რატომ არ აზარალებს ღია კოდის მქონე ხელოვნური ინტელექტის პოპულარობა Anthropic-ს... ჯერჯერობით

ორშაბათს Decagon-ის აღმასრულებელმა დირექტორმა, ჯესი ჟანგმა, გამოაქვეყნა პროვოკაციული თეორია სათაურით „ყველა ცდება კორპორაციულ სექტორში ღია კოდის მქონე ხელოვნური ინტელექტის შესახებ“. პოსტი ეხება თანამედროვე AI ეკონომიკის ერთ-ერთ ყველაზე საინტერესო წინააღმდეგობას: მიუხედავად იმისა, რომ უფრო მომწიფებული AI პროექტები შედარებით მსუბუქ მოდელებზე გადადიან (მათ შორის თავად Decagon-შიც), უახლეს და ძვირადღირებულ მოდელებზე გაწეული მთლიანი ხარჯები თითქმის არ იცვლება.

ეს არის ახლებური ხედვა მოწინავე (frontier) და ღია კოდის მქონე მოდელებს შორის ურთიერთობაზე. ჟანგის განმარტებით, ისინი კონკურენტები კი არ არიან, არამედ ერთი და იმავე სასიცოცხლო ციკლის ორ სხვადასხვა ფაზას წარმოადგენენ. ამ მოდელის მიხედვით, ძვირადღირებული მოწინავე მოდელები გამოიყენება ახალი შესაძლებლობების გამოსაცდელად და დასამტკიცებლად, ხოლო მას შემდეგ, რაც კონკრეტული გამოყენების შემთხვევა დაიხვეწება, ის უფრო იაფ, ღია კოდის მქონე ალტერნატივებზე გადადის.

რაც უფრო მეტი ჩამოყალიბებული პროექტი გადადის მსუბუქ მოდელებზე, მით უფრო მეტი ახალი ამოცანა ჩნდება — შესაბამისად, მოწინავე მოდელებზე საერთო დანახარჯები თითქმის არ მცირდება. მიუხედავად იმისა, რომ ჟანგს ბევრი მონაცემი არ მოჰყავს, ამ ტენდენციის დადასტურება სხვა წყაროებითაც მარტივია.

ტოკენების მოცულობა და ფინანსური მაჩვენებლები

Vercel-ის AI Gateway-ს მონაცემები აჩვენებს, რომ მხოლოდ გასული კვირის განმავლობაში DeepSeek-მა ტოკენების მოცულობით ლიდერობა მოიპოვა — ის კომპანიის ინფრასტრუქტურაში გამავალი ტოკენების მესამედზე მეტს ამუშავებს. იმავე პერიოდში მეოთხე ადგილზე გადაინაცვლა Z.ai-მ, რომელიც პოპულარული GLM-5.2 მოდელის უკან დგას.

თუმცა, თუ დანახარჯების (token spend) სტატისტიკას გადავხედავთ, სურათი იცვლება: Anthropic კვლავ ფლობს პლატფორმაზე AI-ზე გაწეული მთლიანი ხარჯების ნახევარზე მეტს. იმის გათვალისწინებით, რომ ბოლო ცვლილებების დიდი ნაწილი Anthropic-ის მიერ ფასების გაზრდით არის განპირობებული, მათი წილი გასულ თვეში ოდნავ შემცირდა, თუმცა არა მნიშვნელოვნად.

ეს მონაცემები ჯერ კიდევ არ მოიცავს ბაზრის ახალ მოთამაშეს, Nvidia-ს Nemotron-ს, რომელიც, სავარაუდოდ, სწრაფად დაიკავებს წამყვან პოზიციებს Nvidia-ს მძლავრი კავშირებისა და თავად მოდელის მაღალი ადაპტაციის უნარის წყალობით. ეს ციფრები სრულად ვერ ამტკიცებს ჟანგის თეორიას AI სასიცოცხლო ციკლის შესახებ, თუმცა აჩვენებს, რომ Anthropic-ის მსგავსი მოწინავე ლაბორატორიები ღია კოდის მოდელების ზრდის გამო ჯერჯერობით არ ზარალდებიან.

ორდონიანი ეკონომიკის პერსპექტივა

ერთ-ერთი ახსნა ისაა, რომ AI-ით გადაჭრადი ამოცანების ბაზარი იმდენად სწრაფად იზრდება, რომ წამყვანი მოდელები პოზიციებს მხოლოდ ადრეული ეტაპის პროექტების ხარჯზე ინარჩუნებენ. როგორც ჟანგი აღნიშნავს: „მოწინავე ლაბორატორიები დარჩებიან აღმოჩენების ეტაპზე, ხოლო ღია კოდი სულ უფრო მეტად დაეუფლება წარმოების (production) პროცესს“.

მეორე ახსნა შეიძლება იყოს ის, რომ მაშინაც კი, როცა კლიენტები ღია კოდის მოდელების გამოყენებას ცდილობენ, ბევრი ამოცანა იმდენად რთულია, რომ მათი სრულად ჩანაცვლება იაფი ალტერნატივებით შეუძლებელია. ნებისმიერ შემთხვევაში, მოდელების ეს ორდონიანი ეკონომიკა შესაძლოა AI ინდუსტრიის სტაბილურ მახასიათებლად იქცეს.

ჯერ კიდევ გასული წლის სექტემბერში არსებობდა ვარაუდი, რომ საბაზისო მოდელების ლაბორატორიები მხოლოდ ნედლეულის მიმწოდებლებად იქცეოდნენ (როგორც ყავის მარცვლების მიმწოდებლები Starbucks-ისთვის), ხოლო ძირითად მოგებას აპლიკაციების შრე მიიღებდა. ამ პროგნოზის ნაწილი გამართლდა: ვერტიკალური AI გადაწყვეტილებები მართლაც გადავიდნენ მსუბუქ მოდელებზე და „GPT wrapper“ სტარტაპების ეკონომიკა მეტ-ნაკლებად სტაბილური დარჩა.

თუმცა, რეალობა აჩვენებს, რომ მოწინავე პროვაიდერებმა შეძლეს ბაზრის ყველაზე სასურველი ნაწილის შენარჩუნება — პრემიუმ ფასი ტოკენებზე. და ეს ვითარება, როგორც ჩანს, უახლოეს მომავალში არ შეიცვლება.