Западные соцсети родили новый термин — "клэмпинг" (clamping). Если вы пользуетесь Codex, Claude Code или любым другим агентом для разработки, вы уже ощутили это на себе. С начала 2026 года вендоры синхронно закручивают гайки: режут лимиты, отменяют безлимиты, закрывают дешевые тарифы и переходят на жесткий учет токенов.

Эпоха "AI-кодинга за $20 в месяц" кончилась.
Причина банальна — coding agents. Одно дело, когда человек лениво переписывается с чатом. Другое — когда агент поднимает весь контекст репозитория, пишет патчи, дергает тулы, гоняет тесты и сжигает миллионы токенов за один цикл. Псевдобезлимитные тарифы под такой нагрузкой треснули.

Хроника схлопывания халявы (по состоянию на весну 2026):

Западный фронт:

❕ OpenAI (Codex): Полный отказ от лимитов в "сообщениях". Теперь работает token-based rate card. Тяжелые запросы с длинным контекстом сжирают баланс моментально. Обычный Plus-план занерфили в пользу "размазывания" сессий по неделе. Хочешь гонять агента без тормозов — заноси $100 или $200 за Pro.

❕ Anthropic (Claude Code): Ввели peak-hour throttling — лимиты в часы пик тают на глазах. Запретили использовать подписку через сторонние CLI-обертки. И главное: они A/B-тестировали на новых юзерах удаление Claude Code из базового Pro-тарифа за $20. Готовят почву для перевода кодеров в дорогие Max-тиры.

❕ GitHub Copilot: Выкатили жесткие сессионные и недельные лимиты. Добавили model multipliers — дорогие модели выжирают квоту в разы быстрее (до 7.5x).

❕ Google: Выступили ранним триггером инфраструктурного удорожания. Одни из первых подняли цены на модели линейки Gemini 3 версии, защемили до бесполезности AI Plan. Подняли цены на сетевой egress и начали тарифицировать execution и память в Vertex AI отдельными строками.

Китайский фронт (там зажимают еще жестче):

❕ Zhipu (GLM): Задрали прайс на кодинг-план на 30%, а на API — на 83% в первом квартале. Старые безлимитные планы принудительно закрыли, пересадив всех на жесткие недельные лимиты.

❕ Alibaba (Qwen): Сначала порезали daily-квоту на free OAuth с 1000 до 100 запросов, а потом вообще ее снесли. Дешевый план Lite закрыт для новых юзеров — порог входа начинается с $50 за Pro.

❕ ByteDance (Trae / BytePlus): Убили скидки на первую покупку. Перевели кодинг в чистую quota/PAYG модель.

❕ Kimi / MiniMax: Загнали все в платные тиры с rolling-окнами по 5 часов. Кончился лимит — сиди жди ресета или плати по счетчику.

Аномалия:
❕ DeepSeek: Единственный игрок, который ломает конкурентам маржинальную логику. Их V4 Flash отдает 1М токенов за $0.14 на вход и $0.28 на выход.

Теперь о практических последствиях. Компании радостно внедряли AI-агентов, рассчитывая на взрывной рост производительности и экономию. Наступил 2026 год, и выяснилось, что корпоративные бюджеты на токены пробивают потолок. Агентный луп жрет серверное время в промышленных масштабах.

Как бизнес решает проблему кассового разрыва? Начинаются лейофы. Менеджмент тупо разменивает потенциальную продуктивность оставшихся разработчиков на размер штата, чтобы высвободить деньги на оплату счетов от OpenAI, Anthropic и GitHub.

Для наемных разработчиков ситуация складывается откровенно паршивая. Требования к выработке растут — тебе же дали ИИ, ты должен закрывать таски пачками. При этом сами инструменты лимитируются. Ты запускаешь авто-рефакторинг, а через час ловишь "limit exceeded, wait 4 hours" или требование апгрейднуться за свой счет на тариф за сотку баксов. Нас заставляют выдавать 10x результат в условиях, когда вендор бьет по рукам за слишком интенсивное использование продукта.

Глядя на то, как быстро индустрия перешла от раздачи бесплатного контекста к агрессивному доению корпоративных балансов, возникает резонная мысль о выживаемости самой профессии прикладного разработчика. Возможно, через пару лет мы все окончательно мутируем в операторов биллинга, которые следят, чтобы один скрипт не сжег квартальный бюджет компании на попытки отладить другой скрипт, пока нас самих не оптимизируют за нерентабельность.

А что вы думаете - какое будущее ждет разработчиков в этой новой реальности?

ds4.c - — маленький inference engine под Metal для DeepSeek V4 Flash. 💻
C/Objective-C/Metal, свои GGUF, CLI, локальный сервер с OpenAI/Anthropic-compatible API, tool calls, streaming.

Двухбитный квант влазит в Маки со 128 ГБ памяти. q4 требует 256+ GB.
На MacBook Pro M3 Max 128 GB заявлено около 26.7 ток/с на коротком prompt и 21.5 ток/с после 11.7k токенов контекста. Движок не держит модель онлайн, загружает и выгружает её между запросами почти мгновенно, используя memory mapping.

Мой товарищ поднял это на MacBook M5 Max 128 GB и великодушно записал для нас демку. У меня челюсть, честно, немного отвисла при просмотре.

Для агентов там тоже есть мясо: ds4-server умеет /v1/chat/completions, /v1/messages, SSE streaming, tool calls и оффлод KV cache на диск. Клиенты любят присылать один и тот же огромный prefix заново, а движок умеет сохранять KV на диск и переиспользовать его между запросами. В README прямо советуют на 128 GB держать контекст где-то в районе 100–300k, потому что полный 1M контекст сам по себе отъедает десятки гигабайт.

Ограничения: Metal-only, один live graph/session, параллельные запросы ждут очередь, стандартный GGUF не подсунешь, CPU path лучше не трогать — автор пугает крашем macOS kernel и сухо резюмирует: software sucks.

Счастливые обладатели жирных MacBook’ов уже могут держать фронтир DeepSeek V4 Flash локально и закрывать им ежедневные LLM-задачи без похода во внешний API. Везунчики. Остальные — продолжаем почесывать свои маленькие VRAM и делать вид, что нам нормально😎.