Rynek sztucznej inteligencji stoi w obliczu fundamentalnej zmiany, która jest obecnie powszechnie niedoceniana. Przez długi czas uwaga inwestorów i analityków skupiała się na kosztach trenowania modeli, co doprowadziło do błędnego przekonania, że sukces w tej branży zależy wyłącznie od ogromnych nakładów na infrastrukturę obliczeniową. W rzeczywistości trenowanie modelu to koszt stały, ponoszony jednorazowo. Prawdziwa dynamika ekonomiczna AI rozgrywa się na etapie wnioskowania, czyli codziennego korzystania z modeli przez użytkowników. To właśnie tutaj generowane są marże, które obecnie stanowią fundament biznesowy wiodących laboratoriów AI.
Obecnie firmy takie jak OpenAI czy Anthropic narzucają wysokie ceny za dostęp do swoich modeli przez API. Szacuje się, że marża brutto na kosztach obliczeniowych w przypadku tych usług może sięgać nawet 90 procent. Model biznesowy liderów rynku polega na amortyzacji ogromnych kosztów początkowych poprzez masowe, wysoce zyskowne wnioskowanie. Jeśli jednak na rynku pojawią się alternatywy o jakości dorównującej czołowym rozwiązaniom, cały ten model może ulec załamaniu.
Przełomem w tej dziedzinie może okazać się model GLM 5.2 od Z.ai. Jest to pierwszy model o otwartych wagach, który pod względem jakości dorównuje rozwiązaniom klasy GPT czy Opus. W codziennej pracy różnice między nimi są niemal niezauważalne. GLM 5.2 ma jednak swoje ograniczenia: jest nieco wolniejszy ze względu na intensywny proces „myślenia”, co zwiększa zużycie tokenów, a tym samym koszty. Brakuje mu również obsługi wizji, co utrudnia pracę z dokumentami graficznymi czy zrzutami ekranu, oraz skutecznych narzędzi do przeszukiwania sieci, które są kluczowe w zadaniach agentowych. Mimo to, biorąc pod uwagę tempo rozwoju branży, są to problemy, które prawdopodobnie zostaną rozwiązane w krótkim czasie.
Największym zagrożeniem dla gigantów AI jest łatwość, z jaką użytkownicy mogą przejść na modele o otwartych wagach. Dzięki kompatybilności z interfejsami OpenAI i Anthropic, integracja GLM 5.2 z istniejącymi narzędziami programistycznymi jest banalnie prosta. Koszty zmiany dostawcy są znikome, co sprawia, że firmy nie są już „uwięzione” w ekosystemach największych graczy. W sytuacjach, gdzie kluczowe jest bezpieczeństwo danych, możliwość hostowania modelu we własnej infrastrukturze staje się ogromnym atutem, pozwalającym na pracę z wrażliwymi informacjami, których nie można powierzyć zewnętrznym dostawcom.
Aspekt ekonomiczny jest równie przekonujący. Koszt korzystania z GLM 5.2 oscyluje wokół 4,40 dolara (ok. 17,50 zł) za milion tokenów, co stanowi zaledwie ułamek ceny rynkowej modeli Opus czy GPT 5.5. Nawet przy uwzględnieniu większego zużycia tokenów przez GLM, oszczędności dla większości procesów roboczych przekraczają 50 procent. Co więcej, optymalizacja infrastruktury, na przykład poprzez wykorzystanie układów AMD, pozwala na dalsze obniżanie kosztów wnioskowania.
Wszystko to wskazuje na nadchodzącą erozję marż w branży AI. W sytuacji, gdy jakość modeli staje się towarem dostępnym niemal na wyciągnięcie ręki, przewaga konkurencyjna oparta na wysokich cenach za dostęp do API przestaje być trwała. Dla firm budujących swoje strategie na wysokich marżach, nadchodzący czas może być niezwykle trudny, zgodnie z zasadą, że marża jednego podmiotu jest szansą dla drugiego.
