Купон на скидку: 2026
Это новый взгляд на отношения между передовыми (frontier) моделями и опенсорсом. В изложении Чжана они не являются конкурентами, и успех открытых моделей не достигается за счёт ведущих лабораторий. Вместо этого они представляют собой две фазы одного жизненного цикла: дорогие frontier-модели используются для проверки сценариев применения, которые по мере созревания могут передаваться более дешёвым открытым альтернативам. По мере того как зрелые варианты использования переключаются на облегчённые модели, продолжают возникать новые сценарии — и общие расходы на frontier-модели почти не снижаются. Чжан не приводит много данных в поддержку этой точки зрения, однако найти их несложно.
Дашборд AI-шлюза Vercel показывает, что только за последнюю неделю DeepSeek резко вырвался в лидеры по объёму токенов, обрабатывая сейчас чуть более трети токенов, проходящих через инфраструктуру компании. Z.ai — лаборатория, создавшая популярную модель GLM-5.2, — за тот же период заняла достойное четвёртое место. Но если прокрутить страницу до показателя совокупных расходов на токены, видно, что на Anthropic по-прежнему приходится более половины всех затрат на ИИ на этой платформе. С учётом того, что значительная часть недавних изменений связана с повышением цен самой Anthropic, её доля немного снизилась за последний месяц, но незначительно.
Похожую картину рисует OpenRouter, охватывающий более крупный (но чуть менее ориентированный на корпоративных клиентов) сегмент рынка. Главным победителем по общему объёму использования стала DeepSeek V4 Flash, обрабатывающая 5,3 триллиона токенов в неделю. Самая популярная frontier-модель, Opus 4.8, обрабатывает чуть более 2 триллионов. OpenRouter не ранжирует модели по совокупным расходам, но фиксирует среднюю стоимость токена для Opus 4.8 примерно в 23 раза выше, чем у V4 Flash (1,37 доллара за миллион токенов против всего 6 центов), что по-прежнему означает, что Opus, вероятно, получает львиную долю затрат. Эти цифры даже не учитывают новейшего участника — Nvidia Nemotron, которая готова вырваться вперёд благодаря прочным связям Nvidia и чрезвычайной адаптивности самой модели.
Приведённые цифры не полностью доказывают тезис Чжана о жизненных циклах ИИ, но они показывают, что ведущие лаборатории, такие как Anthropic, не слишком страдают от роста опенсорса — по крайней мере пока. Одно из объяснений заключается в том, что рынок задач, решаемых с помощью ИИ, растёт так быстро, что топовые модели способны сохранять свои позиции просто за счёт доминирования на этапе раннего развёртывания. Как формулирует это Чжан: "Передовые лаборатории продолжат доминировать на этапе открытий. Опенсорс всё больше будет владеть этапом производства". Другим объяснением может быть то, что даже при переходе клиентов на опенсорс многие сценарии использования настолько сложны, что их нельзя полностью заменить более дешёвыми альтернативами.
В любом случае эта двухуровневая экономика моделей может стать относительно стабильной чертой AI-экономики. Ещё в сентябре автор писал о возможности того, что лаборатории — разработчики базовых моделей в итоге будут продавать кофейные зёрна Starbucks, то есть служить сырьевым ресурсом, в то время как уровень приложений будет пожинать плоды. Некоторые части того прогноза сбылись: вертикальные AI-проекты перешли на более лёгкие модели, например, а экономика стартапов-"обёрток" вокруг GPT осталась в основном стабильной. Однако мы также видим, что в пересчёте на токены провайдеры передовых моделей смогли удержать самую желанную часть рынка — премиальную цену токена. И в ближайшее время это вряд ли изменится.