Opus 5.5 i GPT-6 Luna obniżają ceny zamiast przesuwać granice

Wyścig o najmądrzejszy model zderzył się z ekonomiczną rzeczywistością. Firmy zaczęły eksperymentować z kierowaniem zapytań do mniejszych, tańszych modeli open-weight, ponieważ wdrażanie modeli z najwyższej półki do codziennych zadań okazało się zbyt drogie. Dwa kluczowe ogłoszenia z tego tygodnia pokazują, jak wielcy gracze próbują zatrzymać klientów enterprise.

Cięcie kosztów zamiast oszałamiających benchmarków

Anthropic zaprezentował Opus 5.5, najnowszą wersję swojego konia pociągowego do skomplikowanych zadań opartych na wiedzy i kodowania. OpenAI kontruje za pomocą GPT-6 Sol i Luna, czyli wydajniejszych modeli nastawionych na szybkość. Wspólnym mianownikiem nie jest ogromny skok możliwości, ale spadek cen.

Ostre zniżki zmieniają matematykę dla długo działających agentów

Chociaż benchmarki pokazują, że Opus 5.5 nieznacznie pokonuje niedawno wydany GPT-6 Astra, prawdziwym magnesem jest cennik. Anthropic obniżył cenę tokenów wejściowych i wyjściowych do 4 i 20 dolarów za milion, co stanowi spadek o 20% w stosunku do Opus 5.

Kluczową wiadomością jest obniżenie o 60% kosztów odczytu z pamięci podręcznej do 0,20 dolara za milion tokenów. Ponieważ te operacje stanowią większość kosztów długo działających zadań agentowych, Opus 5.5 daje teraz więcej przestrzeni na iteracyjne rozwiązywanie problemów, które wcześniej pożarłoby budżety.

Tańszy model graniczny nie rozwiąże problemu uzależnienia od dostawcy

Haczyk polega na tym, że tańsze API od najlepszych dostawców może tylko tymczasowo maskować zalety własnej infrastruktury. Klienci nadal budują na zamkniętych interfejsach i brakuje im elastyczności, by przenieść obciążenie na inny model bez przepisywania promptów.

Chociaż Opus 5.5 obiecuje o 30% szybsze generowanie, rzeczywiste operacje w środowisku enterprise pokażą, na ile ta liczba utrzymuje się podczas szczytowych obciążeń i złożonych zapytań.

Adopcja poza opowieścią dostawcy zadecyduje o zmianie

Prawdziwy wpływ zobaczymy, gdy firmy zareagują na te zniżki. Jeśli klienci zaczną porzucać skomplikowane systemy z routerami modeli i wrócą do ślepego korzystania z usług jednego dostawcy ze względu na niższe koszty, to ryzyko Anthropic i OpenAI się opłaciło. W przeciwnym razie obserwujemy tylko taktykę opóźniającą przed nieuniknioną utowarowieniem.

Werdykt Lilith

Zamiast poszukiwania AGI, dostaliśmy wojnę cenową w niższej klasie średniej. Wygrywa ten, kto pierwszy przekona dyrektora finansowego, że tańsze wersje nie wymagają już dedykowanego zespołu do optymalizacji promptów.