На днях CEO компании Decagon Джесси Чжан опубликовал провокационную теорию под заголовком «Все ошибаются насчёт open source AI в Enterprise». Статья затрагивает одно из самых интересных противоречий современной AI-экономики: по мере взросления AI-проекты переходят на более лёгкие модели. Но общие расходы на дорогие state-of-the-art модели почти не снижаются.
Это новый взгляд на отношения между frontier и open source моделями. По версии Чжана, они не конкуренты — успех open source не бьёт по доходам передовых лабораторий. Скорее, это две фазы одного жизненного цикла: дорогие frontier-модели используются для проверки гипотез и новых сценариев, которые затем передаются более дешёвым open source-альтернативам по мере созревания.
По мере того как зрелые сценарии переходят на лёгкие модели, возникают новые — и общие расходы на frontier-модели почти не снижаются.
Данные подтверждают эту теорию. Дашборд AI-шлюза Vercel показывает, что за последнюю неделю DeepSeek вырвался в лидеры по объёму токенов, обрабатывая более трети всего трафика. Z.ai — лаборатория, стоящая за популярной моделью GLM-5.2, — за тот же период поднялась на чётвёртое место.
Однако если посмотреть на общие расходы, Anthropic по-прежнему занимает более половины всех AI-трат на платформе. Доля немного снизилась за последний месяц из-за роста цен самой Anthropic, но некритично.
OpenRouter показывает похожую картину на более широком, хотя и менее корпоративном, сегменте рынка. DeepSeek V4 Flash лидирует по общему использованию — 5,3 триллиона токенов в неделю. Самая популярная frontier-модель, Opus 4.8, обрабатывает чуть более 2 триллионов. Однако средняя стоимость токена Opus 4.8 примерно в 23 раза выше, чем V4 Flash ($1,37 за миллион токенов против 6 центов). Это означает, что Opus, вероятно, по-прежнему приносит львиную долю выручки.
Эти цифры даже не учитывают новейшего игрока — Nemotron от Nvidia, который готовится вырваться вперёд благодаря мощным связям Nvidia и экстремальной адаптивности модели.
Всё это не доказывает теорию Чжана о жизненных циклах AI полностью, но наглядно показывает, что frontier-лаборатории и open source-модели могут сосуществовать, обслуживая разные этапы одного и того же процесса внедрения. Для бизнеса это означает, что стратегия «сначала frontier, потом open source» становится всё более осмысленной.
По материалам TechCrunch