизнес в КР/СНГ: для компаний, которые только начинают внедрять AI-инструменты и не имеют строгих compliance-требований, DeepSeek API — доступная точка входа. Автоматизация ответов клиентам, обработка документов, генерация контента на русском языке — модели DeepSeek справляются с кириллицей заметно лучше ранних версий западных аналогов.
Кейсы в личной жизни
Разработчик: DeepSeek R1 в режиме reasoning — сильный инструмент для дебаггинга сложной логики и архитектурных решений. Через открытый API или локальный запуск через Ollama — хороший второй opinion рядом с Claude или GPT.
Контент-мейкер и фрилансер: для задач без чувствительных данных — черновики текстов, адаптация материалов, ресёрч — DeepSeek через веб-интерфейс или API даёт сопоставимое качество дешевле. Особенно актуально, если работаешь с несколькими клиентами и API-расходы накапливаются.
Студент и исследователь: DeepSeek R1 показывает сильные результаты в математических и аналитических задачах. Для учёбы, решения задач, разбора научных статей — хорошая альтернатива с открытым доступом. При этом важно понимать: данные запросов уходят на серверы компании, как и у любого облачного провайдера.
Как применить сегодня
- Проверьте текущие AI-расходы: сколько тратите на OpenAI/Anthropic API за последние 3 месяца и на какие задачи.
- Выделите задачи без чувствительных данных (публичный контент, ресёрч, черновики) — именно для них рассмотрите DeepSeek API как альтернативу.
- Если работаете с персональными или корпоративными данными — изучите вариант self-hosted через Ollama или облако с локальным data residency.
- Запустите параллельный тест на 20-50 реальных запросах: DeepSeek V3 против текущей модели. Сравните качество и стоимость.
- Пропишите в команде политику: какие данные допустимо отправлять внешним AI-провайдерам и каким именно — это уже не опциональный вопрос.