Закрытые AI-модели захватили почти все бюджеты на рынке
Closed AI models dominate the price-performance frontier
По данным LLM Atlas от Village, доля бюджетов, где лучшую цену за качество даёт открытая модель, упала до 3% — минимум с 2024 года. В июне она составляла 41%: DeepSeek V4 Flash и GLM-5.2 выигрывали у закрытых конкурентов. Но релизы GPT-6 Luna и GPT-6.1 Terra от OpenAI вместе с Claude Haiku 5.5 от Anthropic отобрали эти позиции. Открытые модели побеждают лишь всплесками, а закрытые лаборатории дистиллируют собственные флагманы и выпускают целые семейства.
Открытые модели выигрывают по соотношению цены и качества рывками: сильный и дешёвый релиз, обычно от DeepSeek, захватывает широкую полосу бюджетов, пока следующая закрытая модель не подрежет его.
- 2001zhaozhao
Эти сравнения основаны на цене API? Если да, то подписки OpenAI/Anthropic (которые дают скидку 15-40X на цену модели) превращают сравнение в кровавую баню, ещё больше в пользу закрытых моделей.
- gregwebs
Эти бенчмарки на общий интеллект/возможности не применимы к вашей конкретной задаче. Если вы занимаетесь программированием, вам нужны только бенчмарки для программирования. Я не вижу здесь производительности+цены по этому бенчмарку для программирования. Если посмотреть только на программирование, DeepSeek является оптимальным по Парето для значительной части бенчмарков по программированию.
Например, здесь, хотя даже это очень несовершенно, потому что тестируется только максимальное/сверхвысокое усилие: https://artificialanalysis.ai/agents/coding-agents
Закрытые модели могут быть лучшими универсалами, потому что у них не так много ограничений по размеру, и они происходят из хорошо финансируемых лабораторий, которые могут позволить себе лучше обучать для обобщения. Если фактическая цель модели — быть открытой, то меньше — лучше.
- ddxv
Я думаю, что самое большое раскрытие денег для большинства людей — это просто не использовать самые большие модели. Luna / Deepseek стоят доллар или два в день для программирования. Случайно (или намеренно установив другую модель) и бум — стоимость взлетает. Я думаю, большинство людей могли бы сократить свои бюджеты на 90%, просто выбирая более дешёвые модели большую часть времени.
- tobblegobble
Я просто вставлю свой комментарий из другого поста, так как он применим и здесь, возможно, даже больше.
У меня были действительно отличные результаты с дешёвыми flash-агентами, используя систему, в которой есть родительский агент, который порождает 2 суб-агента. Они остаются активными на протяжении всей сессии и не теряют контекст.
2 суб-агента получают точно такой же промпт и инструменты, как друг у друга, и они независимо отвечают, но перед тем, как ответить родителю, они обмениваются своими находками, которые должны быть подтверждены цитатой, а затем многократно обсуждают свои находки и цитаты, пока не смогут согласиться о правильности всех пунктов. Им также настоятельно рекомендуется никогда не предполагать и всегда проверять с помощью промпта и инструментов, и ограничений, где их можно реалистично обеспечить.
Это сжигает токены, но токены безумно дешёвы с некоторыми из существующих планов. Мог бы Opus одним выстрелом выполнить большинство тех же запросов примерно за 1/4 времени? Да, но для меня это не главное.
DeepSeek Flash для родителя, затем DeepSeek Flash и GLM 5.3 flash в качестве обсуждающих суб-агентов дают лучшие общие результаты в моём опыте.
Для контекста: я в равных частях системный администратор/devops и заставляю их писать программное обеспечение.
- hedora
Без знания того, какая точка какая, это бесполезно.
Допустим, я хочу запустить qwen 27B или flash next на машине, которой владею, от солнечных панелей, которые тоже уже невозвратные затраты.
Как они рассчитали предельную стоимость токена? Амортизация машины + альтернативная стоимость обратного выставления счетов с энергокомпанией?