Почему рост open source ИИ пока не вредит Anthropic

В понедельник генеральный директор Decagon Джесси Чжан опубликовал провокационную новую теорию под названием «Все ошибаются насчёт open source ИИ в корпоративном секторе». В посте рассматривается одно из самых интересных противоречий современной экономики ИИ: по его словам, более зрелые внедрения ИИ переходят на более лёгкие модели, даже в его собственной компании. Однако общие расходы на дорогие передовые модели практически не изменились.

Это новый взгляд на взаимоотношения между передовыми и open source моделями. В изложении Чжана, они не являются конкурентами, и успех open source моделей не достигается за счёт передовых лабораторий. Вместо этого они представляют собой две фазы одного жизненного цикла: дорогие передовые модели используются для проверки вариантов использования, которые по мере созревания могут быть переданы более дешёвым open source альтернативам.

По мере того как зрелые варианты использования переходят на более лёгкие модели, возникают новые варианты использования, и общие расходы на передовые модели почти не снижаются.

Чжан не приводит много данных в поддержку своей точки зрения, но данные найти нетрудно. Панель управления AI Gateway от Vercel показывает, что только за последнюю неделю DeepSeek вырвался в лидеры по объёму токенов, обрабатывая чуть более трети всех токенов, проходящих через инфраструктуру компании. Z.ai — лаборатория, стоящая за популярной моделью GLM-5.2, — за тот же период поднялась на почётное четвёртое место.

Однако если прокрутить вниз до общих расходов на токены, то можно увидеть, что Anthropic по-прежнему составляет более половины всех расходов на ИИ на платформе. Учитывая, что большая часть недавних изменений связана с повышением цен самой Anthropic, за последний месяц доля немного снизилась, но незначительно.

Image Credits:Панель управления Vercel / экспорт данных

OpenRouter показывает аналогичную картину, охватывая гораздо более широкий (но немного менее корпоративный) сегмент рынка. DeepSeek V4 Flash является главным победителем по общему использованию, обрабатывая 5,3 триллиона токенов в неделю. Самая популярная передовая модель, Opus 4.8, обрабатывает чуть более 2 триллионов. OpenRouter не ранжирует модели по общим расходам, но регистрирует среднюю стоимость токена для Opus 4.8 примерно в 23 раза выше, чем для V4 Flash ($1,37 за миллион токенов по сравнению с 6 центами), что означает, что Opus, вероятно, по-прежнему захватывает львиную долю расходов.

Эти цифры даже не учитывают новейшую модель — Nvidia Nemotron, которая, как ожидается, вырвется вперёд благодаря сильным связям Nvidia и чрезвычайной адаптируемости самой модели.

Эти цифры не полностью доказывают точку зрения Чжана о жизненных циклах ИИ, но они показывают, что передовые лаборатории, такие как Anthropic, не слишком страдают от роста open source — по крайней мере, пока. Одно из объяснений заключается в том, что рынок задач, решаемых с помощью ИИ, растёт так быстро, что ведущие модели могут сохранять свои позиции, просто доминируя на ранних этапах внедрения. Как выразился Чжан: «Передовые лаборатории будут продолжать владеть открытиями. Open source будет всё больше владеть производством». Другое объяснение может заключаться в том, что, даже когда клиенты переходят на open source, многие варианты использования настолько сложны, что их невозможно полностью заменить более дешёвыми альтернативами.

В любом случае, эта двухуровневая экономика моделей может стать относительно стабильной чертой экономики ИИ.

Ещё в сентябре прошлого года я писал о возможности того, что фундаментальные лаборатории в конечном итоге будут продавать кофейные зёрна Starbucks — то есть служить товарным сырьём, в то время как прикладной уровень будет пожинать плоды. Некоторые части этого прогноза сбылись: вертикальные ИИ-решения перешли на более лёгкие модели, а экономика стартапов «GPT-обёрток» осталась в основном стабильной.

Но мы также видим, что, токен за токеном, ведущие провайдеры смогли удержать самую желаемую часть рынка — премиальную цену за токен. И это вряд ли изменится в ближайшее время.