Почему рост опенсорсных ИИ-моделей пока не бьёт по доходам Anthropic

В понедельник основатель и CEO стартапа Decagon Джесси Чжан опубликовал колонку под заголовком «Все ошибаются насчёт опенсорсного ИИ в корпоративном секторе». Он обращает внимание на противоречие в сегодняшней экономике ИИ: зрелые внедрения, в том числе в его собственной компании, переходят на более лёгкие и дешёвые модели, но общие траты компаний на дорогие топовые (передовые) модели почти не падают.

По версии Чжана, передовые модели и модели с открытым исходным кодом, не конкуренты, а два этапа жизненного цикла одного и того же сценария использования: сначала дорогая передовая модель доказывает, что задачу вообще можно решить, а затем, по мере созревания сценария, его передают более дешёвой опенсорсной альтернативе. При этом старые сценарии уходят на лёгкие модели, но одновременно появляются новые задачи, которые снова требуют дорогих передовых моделей, поэтому общие траты на них почти не сокращаются.

Сам Чжан не привёл цифр, но они есть у других. Дашборд ИИ-шлюза компании Vercel показывает: за последнюю неделю DeepSeek вырвался в лидеры по объёму токенов, обрабатывая чуть больше трети всего трафика через инфраструктуру Vercel. Модель GLM-5.2 от лаборатории Z.ai за тот же период поднялась на четвёртое место. Но если смотреть на общие траты в деньгах, а не на объём, картина другая: на Anthropic по-прежнему приходится больше половины всех расходов на платформе. Доля Anthropic немного снизилась за последний месяц, во многом из-за собственного повышения цен компанией, но не критично.

OpenRouter, охватывающий более широкий, но менее корпоративный сегмент рынка, показывает похожую картину. По общему объёму использования лидирует DeepSeek V4 Flash, 5,3 триллиона токенов в неделю. Самая популярная передовая модель, Opus 4.8, обрабатывает чуть больше 2 триллионов токенов в неделю. OpenRouter не ранжирует модели по общим тратам, но публикует среднюю цену токена: для Opus 4.8 она примерно в 23 раза выше, чем для V4 Flash, 1,37 доллара за миллион токенов против 6 центов. Это значит, что по деньгам Opus 4.8, вероятно, всё равно забирает львиную долю расходов. И это без учёта совсем нового игрока, модели Nemotron от Nvidia, которая благодаря сильным связям компании и гибкости самой модели готова быстро выйти в лидеры.

Эти цифры не доказывают теорию Чжана о жизненном цикле напрямую, но подтверждают главное: такие передовые лаборатории, как Anthropic, пока не сильно страдают от роста опенсорсных моделей, по крайней мере, не сейчас. Одно объяснение, рынок задач, которые вообще можно решать с помощью ИИ, растёт так быстро, что топовые модели удерживают позиции просто за счёт того, что доминируют на ранней стадии внедрения. Другое объяснение, многие сценарии использования настолько сложны, что их пока нельзя полностью заменить дешёвыми аналогами.

Автор материала напоминает, что ещё в сентябре прошлого года писал о риске для передовых лабораторий оказаться в роли поставщика сырья, вроде продавца кофейных зёрен для Starbucks, пока всю добавленную стоимость забирает прикладной слой продуктов. Часть этого прогноза сбылась: вертикальные ИИ-продукты действительно перешли на более лёгкие модели, а экономика стартапов-«обёрток» вокруг чужих моделей осталась примерно стабильной. Но одновременно выяснилось, что передовые провайдеры удержали за собой самое желанное, премиальную цену токена, и в ближайшее время это едва ли изменится. Таким образом, двухуровневая экономика моделей, дорогие передовые для новых задач и дешёвые опенсорсные для отработанных, похоже, становится устойчивой чертой рынка ИИ.

Ключевые факты

• CEO Decagon Джесси Чжан: передовые и опенсорсные модели, не конкуренты, а две фазы одного цикла (передовая модель доказывает сценарий, опенсорсная, масштабирует его)
• По данным Vercel, DeepSeek обрабатывает больше трети токенов на платформе за неделю, но по деньгам на Anthropic по-прежнему приходится свыше половины всех трат
• На OpenRouter DeepSeek V4 Flash лидирует по объёму (5,3 трлн токенов в неделю против 2+ трлн у Opus 4.8), но токен Opus 4.8 стоит примерно в 23 раза дороже, 1,37 доллара за миллион против 6 центов
• Nvidia готовит модель Nemotron, которая может быстро выйти в лидеры за счёт связей компании и гибкости модели
• Вывод автора: двухуровневая экономика, дорогие передовые модели для новых задач и дешёвые опенсорсные для отработанных сценариев, становится устойчивой чертой рынка ИИ

Почему это важно

Материал бросает вызов расхожему тезису «опенсорсные модели убивают бизнес больших ИИ-лабораторий». Реальные данные с двух независимых платформ, Vercel и OpenRouter, показывают, что рост объёма токенов у дешёвых моделей вроде DeepSeek не переводится напрямую в падение доходов Anthropic и других передовых лабораторий: деньги по-прежнему концентрируются у дорогих моделей.

Кому это важно

Инвесторам и руководителям ИИ-лабораторий (Anthropic, OpenAI и других), которым важно понимать устойчивость их бизнес-модели перед лицом бесплатных и дешёвых альтернатив. Также, компаниям вроде Decagon, которые строят продукты поверх чужих моделей и решают, когда переходить на более дешёвые варианты. И провайдерам инфраструктуры (Vercel, OpenRouter), чьи метрики стали источником данных для этого анализа.

Как это применить

Компаниям, выбирающим модели для своих продуктов, стоит разделять две категории задач: новые и ещё не отработанные сценарии, где оправдано платить за передовую модель ради качества и надёжности, и зрелые, повторяющиеся сценарии, которые можно и нужно переводить на более дешёвые опенсорсные модели без потери качества. При оценке рынка ИИ важно смотреть не только на объём обработанных токенов, но и на распределение денежных трат, эти метрики могут расходиться.

Можно ли доверять

Сам Джесси Чжан не привёл данных в подтверждение своей теории, это подано как гипотеза. Автор TechCrunch подкрепляет её собственными выкладками из открытых дашбордов Vercel и OpenRouter, но эти цифры показывают лишь текущий снимок рынка и не доказывают причинно-следственную связь из теории жизненного цикла напрямую; выводы остаются аналитическими, а не строго проверенными.

Риски и подводные камни

Расклад может измениться: появление сильных новых игроков вроде Nvidia с моделью Nemotron способно быстро перекроить рынок. Если передовые лаборатории продолжат поднимать цены (как уже сделал Anthropic), это может ускорить переход клиентов на опенсорсные альтернативы. Устойчивость двухуровневой модели также зависит от того, продолжит ли расти количество новых задач для ИИ, если этот рост замедлится, дорогим моделям будет не на чём компенсировать переход зрелых сценариев на дешёвые аналоги.

«Передовые лаборатории и дальше будут владеть открытием новых сценариев использования. Открытый код будет всё активнее забирать себе продакшен, промышленное внедрение.»

— Джесси Чжан, CEO Decagon