Open source bierze tokeny, Anthropic nadal trzyma rachunek

TechCrunch analizuje tezę Jessego Zhanga, CEO Decagon, że open source models w enterprise nie odbierają jeszcze frontier labom głównych pieniędzy. W tym ujęciu drogie modele pomagają sprawdzać nowe use case’y, a tańsze przejmują je dopiero wtedy, gdy eksperyment staje się powtarzalną produkcją.

DeepSeek rośnie w użyciu, Anthropic nadal zarabia na drogim początku

Artykuł opiera się głównie na dwóch sygnałach rynkowych. Według TechCrunch Vercel AI Gateway pokazuje, że DeepSeek przetwarza nieco ponad jedną trzecią tokenów z ostatniego tygodnia, podczas gdy Anthropic nadal odpowiada za ponad połowę łącznych wydatków AI na tej platformie. OpenRouter pokazuje podobny wzór: DeepSeek V4 Flash obsługuje 5,3 biliona tokenów tygodniowo, a Opus 4.8 nieco ponad 2 biliony.

Różnica dotyczy nie tylko popularności, lecz także ceny. TechCrunch podaje średni koszt Opus 4.8 na OpenRouterze na poziomie około 1,37 dolara za milion tokenów, wobec 6 centów dla V4 Flash. To około 23 razy więcej, więc mniejszy udział w tokenach nadal może oznaczać większy rachunek.

Firmy oddzielają odkrywanie od produkcji

Wniosek nie brzmi, że open source przegrywa. Bardziej widać podział pracy. Frontier models pasują tam, gdzie zespół dopiero ustala, co agent albo workflow ma robić. Tańsze modele mają więcej sensu wtedy, gdy zadanie jest opisane, przetestowane i głównie powtarzalne.

Dla product managerów i leadów engineeringu to lepsza rama niż kolejna wojna open source kontra closed source. Praktyczne pytanie brzmi: ile niepewności zostało w zadaniu i ile kosztuje błąd, jeśli model oszczędza w złym miejscu.

Liczby pokazują kierunek, ale nie dowodzą prawa rynku

Teza Zhanga jest zgrabna, ale TechCrunch sam zaznacza, że nie stoi za nią dużo bezpośrednich danych. Vercel i OpenRouter mierzą konkretne wycinki rynku, nie cały enterprise buying. Szczególnie OpenRouter jest słabszym przybliżeniem dużych kontraktów firmowych.

Drugie słabe miejsce to czas. Jeśli open source models poprawią reasoning, tool use i długi kontekst, mogą zacząć przejmować nie tylko produkcyjne tokeny, lecz także drogą fazę odkrywania.

Kluczowe będzie to, gdzie firmy robią pierwszy projekt

Warto patrzeć mniej na benchmarki, a bardziej na migracje. Jeśli zespoły będą regularnie prototypować na Claude albo GPT, a potem przenosić stabilne workflow do DeepSeek, Qwen, GLM albo Nemotron, dwuwarstwowy rynek się umocni.

Jeśli frontier models pozostaną konieczne także w dojrzałej produkcji, open source będzie głównie presją na marże. Rachunki za inference spadną wtedy nie przez rewolucję, tylko przez nudną optymalizację use case po use case.

Werdykt Lilith

Frontier model jest dziś drogim konsultantem przy tablicy, a open source operatorem przy taśmie. Kłopot Anthropic zacznie się wtedy, gdy firmy zauważą, że konsultant tylko czyta wczorajszą instrukcję.