Новая теория: open source и дорогие модели — не конкуренты
В начале недели CEO компании Decagon Джесси Чжан выступил с дерзкой теорией, опубликовав заметку под названием «Все ошибаются насчёт open source ИИ в корпоративном секторе». В своём посте он обращает внимание на одно из самых парадоксальных явлений современной AI-экономики: по его наблюдениям, повзрослевшие внедрения искусственного интеллекта всё активнее мигрируют на лёгкие и более дешёвые модели — эта тенденция заметна даже в его собственной компании. И всё же суммарные затраты на дорогие передовые модели остаются практически на прежнем уровне.
Такой подход предлагает свежий взгляд на отношения между передовыми (frontier) разработками и открытыми моделями. Чжан утверждает, что они вовсе не конкурируют друг с другом, и растущая популярность open source решений не подрывает позиции лабораторий, создающих самые мощные системы. Скорее, это два этапа одного и того же жизненного цикла: сперва дорогие frontier-модели используются для проверки гипотез и обкатки новых сценариев, а затем, когда применение становится зрелым и типовым, его можно передать на более экономичные open source аналоги.
Данные Vercel и OpenRouter подтверждают тренд
Чжан не приводит в своей публикации развёрнутой статистики, однако свежие цифры найти нетрудно. Открытая панель мониторинга AI-шлюза Vercel показывает, что буквально за последнюю неделю лидером по объёму обрабатываемых токенов стал DeepSeek — сейчас через него проходит чуть более трети всех токенов, проходящих через инфраструктуру Vercel. Z.ai — лаборатория, разработавшая популярную модель GLM-5.2 — за тот же период вырвалась на почётное четвёртое место.
Но если прокрутить страницу до раздела общих расходов на токены, становится видно, что более половины всех затрат на ИИ на платформе по-прежнему приходится на Anthropic. Доля немного снизилась за последний месяц, но это скорее связано с тем, что сама Anthropic подняла цены, а не с реальным падением интереса.
Схожую картину демонстрирует агрегатор OpenRouter, который охватывает более широкую, хотя и чуть менее «корпоративную» аудиторию. Главным бенефициаром по объёму использования здесь выступает DeepSeek V4 Flash — модель обрабатывает колоссальные 5,3 триллиона токенов в неделю. Для сравнения, самая популярная frontier-модель Opus 4.8 от Anthropic обрабатывает чуть больше 2 триллионов токенов. OpenRouter не публикует рейтинг по суммарным расходам, однако фиксирует среднюю стоимость токена. У Opus 4.8 она составляет 1,37 доллара за миллион токенов, что примерно в 23 раза выше, чем у V4 Flash (всего 6 центов). Это означает, что в денежном выражении Opus скорее всего по-прежнему удерживает львиную долю затрат.
Кроме того, эти цифры не учитывают новейшего игрока — модель Nvidia Nemotron, которая благодаря тесным связям Nvidia с корпоративными клиентами и своей исключительной адаптивности может в ближайшее время вырваться в лидеры.
Почему Anthropic и другие лидеры пока в выигрыше
Эти данные, возможно, и не доказывают целиком теорию Чжана о жизненных циклах ИИ, но они ясно показывают, что развитие открытых моделей пока не наносит серьёзного ущерба таким лабораториям, как Anthropic. Одно из объяснений заключается в том, что рынок задач, которые можно решать с помощью ИИ, расширяется настолько стремительно, что передовые модели сохраняют доминирующее положение просто за счёт этапа первоначальных экспериментов. Как формулирует сам Чжан: «Frontier-лаборатории продолжат контролировать стадию открытий. Open source постепенно захватит продакшен». Другое возможное объяснение — даже при переходе клиентов на открытые решения многие сценарии остаются настолько сложными, что их нельзя полностью переложить на дешёвые аналоги.
Двухуровневая экономика моделей — надолго?
Так или иначе, формирующаяся двухуровневая экономика моделей может стать достаточно стабильной особенностью рынка ИИ.
Ещё в сентябре прошлого года автор этих строк размышлял о сценарии, при котором создатели фундаментальных моделей рискуют превратиться в поставщиков кофейных зёрен для Starbucks — иными словами, стать поставщиками сырья, в то время как всю выгоду будут снимать прикладные сервисы. Некоторые части того прогноза сбылись: так, вертикальные AI-проекты действительно мигрировали на лёгкие модели, а экономика «GPT-обёрток» остаётся в целом стабильной.
Но мы также видим, что в пересчёте на каждый токен разработчики передовых моделей сумели удержать за собой самую лакомую часть — премиальную цену. И в обозримом будущем эта ситуация вряд ли изменится.