DeepSeek уже обрабатывает больше трети токенов в инфраструктуре Vercel, но Anthropic при этом все еще забирает свыше половины всех расходов на AI на той же площадке. Для рынка это неприятно простой сигнал: open source AI растет очень быстро, но деньги по-прежнему в заметной степени оседают у поставщиков самых дорогих frontier-моделей. Для русскоязычных команд это важный ориентир при выборе стека: экономия на inference не отменяет спроса на «тяжелые» модели там, где use case еще не устоялся.
На эту развилку, как пишет TechCrunch, обратил внимание CEO Decagon Джесси Чжан. 7 июля он опубликовал пост с довольно провокационным тезисом: рынок ошибается, когда воспринимает open source и frontier-модели как прямых конкурентов в enterprise-сегменте. По его версии, зрелые AI-сценарии действительно мигрируют на более легкие и дешевые модели, в том числе внутри самой Decagon. Но общий чек на самые мощные модели почти не снижается, потому что они продолжают обслуживать следующий цикл экспериментов, пилотов и новых задач.
Логика у Чжана довольно прагматичная и для enterprise даже узнаваемая. Сначала компания берет дорогую frontier-модель, чтобы быстро проверить гипотезу: работает ли AI вообще в поддержке, продажах, документации, аналитике, внутреннем поиске. Когда сценарий становится предсказуемым, его можно переводить на более дешевую open source или просто lighter-модель. Проблема для тех, кто уже приготовился хоронить премиальный слой рынка, в том, что на место каждого «оптимизированного» кейса приходят новые. И именно они снова требуют максимум качества, длинного контекста, устойчивости и минимального числа провалов на проде.
Токены уходят в open source, деньги остаются у frontier
У TechCrunch нет ощущения, что это пока лишь красивая теория без цифр. Издание приводит данные панели Vercel AI Gateway: за последнюю неделю DeepSeek вышел в лидеры по объему токенов и теперь обрабатывает чуть больше трети всего трафика на платформе. Лаборатория Z.ai с моделью GLM-5.2 за тот же период поднялась на четвертое место. Но если смотреть не на токены, а на расходы, картина меняется: на Anthropic по-прежнему приходится более половины совокупных AI-трат на Vercel. Да, ее доля за последний месяц немного просела, и это partly связано с ростом цен самой Anthropic. Но «немного» здесь ключевое слово: бума open source AI оказалось недостаточно, чтобы заметно продавить денежную долю frontier-провайдера.
Похожую картину показывает и OpenRouter, где выборка шире и менее завязана именно на enterprise. Там главный победитель по использованию — DeepSeek V4 Flash с 5,3 трлн токенов в неделю. Самая популярная frontier-модель в этой витрине, Opus 4.8, обслуживает чуть больше 2 трлн токенов. Если остановиться на этой цифре, можно быстро прийти к выводу, что дорогие модели сдают рынок. Но OpenRouter показывает и среднюю цену токена: около $1,37 за миллион токенов у Opus 4.8 против $0,06 у V4 Flash. Разница примерно в 23 раза. То есть при меньшем объеме токенов frontier-модель, вероятно, все равно удерживает львиную долю выручки. В AI-экономике токен давно перестал быть универсальной единицей успеха: важно не только сколько посчитали, но и за сколько продали.
TechCrunch отдельно упоминает и Nvidia Nemotron, который еще не успел полноценно отразиться в этих срезах, но может быстро подняться за счет партнерской сети Nvidia и гибкости самой модели. Это еще один штрих к общей картине. Рынок не движется к простой схеме, где open source всех «декоммодитизирует», а закрытые лаборатории остаются поставщиками без маржи. Скорее формируется двухуровневая система: одни игроки выигрывают в масштабе и цене, другие — в премии за качество на ранней стадии внедрения.
Что это значит для команд, которые считают бюджет
Для разработчиков, продуктовых команд и IT-директоров здесь нет большой идеологии, зато много практики. Если ваш сценарий стабилен, метрики понятны, а требования к качеству уже зафиксированы, переход на более легкую модель выглядит почти обязательным. Иначе CFO задаст неприятный, но справедливый вопрос, зачем вы платите премию там, где задача давно стала рутиной. Но если вы запускаете новый AI-функционал, собираете сложный агентный пайплайн, работаете с длинными цепочками рассуждений или дорогой ошибкой, frontier-модели остаются страховкой от слишком ранней оптимизации. Экономить на inference приятно ровно до того момента, пока продукт не начинает галлюцинировать в самых дорогих для бизнеса местах.
Для стартапов и интеграторов из этого следует еще один неочевидный вывод. История про «обертки над моделями» оказалась не такой короткой, как многим хотелось. TechCrunch напоминает, что еще осенью 2025 года обсуждался сценарий, при котором foundation-лаборатории превратятся в производителей условных «кофейных зерен для Starbucks»: то есть в сырьевой слой, а главную прибыль заберет application layer. Часть этого прогноза действительно сбылась. Вертикальные AI-компании перешли на более легкие модели там, где это возможно, а экономика многих AI-приложений не развалилась. Но самое привлекательное место рынка — премиальная цена токена — frontier-провайдеры пока удерживают. И это меняет правила игры для всех, кто строит бизнес-модель на предположении, что лучшие модели очень скоро станут массовым и дешевым commodity.
Похоже, ближайший этап рынка будет определяться не войной «open» против «closed», а распределением ролей между ними. Frontier-лаборатории, по формуле Чжана, могут и дальше «владеть discovery», а open source AI — все увереннее забирать production. Для бизнеса это означает не выбор лагеря, а сборку портфеля моделей под разные стадии продукта: дорогие — для поиска работающего сценария, дешевые — для масштабирования. Если эта двухэтажная модель закрепится, спор о том, кто кого вытеснит, окажется слишком наивным. Важнее будет другой вопрос: как долго frontier-игроки смогут удерживать премиальную цену, пока open source AI подбирается не только к объемам, но и к качеству. Подробности и исходные цифры собрал .