Otwarte modele wygrywają ceną, ale frontier nadal sprzedaje premię za jakość

Nathan Lambert z Interconnects opisuje różnicę między modelami open i closed jako problem ekonomiczny, nie czysto techniczny wyścig. Jego teza brzmi: użytkownicy będą dalej płacić dużo więcej za modele frontier tam, gdzie mała różnica w inteligencji realnie zwiększa wynik pracy.

Lambert zakłada premię tam, gdzie coding agents zmieniają pracę

Tekst wychodzi od obserwacji, że coding agents po progach takich jak Opus 4.5 i Codex 5.2 zmieniają nawyki pracy. Według Lamberta ludzie nie przechodzą na agentów dlatego, że chcą pracować mniej, ale dlatego, że mają wyższy wynik netto przy złożonej pracy poznawczej.

Druga część tezy jest niewygodna dla biznesu API w laboratoriach frontier. Jeśli najlepsze modele są strategiczną przewagą, Lambert oczekuje, że laboratoria będą je chronić, później udostępniać przez API i kierować przede wszystkim do produktów o wyższej marży.

Kupujący AI muszą wiedzieć, gdzie boli drugie miejsce

Dla firm konsekwencja jest praktyczna: nie każde zadanie zasługuje na najdroższy model. Rutynowa klasyfikacja, ekstrakcja lub wewnętrzny asystent mogą lepiej działać na modelu open, który daje niższy koszt i większą kontrolę.

Rachunek zmienia się tam, gdzie model bezpośrednio mnoży pracę drogiego człowieka. Agent programistyczny, który skraca implementację, poprawia testy i trzyma kontekst przez kilka kroków, nie jest wyceniany jak chatbot do FAQ. Tam premia za najlepszy model może być racjonalnym kosztem operacyjnym, nie luksusem.

Słaby punkt tej tezy to wiara w trwałą przewagę inteligencji

Rama Lamberta zależy od tego, czy closed labs dalej będą skuteczniej zamieniać talent, compute, dane, narzędzia i serving w bardziej użyteczne systemy. To brzmi rozsądnie, ale nie jest dowodem. Ekosystem open często rośnie przez komodytyzację tego, co chwilę wcześniej wyglądało na ekskluzywną zdolność.

Wniosek jest bezpośredni. Jeśli różnica między najlepszym i wystarczająco dobrym modelem w danym workflow się zmniejszy, marża przesunie się z modelu do workflow, integracji, dystrybucji i zaufania.

Mocniejszy sygnał niż benchmark: rachunek za pracę

Warto obserwować dwie rzeczy: czy laboratoria frontier opóźniają lub ograniczają dostęp API do najmocniejszych modeli oraz gdzie klienci dobrowolnie płacą wysokie miesięczne rachunki za narzędzia agentowe.

Najmocniejszym sygnałem nie będzie leaderboard. Będzie nim zespół, który po teście tańszego modelu zostawia drogi closed model w produkcji, bo tańszy działa, ale zużywa zbyt dużo ludzkiej uwagi.

Werdykt Lilith

Wojna „open kontra closed” to złudzenie. Prawdziwa scena jest bardziej sucha: CFO patrzy na rachunek za tokeny, a obok programista pokazuje pull request, który inaczej leżałby trzy dni.