Open source захватывает объём — деньги остаются у Anthropic

CEO компании Decagon Джесси Чжан на этой неделе поднял острый вопрос: зрелые AI-проекты всё чаще переходят на более лёгкие модели, однако общие расходы на дорогостоящие frontier-модели почти не снижаются. Это на первый взгляд противоречие — но данные его объясняют. По данным дашборда Vercel AI Gateway (инфраструктурный прокси для AI-запросов), за последнюю неделю DeepSeek вышел в лидеры по объёму токенов, обрабатывая свыше трети всего трафика платформы. Z.ai — лаборатория, стоящая за моделью GLM-5.2 — за тот же период уверенно вошла в топ-4.

⚠ Но деньги — не токены
Объём токенов и реальные траты — это разные метрики. Дешёвые модели могут обрабатывать миллиарды токенов, при этом принося лишь малую долю выручки платформы.

При этом по фактическим расходам Anthropic по-прежнему занимает больше половины всего AI-бюджета на платформе. Доля немного снизилась за последний месяц — отчасти из-за роста цен самого Anthropic — но не существенно.

Цифры: разрыв в цене на токены

OpenRouter — агрегатор с более широкой аудиторией — фиксирует аналогичную картину: DeepSeek V4 Flash обрабатывает 5,3 трлн токенов в неделю, тогда как самая популярная frontier-модель Opus 4.8 — чуть более 2 трлн. Средняя стоимость токена у Opus 4.8 примерно в 23 раза выше, чем у V4 Flash ($1,37 против $0,06 за миллион токенов), — а значит, большая часть денег всё равно оседает у Anthropic.

МодельТокенов в неделюЦена за 1M токеновДоля в расходах
DeepSeek V4 Flash5,3 трлн~$0,06~1%
Anthropic Opus 4.8~2 трлн~$1,37бо́льшая часть
Z.ai GLM-5.2рост x27 за неделю~в 5 раз дешевле Opusнезначительная

По данным OpenRouter, open source-модели из Китая обходятся на «60–90% дешевле», чем ведущие модели Anthropic и OpenAI.

ℹ Данные Vercel AI Gateway
Anthropic продолжает лидировать по расходам — 65% всего бюджета через Gateway в мае, и 70–80% расходов во всех высокоставочных сценариях использования.

Два уровня рынка: теория жизненного цикла

Чжан предлагает новый способ думать о соотношении frontier- и open source-моделей: они не конкуренты. Дорогие frontier-модели используются, чтобы проверить и обкатать сценарии применения, после чего зрелые use-кейсы передаются более дешёвым open source-альтернативам. Пока старые задачи переходят на лёгкие модели, появляются новые — и общий спрос на frontier-модели почти не падает.


graph LR
    A[Новый use-case] --> B[Frontier-модель\nAnthropic / OpenAI]
    B --> C{Задача отработана?}
    C -- Да --> D[Open source-модель\nDeepSeek / GLM-5.2]
    C -- Нет --> B
    D --> E[Экономия бюджета]
    A2[Следующий use-case] --> B
    style B fill:#5B4FBE,color:#fff
    style D fill:#2E7D32,color:#fff

«Frontier-лабы будут и дальше владеть открытием новых возможностей. Open source будет всё больше владеть продакшном.» — Джесси Чжан, CEO Decagon

Именно это и объясняет устойчивость двуярусной экономики: одни и те же корпоративные клиенты используют и Claude Opus для сложных задач, и Gemini Flash — для дешёвых высокообъёмных операций. Расходы следуют за высокоставочными вызовами, а объём — за дешёвыми.

Реальный рынок: компании уходят, но деньги остаются

Показательный пример: CEO AI-стартапа Lindy Флоэ Кривелло перевёл 100% трафика компании с моделей Anthropic Claude на DeepSeek — и затраты резко упали. По его словам, это позволит сэкономить компании миллионы долларов.

При этом миграция заняла от шести до девяти месяцев оценки, поэтапного запуска и переработки промптов. «В 100 раз больше работы, чем мы думали», — признал Кривелло.

📝 Почему миграция — это не просто смена ключа API
Переход с одного AI-провайдера на другой требует серьёзной переработки промптов, тестирования на собственных бенчмарках и постепенного роллаута. Именно это и сдерживает массовый отток от Anthropic.

По мнению аналитика Brookings Кайла Чана, китайские AI-модели особенно привлекательны для американских компаний сейчас, когда затраты на AI растут: если раньше компании выбирали модели не глядя на цену, то теперь они становятся гораздо внимательнее к стоимости.

Контекст: Anthropic растёт вопреки давлению

По последним данным, Anthropic фиксирует revenue run rate на уровне $47 млрд — против $30 млрд ранее в этом году и $10 млрд по итогам прошлого года. Более 500 компаний тратят на платформу Claude свыше $1 млн в год, а восемь компаний из Fortune 10 являются клиентами.

Доля токенов, которые американские компании отправляют в китайские AI-модели через OpenRouter, не опускается ниже 30% каждую неделю начиная с 8 февраля — тогда как средний показатель за прошедшие 12 месяцев составлял лишь 11%, а в первой половине 2025 года — всего 4,5%.

💡 Что это значит для разработчиков
Оптимальная стратегия в 2026 году — model routing (маршрутизация запросов между моделями): отправлять дорогостоящие, качественно-критичные задачи во frontier-модели вроде Claude, а массовые, рутинные операции — в дешёвые open source-альтернативы. Это уже практика, а не теория.

Итог

Открытые модели отбирают объём трафика — но не деньги. Пока рынок AI-задач растёт быстрее, чем open source успевает их «поглощать», frontier-лабы вроде Anthropic сохраняют позиции на самом прибыльном уровне рынка. Команды отправляют дешёвую, высокообъёмную работу в low-cost модели и используют frontier там, где важнее всего качество. Это двухуровневое равновесие может стать устойчивой чертой AI-экономики на годы вперёд — но лишь до тех пор, пока open source не догонит frontier по качеству в high-stakes задачах.