Два крупнейших корпоративных клиента Anthropic одновременно сокращают внутреннее использование Claude.
Согласно данным The Information, Microsoft ранее прогнозировала, что потратит не менее 1 млрд долларов в этом году на собственное внутреннее использование технологий Anthropic. Затем компания сократила этот прогноз более чем на треть, попросив сотрудников реже использовать Claude и активнее полагаться на собственные инструменты Microsoft.
В Meta количество сотрудников, использующих Claude Code, по сообщениям, сократилось примерно с 60 000 в начале 2026 года до примерно 30 000.

Неожиданно то, что меньшее число пользователей не обязательно означает низкие расходы. The Information сообщило, что Meta всё равно потратила более 105 млн долларов на Claude Code в течение одного недавнего 28-дневного периода.
Таким образом, история не в том, что Claude внезапно стал плохим.
Скорее наоборот.
Claude Code стал настолько полезным, что крупные инженерные организации начали использовать его постоянно. Когда автономные ИИ-агенты для программирования стали читать репозитории, запускать тесты, редактировать файлы, повторять попытки после сбоев и работать часами, потребление токенов превратилось в существенную статью бюджета.
Это переводит корпоративный ИИ для программирования в новую фазу: возможности по-прежнему важны, но не менее важны стоимость задачи, контроль над данными, стратегия работы с поставщиками и способность клиента самостоятельно создать альтернативу.
Счёт растёт: чем лучше агент, тем дороже он может обходиться
Опыт Microsoft — наглядный пример того, что происходит, когда агентный инструмент программирования масштабируется внутри крупной инженерной организации.
В исходной статье говорится, что Microsoft начала предоставлять тысячам инженеров подразделения Experiences and Devices доступ к Claude Code в конце 2025 года. Распространение шло быстро и почти не требовало внутреннего продвижения.
В более ранних материалах о программе описывалось интенсивное использование Claude Code, которое в некоторых случаях достигало сотен или даже тысяч долларов на инженера в месяц. Точные показатели по пользователям различаются в разных публикациях и не должны восприниматься как универсальное среднее по всей Microsoft, однако общее давление на расходы хорошо задокументировано.
К середине 2026 года Microsoft уже переводила многих инженеров с Claude Code на GitHub Copilot и модели, разработанные Microsoft.
Генеральный директор Microsoft AI Мустафа Сулейман необычно прямо изложил позицию компании в интервью Bloomberg, заявив, что Anthropic является «чрезвычайно дорогой» и что Microsoft хочет сократить, а в итоге и полностью устранить расходы, которые она платит Anthropic.

Последние сообщения идут ещё дальше.
The Information утверждает, что Microsoft шла к тому, чтобы тратить не менее 1 млрд долларов ежегодно на внутреннее использование Anthropic, но теперь снизила этот прогноз более чем на треть.
The Decoder, пересказывая тот же материал, сообщает, что облачное подразделение также сократило месячный бюджет Claude на одного сотрудника примерно со 100 000 до 10 000 долларов. Эту цифру лучше понимать как внутренний лимит расходов или верхнюю границу бюджета, а не как доказательство того, что каждый сотрудник фактически использовал Claude на 100 000 долларов ежемесячно.

У Meta та же проблема, но в другом масштабе
Число пользователей Claude Code в Meta, по сообщениям, сократилось примерно с 60 000 до примерно 30 000.
Часть сокращения последовала за уменьшением штата, однако The Information указывает, что более значимым фактором стал собственный ИИ-стек Meta для программирования.
Сейчас у Meta есть несколько внутренних или тестируемых внутри компании альтернатив:
- MetaCode имеет более 30 000 внутренних пользователей.
- Muse Code, который Meta начала тестировать с внешними клиентами в августе, используют более 6 000 сотрудников.
- Собственное семейство моделей Meta Muse Spark всё чаще применяется в основе внутренних процессов программирования.
Даже после того, как пользовательская база Claude Code сократилась примерно вдвое, Meta, по сообщениям, потратила более 105 млн долларов на Claude Code за один недавний 28-дневный период.
Эту экономику трудно игнорировать.
Число в 60 трлн токенов требует контекста
В исходной статье говорится, что внутренняя панель Meta «Claudeonomics» показала 60 трлн токенов за 30 дней, и подразумевается, что всё это представляло внутренний код и данные, проходившие через Claude.
Это слишком широкое утверждение.
В более раннем материале The Information говорится, что созданная сотрудниками таблица лидеров Claudeonomics отслеживала использование ИИ-токенов по всей компании, которое превысило 60 трлн токенов за недавние 30 дней. Доступные публикации не подтверждают, что каждый из этих токенов был получен именно через Claude Code.
Панель всё равно демонстрирует масштаб использования ИИ внутри Meta, но её не следует интерпретировать как счёт Claude на 60 трлн токенов.
Почему агентное программирование меняет кривую затрат
Обычное использование чата сравнительно ограничено.
Пользователь задаёт вопрос, модель отвечает, и взаимодействие может завершиться.
Агенты для программирования ведут себя иначе:
чтение репозитория
→ анализ зависимостей
→ поиск по файлам
→ редактирование кода
→ запуск тестов
→ анализ сбоев
→ повторное редактирование
→ использование инструментов
→ продолжение работы часами
Каждый цикл может повторно использовать большие объёмы контекста репозитория.
Именно поэтому агентное программное обеспечение может становиться дорогим ровно тогда, когда становится полезным.
Чем автономнее агент, тем дольше он остаётся активным. Чем больше кодовая база, тем больше контекста он читает. Чем больше шагов он выполняет, тем больше накапливается расходов на токены.
Это создаёт простую корпоративную проблему:
Инструмент может обеспечивать реальный рост производительности и при этом становиться финансово сложным для развёртывания без маршрутизации, кеширования, бюджетов и контроля использования.
Как партнёр становится конкурентом
Стоимость — лишь часть истории.
Более глубокая проблема заключается в том, что Anthropic всё чаще конкурирует с компаниями, которые раньше рассматривали её в основном как поставщика моделей.
Microsoft продаёт GitHub Copilot, разрабатывает собственные модели и создаёт всё более агентное программное обеспечение для повышения производительности. Claude Code и Claude Cowork от Anthropic теперь пересекаются с частями рынков инструментов для разработчиков и офисного ПО, которыми Microsoft хочет владеть.
Meta находится в похожем положении.
Она создаёт MetaCode, Muse Code и собственные модели Muse. Когда у Meta появляется жизнеспособный внутренний стек для программирования, всё сложнее обосновать оплату конкуренту за выполнение той же работы.
Это меняет отношения с модели:
клиент → поставщик моделей
на нечто более близкое к:
клиент + стратегический партнёр + потенциальный конкурент
Концентрация клиентов становится важнее перед IPO Anthropic
Выбор момента особенно чувствителен, поскольку Anthropic готовится к публичному размещению акций.
Reuters со ссылкой на проспект IPO Anthropic сообщил, что на двух неназванных клиентов пришлось примерно 24% выручки Anthropic за 2025 год.
В проспекте не названы эти два клиента.
Исходная статья говорит, что рынок широко предполагает, будто это Microsoft и Meta. Это остаётся спекуляцией и не должно рассматриваться как подтверждённый факт.
Подтверждён более широкий риск: проспект Anthropic прямо предупреждает, что выручка концентрируется у небольшого числа крупных клиентов и что сокращение расходов со стороны ключевых аккаунтов может навредить бизнесу компании.
Поэтому одновременное сокращение со стороны двух крупных технологических клиентов важнее обычной корректировки бюджета у поставщика.
У Anthropic всё ещё есть крупные инфраструктурные обязательства
В отношениях с Microsoft существует и другое необычное противоречие.
Пока Microsoft сокращает внутренние расходы на Claude, у самой Anthropic есть большие долгосрочные инфраструктурные обязательства перед Microsoft.
Reuters сообщил на основе проспекта Anthropic, что у компании есть около 31,4 млрд долларов безотзывных инфраструктурных обязательств перед Microsoft на период до следующего десятилетия, кроме случаев, связанных с указанными условиями нарушения обязательств.
Это означает, что две компании могут одновременно быть:
- Клиентом и поставщиком
- Инвестором и инфраструктурным партнёром
- Сотрудниками в области ИИ
- Конкурентами
Такая взаимозависимость становится всё более обычной в передовом ИИ.
Другие компании также усиливают контроль
Исходная статья утверждает, что Microsoft и Meta — не изолированные случаи.
Создайте сайт-витрину и привлекайте лиды за минуты
Опишите идею одной фразой, и We0 AI создаст сайт-витрину, страницы и CMS, а после запуска поможет привлечь клиентов и трафик.
Одна полная генерация проекта для бесплатной регистрации
Лучше всего попробовать один полный поток генерации и быстро увидеть первый черновик проекта.
Эта более широкая тенденция подтверждается дополнительными публикациями.
В июле Reuters сообщил, что Alibaba запретила сотрудникам использовать Claude Code и предписала им перейти на собственную платформу компании Qoder, сославшись на проблемы безопасности.
В сентябре Reuters сообщил, что Palantir, Nvidia и Booz Allen Hamilton ограничили или рассматривали ограничение использования продвинутых внешних моделей из-за опасений по поводу конфиденциальных данных и политик хранения информации.
Конкретные ограничения различаются по компаниям:
- Nvidia, по сообщениям, ограничивает модели Anthropic менее чувствительными задачами и использует собственные модели Nemotron для закрытых внутренних задач.
- Booz Allen, по сообщениям, ограничивает коммерческие модели Anthropic для работы с закрытыми данными в сфере кибербезопасности.
- Palantir добивалась более сильных гарантий нулевого хранения данных перед более глубокой интеграцией.
Общая закономерность состоит не просто в том, что «Claude слишком дорог».
Для крупных компаний код, данные безопасности, внутренние документы и проприетарные рабочие процессы являются ключевыми активами. Чем ближе ИИ-агент к этим активам, тем больше клиентов заботят стоимость, хранение данных, контроль и конкурентная зависимость.
Ответ Anthropic: более низкая фактическая стоимость и усиленный контроль корпоративных данных
Anthropic не игнорирует эти возражения.
В сентябре она выпустила Claude Fable 5.1, сохранив базовые цены API без изменений, но сократив стоимость чтения кеша на 75% — с 1,00 до 0,25 доллара за миллион токенов.
Anthropic заявляет, что это снижает общую стоимость:
- Примерно на 25% для типичных рабочих нагрузок
- До примерно 45% для высокоагентных рабочих нагрузок
Причина проста.
Длительно работающие агенты многократно перечитывают уже обработанный контекст. Если повторно используемый контекст становится значительно дешевле, общая стоимость задачи может снизиться даже без изменения заявленных цен на входные и выходные токены.
Цены Fable 5.1
| Тип токенов | Цена Fable 5.1 за 1 млн токенов |
|---|---|
| Входные | $10,00 |
| Чтение кеша | $0,25 |
| Выходные | $50,00 |
Экономия в 25% и 45% — это оценки для рабочих нагрузок, а не гарантированные скидки на каждый запрос.
Короткий запрос, который не получает выгоды от кеширования, всё ещё может стоить практически столько же, сколько раньше.
Enterprise Frontier Safeguards
Anthropic также объявила о Enterprise Frontier Safeguards (EFS), чтобы решить проблемы, связанные с хранением данных.
EFS разработана так, чтобы подходящие корпоративные клиенты могли хранить данные в облачной инфраструктуре, которую они контролируют, а не в собственных системах Anthropic, при этом сохраняя автоматические меры защиты для выявления злоупотреблений.
Anthropic заявляет, что EFS развёртывается поэтапно и что соответствующие критериям клиенты могут получать режим нулевого хранения данных до тех пор, пока система не станет широко доступной.
Это напрямую отвечает на одну из проблем предприятий, работающих с проприетарной или регулируемой информацией.
Однако это не решает каждую стратегическую проблему.
Компания, у которой уже есть сильная внутренняя модель или стек для программирования, всё равно может предпочесть собственную систему, даже если внешние цены и конфиденциальность улучшатся.
ИИ для программирования входит в фазу учёта затрат
В течение последних двух лет большая часть ИИ-гонки была сосредоточена на возможностях:
- Какая модель лучше пишет код?
- Какой агент может работать дольше?
- Какая система может использовать больше инструментов?
- Какая модель достигает наивысшего результата в бенчмарках?
Теперь финансовые команды задают другой вопрос:
Во сколько фактически обошлась каждая завершённая задача?
Это значительное изменение.
Опыт Microsoft демонстрирует полный цикл:
- Claude Code становится популярным, поскольку инженеры считают его полезным.
- Использование быстро расширяется.
- Агентные сессии потребляют большие объёмы токенов.
- Расходы становятся заметными на уровне организации.
- Руководство вводит бюджеты и продвигает более дешёвые или внутренние альтернативы.
Предпочтения инженеров по-прежнему важны, но они больше не определяют весь процесс закупок.
Рынок разделяется на уровни моделей
Формируется вероятная корпоративная модель:
| Рабочая нагрузка | Вероятная стратегия использования моделей |
|---|---|
| Рутинное программирование, документация, простые исправления | Более дешёвая, быстрая и жёстко контролируемая модель |
| Внутренние агенты с большим объёмом работы | Недорогая модель с агрессивным кешированием и лимитами расходов |
| Проприетарная или крайне чувствительная работа | Внутреннее, частное или строго изолированное развёртывание |
| Сложные рассуждения и комплексная архитектура | Передовая модель, зарезервированная для самых трудных задач |
Это менее эффектно, чем таблицы лидеров бенчмарков, но, вероятно, важнее для корпоративного внедрения.
Самая сильная модель не получает автоматически самое масштабное развёртывание.
Побеждающая система должна также быть доступной по цене, предсказуемой, управляемой и достаточно безопасной для подключения к ключевым данным компании.
Недостаточно учитывать стоимость токена
Предприятиям всё чаще необходимо измерять стоимость завершённой задачи, а не только цену API за миллион токенов.
Полезная внутренняя метрика может включать:
общая стоимость задачи =
токены модели
+ запись и чтение кеша
+ вызовы инструментов
+ повторные попытки
+ время проверки человеком
+ инфраструктурные накладные расходы
Модель с высокой ценой токена всё ещё может быть экономичной, если она завершает задачу за меньшее число шагов.
Дешёвая модель может стать дорогой, если зацикливается, повторяет попытки или требует большего числа исправлений со стороны человека.
Вот почему следующая фаза ИИ для программирования будет всё больше напоминать FinOps: маршрутизация, бюджеты, наблюдаемость, кеширование, панели использования и измерение ROI станут частью инженерного стека.
FAQ
Почему Microsoft сократила расходы на Claude?
The Information сообщает, что Microsoft сократила прогноз внутренних расходов на Anthropic более чем на треть после того, как попросила сотрудников реже использовать Claude и чаще полагаться на GitHub Copilot и собственные модели Microsoft. Стоимость является важным фактором, но Microsoft также напрямую конкурирует в сфере инструментов для разработчиков и корпоративного ИИ.
Сколько сотрудников Meta всё ещё используют Claude Code?
Последние сообщения оценивают это число примерно в 30 000 — против около 60 000 в начале 2026 года. Часть снижения произошла после увольнений, но более значимым фактором стало расширение MetaCode, Muse Code и собственных моделей Muse в Meta.
Действительно ли Meta потратила более 100 млн долларов на Claude Code за один месяц?
The Information сообщает, что Meta потратила более 105 млн долларов на Claude Code за один недавний 28-дневный период. Эта сумма представляет собой опубликованные данные о внутренних расходах, а не официальный финансовый отчёт Meta.
Использовала ли Meta 60 трлн токенов Claude за 30 дней?
Не совсем. Созданная сотрудниками панель Claudeonomics, по сообщениям, показала более 60 трлн токенов ИИ по всей компании за 30 дней. Доступные публикации не доказывают, что весь этот трафик относился к Claude Code.
Почему Claude Code может так быстро становиться дорогим?
Агентные сессии программирования неоднократно читают большие репозитории, вызывают инструменты, запускают тесты, анализируют результаты и повторяют изменения. Это создаёт намного большее потребление токенов, чем короткий чат или разовое автодополнение кода.
Что Anthropic делает для снижения корпоративных расходов?
Claude Fable 5.1 снижает цену чтения кеша на 75%. Anthropic оценивает, что это уменьшает общую стоимость примерно на 25% для типичных рабочих нагрузок и до примерно 45% для высокоагентных рабочих нагрузок, повторно использующих большие объёмы кешированного контекста.
Что такое Enterprise Frontier Safeguards?
Enterprise Frontier Safeguards — это новые механизмы Anthropic для подходящих корпоративных клиентов, которым требуется более надёжная конфиденциальность при сохранении мониторинга злоупотреблений. Архитектура предполагает хранение данных в облачной инфраструктуре, контролируемой клиентом, а не в системах Anthropic; поэтапное развёртывание начинается в 2026 году.
Означает ли это, что компании отказываются от передовых ИИ-моделей?
Нет. Тенденция заключается в избирательном использовании, а не в полном отказе. Многие компании резервируют дорогие передовые модели для высокоценных задач, направляя рутинные, чувствительные или высокообъёмные рабочие нагрузки к более дешёвым либо внутренне контролируемым системам.
Связанные инструменты
- Claude Code: агентный инструмент Anthropic для программирования, предназначенный для работы с репозиториями, терминалом и длительными процессами разработки ПО.
- GitHub Copilot: основной ИИ-продукт Microsoft для разработчиков и одна из внутренних альтернатив, продвигаемых в Microsoft.
- Qoder: платформа Alibaba для ИИ-программирования, которую сотрудникам, по сообщениям, предписали использовать после внутреннего запрета Claude Code.
- NVIDIA Nemotron: семейство моделей NVIDIA, применяемое для контролируемых корпоративных и внутренних ИИ-нагрузок.
- Claude Platform: официальная API-платформа Anthropic для управления использованием, моделями, ценообразованием, кешированием и корпоративной интеграцией.
Связанные ссылки
- Исходная статья BAAI Hub: китайская исходная статья, использованная в качестве структурной основы для этой англоязычной адаптации.
- The Information: Microsoft сокращает внутренние расходы на Claude на треть: исходный материал о сокращении Microsoft и Meta внутреннего использования Claude.
- The Decoder: Meta и Microsoft сокращают использование Claude: вторичный материал с цифрами внутренних бюджетов и числа пользователей, приведёнными в исходной статье.
- Anthropic: Claude Fable 5.1 и Mythos 5.1: официальное объяснение снижения цены чтения кеша на 75% и оценочной экономии для рабочих нагрузок.
- Anthropic: Enterprise Frontier Safeguards: официальное описание архитектуры Anthropic для хранения данных под контролем клиента.
- Reuters: Alibaba запрещает сотрудникам использовать Claude Code: материал о внутреннем запрете Alibaba на Claude Code и переходе к Qoder.
- Reuters: проспект IPO Anthropic и зависимость от Big Tech: материал о концентрации клиентов, облачных отношениях и инфраструктурных обязательствах, раскрытых в проспекте Anthropic.
- Reuters: Palantir, Nvidia и Booz Allen ограничивают использование моделей: материал Reuters о проблемах хранения данных и работы с проприетарной информацией в компаниях.
Итоги
Microsoft и Meta сокращают использование Claude не потому, что инструмент внезапно перестал быть полезным. Их действия демонстрируют противоположную проблему: агентное программирование может чрезвычайно быстро становиться дорогим, когда тысячи сотрудников запускают длительные автономные сессии на больших кодовых базах.
Стратегический вопрос шире цены. Microsoft и Meta создают собственные конкурирующие ИИ-продукты, а другие предприятия ужесточают доступ к внешним моделям, когда речь идёт о проприетарных данных. Anthropic отвечает более дешёвым чтением кеша и усиленным контролем корпоративных данных, но рынок явно движется к более избирательной маршрутизации моделей.
Следующую фазу корпоративного ИИ для программирования будут оценивать не только по результатам бенчмарков. Компании всё больше заботят стоимость задачи, управление данными, зависимость от поставщика и возможность безопасно подключить модель к ключевым внутренним системам.
Самый способный агент для программирования не становится автоматически стандартным корпоративным инструментом: победитель должен также быть доступным по цене, управляемым и стратегически приемлемым.



