Rynek sztucznej inteligencji przechodzi właśnie najgłębszą zmianę od czasu premiery ChatGPT. Nie chodzi już o to, który model jest najmądrzejszy – lecz o to, który jest najtańszy w użyciu. A odpowiedź na to pytanie coraz rzadziej brzmi: amerykański i zamknięty.
1. Fortune 500 liczy rachunki i szuka wyjścia
Sygnał, że coś się zmieniło, przyszedł z najwyższego poziomu. Werner Vogels, dyrektor techniczny Amazona, powiedział podczas lipcowego szczytu ONZ AI for Good w Genewie, że firmy zaniepokojone rosnącymi kosztami sztucznej inteligencji coraz częściej sięgają po modele open-source jako ekonomiczną alternatywę dla systemów własnościowych.
Skala różnicy tłumaczy tę migrację. Według Justina Summerville’a z OpenRouter modele otwarte i chińskie mogą być „o 60% do 90% tańsze” od wiodących systemów Anthropic i OpenAI. Notatka analityczna Citi jest jeszcze bardziej dosadna: chińskie modele kosztują 18 centów za milion tokenów, podczas gdy średnia dla czołowych modeli własnościowych wynosi 4 dolary.
Za liczbami stoją konkretne, bolesne doświadczenia. Gautier Cloix, szef paryskiego startupu H Company, opowiadał, że jeden z menedżerów pokazał mu miesięczny rachunek za AI opiewający na miliony dolarów. Część firm wprowadza dziś surowe limity wydatków po okresie, w którym zachęcały pracowników do jak najszerszego korzystania z narzędzi AI – praktyki znanej w branży jako „tokenmaxxing”.
„Firmy wydają znacznie więcej niż dawniej” – stwierdził Gil Luria z DA Davidson. „Widząc, jak koszty wymykają się spod kontroli, zaczynają zadawać pytania o efektywność.”
Clément Delangue, współzałożyciel i dyrektor generalny Hugging Face, ujmuje to jeszcze mocniej: era, w której przedsiębiorstwa opierały się wyłącznie na własnościowych interfejsach API, dobiega końca. Platforma hostuje dziś blisko trzy miliony publicznych modeli, a nowe repozytorium powstaje co siedem sekund. Połowa firm z listy Fortune 500 korzysta z Hugging Face do wdrażania modeli prywatnych i otwartych.
Databricks: benchmark, który zmienił decyzję
Najlepszą ilustracją tego zwrotu jest przypadek Databricks. Firma opublikowała wyniki wewnętrznego testu, w którym agenci AI mierzyli się z rzeczywistymi zadaniami inżynierskimi z jej własnej, wielomilionowej bazy kodu. Współzałożyciel Matei Zaharia wyjaśnił, że publiczne benchmarki w rodzaju SWE-Bench są „często nadmiernie optymalizowane” i nie oddają realiów pracy w dużej organizacji.
Wynik? „Wiele modeli, w tym open-source’owych, jest dziś naprawdę konkurencyjnych” – stwierdził Zaharia. Szczególnie wyróżnił się GLM 5.2 od chińskiego Zhipu AI, który dorównał modelom własnościowym przy niższych kosztach. Databricks przyjęło go jako domyślny silnik do kodowania.
Ciekawym wnioskiem z tego samego testu jest ostrzeżenie przed uproszczeniami: cena za token okazała się zawodnym wskaźnikiem rzeczywistego kosztu. Tańsze modele często potrzebowały więcej iteracji i tokenów do wykonania tego samego zadania, co niekiedy niwelowało ich przewagę cenową.
Regulacje jako przyspieszacz
Migrację wzmocniły decyzje polityczne. W czerwcu administracja USA nakazała Anthropic zablokować dostęp nieamerykanom do najpotężniejszych modeli – Mythos 5 i Fable 5 – co skłoniło firmę do ich całkowitego wycofania. Wkrótce potem OpenAI zgodziło się, by rząd zatwierdzał każdego klienta chcącego korzystać z GPT-5.6. Dla klientów korporacyjnych była to lekcja o realnym ryzyku uzależnienia od zamkniętych platform – model, na którym opiera się produkcja, może zniknąć decyzją urzędnika.
2. Mozilla: przepaść skurczyła się do 3%
Ucieczka od modeli zamkniętych miałaby jednak ograniczony sens, gdyby alternatywy były wyraźnie gorsze. Pierwszy raport Mozilli State of Open Source AI, opublikowany w połowie lipca, dowodzi, że ta bariera właśnie zniknęła.
Kluczowe ustalenia raportu:
- Różnica w wydajności między modelami otwartymi a własnościowymi skurczyła się do zaledwie 3%
- Koszty spadły w ciągu trzech lat nawet pięćdziesięciokrotnie
- W czołowym niezależnym indeksie możliwości najlepszy model otwarty osiągał rok temu wynik 22 – dziś osiąga 54, kilka punktów od granicy wyznaczanej przez systemy zamknięte
Raffi Krikorian, dyrektor techniczny Mozilli, przenosi dyskusję z rankingów na grunt praktyczny: „Czy wygra w codziennych przypadkach użycia? Czy wygra w obszarach, na których zależy większości przedsiębiorstw?”
Raport przytacza Pinterest jako studium przypadku – firma miała zaoszczędzić około 10 milionów dolarów w jednym kwartale, wdrażając modele otwarte zamiast zamkniętych alternatyw.
Mozilla przywołuje też badanie obnażające skalę uzależnienia od dostawców: choć około 85% przedsiębiorstw uważało, że jest w stanie zmienić dostawcę AI, tylko około 30% faktycznie zdołało to zrobić, gdy podjęło próbę.
Organizacja nie jest tu bezstronnym obserwatorem – jej prezes Mark Surman buduje coś, co sam nazywa „sojuszem rebeliantów”, a Mozilla przeznacza szacowane 1,4 miliarda dolarów ze swoich rezerw na wspieranie firm i organizacji zgodnych z tą wizją. Krikorian zachowuje jednak ostrożność: „Ta bitwa jest daleka od końca.”
3. Największym wygranym są Chiny
Beneficjentem kosztowej rewolucji nie okazał się jednak zachodni open source, lecz chińskie laboratoria AI.
Skala przejęcia rynku:
- Chińskie modele open-weight odpowiadają za 41% pobrań na Hugging Face – po raz pierwszy wyprzedzając modele amerykańskie
- Na platformie OpenRouter sześć najpopularniejszych modeli pochodzi od chińskich firm (Tencent, Xiaomi, DeepSeek, MiniMax, Z.ai). Claude Opus 4.7 od Anthropic zajmuje dopiero siódme miejsce
- DeepSeek zgromadził blisko 20% udziału w zużyciu tokenów na OpenRouter i utrzymuje pozycję lidera od połowy maja
- Modele chińskiego pochodzenia osiągnęły tygodniowy szczyt na poziomie 46% wolumenu tokenów korporacyjnych na OpenRouter
- Łączny udział Google, Anthropic i OpenAI w ruchu na OpenRouter spadł od stycznia do czerwca z 55 do 33 procent
Rodzina modeli Qwen firmy Alibaba przekroczyła na początku 2026 roku miliard łącznych pobrań na Hugging Face, wyprzedzając Llamę od Mety i stając się najczęściej pobieranym frameworkiem open-source na świecie. Qwen notuje dziś średnio około 1,1 miliona pobrań dziennie i dał początek ponad 200 000 modeli pochodnych. Sam w lutym odnotował 153,6 miliona pobrań – ponad dwukrotnie więcej niż łączna suma kolejnych ośmiu największych graczy, w tym Mety, DeepSeek i OpenAI.
Dystans technologiczny przestał być argumentem. Według Kyle’a Chana z Brookings Institution chińskie modele są dziś zaledwie sześć do dziewięciu miesięcy za czołowymi amerykańskimi systemami granicznymi. A jak zauważa Summerville z OpenRouter: „Nowe modele open-source radzą sobie bardzo dobrze i okazują się wystarczające do wszystkich zadań LLM poza tymi najbardziej złożonymi”.
Efektem jest nowa praktyka korporacyjna. Badania UBS wykazały, że około 60% przedsiębiorstw ograniczyło wydatki na AI, stosując strategie „routingu modeli” – kierując proste zadania do tanich modeli chińskich, a tylko najtrudniejsze do drogich systemów zachodnich.
Reakcja polityczna po obu stronach
Waszyngton zareagował. Komisja ds. Bezpieczeństwa Wewnętrznego Izby Reprezentantów i Specjalna Komisja Izby ds. Chin wszczęły w kwietniu wspólne dochodzenie w sprawie korzystania przez amerykańskie firmy z chińskich modeli AI. Ustawodawcy rozważają federalne zakazy zamówień publicznych, które uniemożliwiłyby agencjom rządowym i ich wykonawcom stosowanie tych rozwiązań.
Co ciekawe, Pekin rozważa własne ograniczenia. Reuters donosił 7 lipca, że chińskie władze spotkały się z czołowymi firmami technologicznymi w sprawie potencjalnego ograniczenia zagranicznego dostępu do najbardziej zaawansowanych chińskich modeli – zarówno zamkniętych, jak i open-weight.
4. Odpowiedź Zachodu: wyścig o cenę, nie o inteligencję
Presja rynkowa wymusiła zmianę strategii u wszystkich największych graczy. W ciągu jednego tygodnia lipca OpenAI, Meta i SpaceXAI Elona Muska wypuściły nowe modele, których głównym atutem nie jest wydajność, lecz efektywność kosztowa.
- OpenAI przedstawiło GPT-5.6 jako model zaprojektowany tak, by wykonywać więcej pracy przy znacznie mniejszym zużyciu tokenów
- SpaceXAI chwali się, że Grok 4.5 ma dwukrotnie wyższą efektywność tokenową niż porównywalne modele
- Meta zapowiada, że ceny modelu Muse Spark 1.1 będą „atrakcyjne”. Mark Zuckerberg mówi o „realnej możliwości zaoferowania inteligencji na poziomie czołówki po znacznie bardziej przystępnej cenie”
Najbardziej wymowna jest zmiana tonu w OpenAI. Sam Altman przyznał w wywiadzie dla CNBC: „Każde przedsiębiorstwo zastanawia się teraz nad wydatkami i wartością, jaką uzyskuje w zamian za AI – i właśnie to chcemy realnie oferować.” To wyraźne odejście od narracji sprzed roku, gdy kierownictwo firmy mówiło publicznie o planach pobierania tysięcy dolarów miesięcznie za subskrypcje najwyższego poziomu.
Presja uderza szczególnie mocno w Anthropic, którego modele Opus i Fable należą – według analiz Artificial Analysis – do najdroższych pod względem kosztu wykonania zadania. Musk wymierzył rywalowi bezpośredni cios, pisząc w mediach społecznościowych, że Grok 4.5 „to model klasy Opus, ale szybszy, bardziej efektywny pod względem liczby tokenów i tańszy”.
Co dalej
Nie wszyscy widzą w tej zmianie zagrożenie. Gavin Baker z Atreides Management określa spadające koszty inteligencji jako jeden z najbardziej optymistycznych sygnałów dla całego ekosystemu AI – malejące ceny tokenów napędzają wykładniczy wzrost użytkowania, a przejście na model cenowy oparty na zużyciu może wywindować roczne przychody OpenAI znacznie powyżej 200 miliardów dolarów.
W tle toczy się jednak spór o coś więcej niż rachunki. „Największym zagrożeniem w AI jest koncentracja władzy” – mówi Delangue z Hugging Face. „Sposób na to, by świat był bezpieczniejszy, to wyrównanie szans i zapewnienie przejrzystości tych modeli.” Podobnie argumentuje Satya Nadella, ostrzegając, że jeśli wiedza płynie tylko w jednym kierunku, wartość ekonomiczna koncentruje się w rękach właścicieli infrastruktury, a nie twórców samej wiedzy.
Kluczowe pytanie brzmi dziś: czy adopcja modeli otwartych wśród przedsiębiorstw przyspieszy na tyle, by trwale przekształcić układ sił w branży – czy też laboratoria własnościowe zdołają dostosować ceny i politykę dostępu, zanim kolejni klienci zdecydują się odejść.