Генеральный директор Decagon Джесси Чжан опубликовал заметку под заголовком «Everyone is wrong about open source AI in the enterprise», где предложил свою трактовку текущей экономики ИИ. По его версии, по мере взросления внедрений компании переходят на более лёгкие модели, в том числе и в самой Decagon, но общие расходы на дорогие передовые модели почти не снижаются.
Чжан считает, что open-source и передовые закрытые модели не стоит рассматривать как прямых конкурентов. Он описывает их как два этапа одного цикла: дорогие модели используют для проверки новых сценариев, а затем, когда эти сценарии становятся более понятными и стабильными, их передают более дешёвым open-source-альтернативам.
При этом, по его словам, по мере перехода зрелых задач на лёгкие модели появляются новые сценарии применения, из-за чего совокупные траты на передовые модели почти не падают.
Сам Чжан приводит мало данных, но часть картины можно увидеть в открытой статистике платформ. По данным панели Vercel AI Gateway, DeepSeek за последнюю неделю вышел в лидеры по объёму токенов и сейчас обрабатывает чуть больше трети токенов, проходящих через инфраструктуру компании. Z.ai, разработчик модели GLM-5.2, за тот же период поднялся на четвёртое место.
Если смотреть на общие расходы, картина иная. На платформе Vercel Anthropic по-прежнему даёт более половины всех затрат на ИИ. За последний месяц доля немного снизилась, в том числе из-за роста цен у самой Anthropic, но изменение остаётся небольшим.
Похожую картину показывает OpenRouter, который охватывает более широкий сегмент рынка. По объёму использования лидирует Deepseek V4Flash с 5,3 трлн токенов в неделю. Самая популярная передовая модель, Opus 4.8, обрабатывает чуть более 2 трлн токенов.
OpenRouter не публикует рейтинг по общей выручке моделей, но указывает среднюю цену токенов. Для Opus 4.8 она примерно в 23 раза выше, чем у V4Flash: 1,37 доллара за миллион токенов против 6 центов. Это может означать, что Opus всё ещё забирает основную часть расходов пользователей.
В эти цифры ещё не входит Nvidia Nemotron. В материале отмечается, что модель может быстро выйти в число лидеров за счёт сильных связей Nvidia на рынке и высокой гибкости самой модели.
Эти данные не доказывают полностью тезис Чжана о жизненном цикле ИИ-продуктов, но показывают, что рост open-source пока не наносит серьёзного ущерба передовым лабораториям, таким как Anthropic. Одно из объяснений в том, что число задач, где можно применять ИИ, растёт очень быстро, и ведущие модели сохраняют позиции за счёт доминирования на раннем этапе внедрения.
Чжан формулирует это так: «The frontier labs will keep owning discovery. Open source will increasingly own production.»
Ещё одно возможное объяснение состоит в том, что часть сценариев остаётся слишком трудной для полной замены дешёвыми альтернативами, даже если клиент уже перенёс часть нагрузки на open-source-модели.
В итоге может сформироваться устойчивая двухуровневая экономика моделей: передовые системы сохранят дорогой премиальный сегмент, а более лёгкие и открытые модели будут брать на себя зрелые и массовые задачи.
Автор исходного материала напоминает, что ещё в сентябре писал о сценарии, при котором базовые лаборатории станут поставщиками стандартизированного ресурса для прикладных компаний. Часть этого прогноза сбылась: вертикальные ИИ-компании действительно перешли на более лёгкие модели, а экономика стартапов формата GPT wrapper в основном сохранилась.
Однако, как показывает текущая ситуация, поставщики передовых моделей удерживают самый выгодный сегмент рынка — высокую цену за токен. Судя по приведённым данным, в ближайшее время это вряд ли изменится.
Источник: публикация Джесси Чжана, данные Vercel AI Gateway и OpenRouter.
