- В статье отмечается, что разрыв между моделями ИИ с открытым исходным кодом и ведущими проприетарными моделями значительно сократился. По мнению многих экспертов, открытые модели отстают по своим возможностям всего примерно на 4 месяца, но при этом стоят примерно в 10 раз дешевле.
- Генеральный директор Apelogic Борис Ренски считает, что предприятия в основном платят за корпоративные функции, такие как управление идентификацией, системная интеграция, мониторинг и маршрутизация, а не за сам потенциал ИИ. Он предупреждает, что подписание долгосрочных контрактов с лабораториями проприетарного ИИ может создать зависимость, аналогичную прошлым лицензиям Oracle.
- Джонатан Брайс, исполнительный директор Cloud Native Computing Foundation, утверждает, что выплата огромных сумм ради технологического преимущества всего в несколько месяцев не является разумной ИИ-стратегией. Он рекомендует компаниям строить свои системы на открытой инфраструктуре, чтобы иметь возможность легко менять модели и аппаратное обеспечение.
- По данным Featherless, открытая модель GLM 5.2 от Z.ai, запущенная на инфраструктуре AMD, позволяет снизить затраты на логический вывод ИИ (inference) примерно на 94% по сравнению с проприетарными аналогами. Для команды разработчиков, использующей около 100 миллиардов токенов в месяц, годовые расходы оцениваются примерно в 90 000 долларов США, тогда как для GPT-5.5 они составляют около 1,56 миллиона долларов, а для Claude Opus 4.8 — около 1,51 миллиона долларов.
- По данным Deloitte, одно из медицинских предприятий израсходовало около 1 триллиона токенов за 6 месяцев, что свидетельствует о том, что затраты на ИИ становятся серьезной проблемой для крупного бизнеса.
- Некоторые разработчики оценивают, что GLM 5.2 обеспечивает качество, эквивалентное или превосходящее Claude Opus 4.8 в задачах технических исследований, алгоритмов и разработки компонентов интерфейса, хотя все еще имеет ограничения в 3D или крупномасштабных проектах.
- Эксперты также отмечают, что многие ведущие открытые модели сейчас создаются в Китае, что поднимает вопросы о конфиденциальности, безопасности и самостоятельном развертывании на внутренней инфраструктуре. При этом реальная стоимость по-прежнему зависит от масштаба внедрения и метода подсчета токенов в каждой конкретной модели.
- В статье делается вывод: по мере того как модели ИИ всё больше превращаются в массовый товар, конкурентное преимущество смещается от самой модели к способности эффективно интегрировать, настраивать и эксплуатировать её внутри предприятия.
- 📌 Заключение: Конкуренция в сфере ИИ смещается от чистой производительности к стоимости и возможности развертывания. Поскольку открытые модели, такие как GLM 5.2, отстают от проприетарных всего примерно на 4 месяца, но способны сократить расходы до 10 раз и более в некоторых сценариях, многие компании начинают пересматривать свои ИИ-стратегии. Тем не менее, такие факторы, как безопасность, конфиденциальность, реальные операционные расходы и качество интеграции, по-прежнему будут определять, какая модель подходит конкретной организации.
