Проблема: открытые модели растут — а расходы на дорогие не падают
Картина на рынке выглядит противоречиво. DeepSeek обрабатывает треть всех токенов в инфраструктуре Vercel. На OpenRouter его еженедельный объём — 5,3 триллиона токенов. Казалось бы, эпоха дорогих проприетарных моделей заканчивается.
Но Anthropic по-прежнему генерирует больше 50% всех расходов на той же платформе Vercel. Opus 4.8 стоит $1,37 за миллион токенов против $0,06 у DeepSeek V4 Flash — разница в 23 раза — и его продолжают покупать в промышленных масштабах.
Как это объяснить?
Решение: двухфазная модель жизненного цикла AI-задач
Гендиректор Decagon Джесси Чжан предложил фреймворк, который снимает противоречие. Фронтирные и открытые модели — не конкуренты за одного клиента. Это две фазы одного процесса.
Фаза открытия — компания впервые автоматизирует задачу: квалификацию лидов, генерацию отчётов, поддержку клиентов. Сценарий новый, требования размытые, цена ошибки высокая. Здесь выбирают Claude или GPT-4o — не из лояльности, а потому что качество рассуждений критично.
Фаза производства — воркфлоу отработан, поведение модели предсказуемо, метрики стабильны. Переход на Llama или DeepSeek экономит 80–95% стоимости токенов без потери результата.
Ключевой механизм: пока зрелые задачи уходят в open-source, бизнес открывает новые применения ИИ. Задачи в фазе открытия не иссякают — рынок генерирует их быстрее, чем существующие «созревают».
Результат: устойчивая двухуровневая экономика
Для бизнеса это конкретный фреймворк:
- Начинайте с сильной модели. На этапе тестирования экономия $100 на токенах при неверной архитектуре обернётся $10 000 на переработку.
- Мигрируйте в производстве. Как только воркфлоу работает стабильно 3–4 недели — это кандидат на перевод в open-source.
- Считайте расходы по фазам. Растущий счёт за ИИ — не проблема, если производственная часть уже оптимизирована.
Двухуровневая экономика моделей — не временная аномалия, а структурная черта рынка. Фронтирные лаборатории владеют фазой открытия, открытый ИИ — фазой производства. Оба сегмента растут, потому что растёт общий рынок AI-автоматизации.
Те компании, которые научатся управлять моментом переключения между фазами, получат и качество, и экономику одновременно.