Fable 5-ის ნელი დანერგვა აჩვენებს, რომ კომპანიების მზადყოფნა AI-ში მაღ

ფინანსური სერვისების პლატფორმა Ramp-ის მონაცემებით, ამერიკული კომპანიები Anthropic-ის ახალ მოდელ Fable 5-ს საკმაოდ ნელი ტემპით ყიდულობს. გამოშვებიდან პირველ თვეში Fable 5-ზე Anthropic-ის API-ით შეძენილი ტოკენების მხოლოდ 6% მოდიოდა, ხოლო კომპანიის მოდელებზე დახარჯული თანხის 11,4% შეადგინა. ეს მაჩვენებელი ინდუსტრიის მოლოდინებზე საგრძნობლად დაბალია.

შედარებისთვის, OpenAI-ის ფლაგმანური მოდელი GPT-5.6 Sol ტოკენების 25%-ს და ხარჯების 23%-ს იკავებს. საერთო ჯამში, Fable 5-მა GPT-5.6 Sol-ის შემოსავლის მხოლოდ 75% მოიტანა, მიუხედავად იმისა, რომ ტოკენზე მისი ფასი გაცილებით მაღალია. ეს განსხვავება ბაზარზე მომხმარებელთა მკაფიო პრიორიტეტებს უსვამს ხაზს.

Ramp-ის ეკონომისტი, არა ხარაზიანი, Fable 5-ის ნელ დანერგვას მის მაღალ ფასს უკავშირებს. მოდელი მილიონ შემავალ ტოკენზე $10, ხოლო მილიონ გამავალ ტოკენზე $50 ღირს. ეს ტარიფი ორჯერ აღემატება GPT-5.6 Sol-ისა და Anthropic-ის სხვა ფლაგმანური მოდელების ფასს, რაც კორპორაციულ ბიუჯეტებს ზღუდავს.

ხარაზიანმა განაცხადა: „მოდელის დამატებითი წარმადობა გაორმაგებულ ფასს უბრალოდ არ ამართლებს". მისი შეფასებით, ბაზარზე ახალი ფასობრივი ჭერი ჩამოყალიბდა. ყოველდღიურ სამუშაო პროცესში მცირე უპირატესობის გაზომვა რთულია, რაც ხელოვნური ინტელექტის ინვესტიციის რეალური უკუგების დათვლას საგრძნობლად ართულებს.

ექსპერტები განმარტავს, რომ ბიზნესს უჭირს იმის შეფასება, თუ რა რეალურ ფინანსურ სარგებელს მოუტანს ერთი თაობის მოდელიდან მეორეზე გადასვლა. თუ მოდელის შესაძლებლობები თვალსაჩინო და გაზომვად ეკონომიკურ ეფექტს არ იძლევა, კორპორატიული მომხმარებლები ძვირადღირებულ სერვისებზე უარს ამბობს და ალტერნატივებს ეძებს.

Ramp-ის მონაცემებით, ივლისში ამერიკული კომპანიების 43,5%-მა Anthropic-ის გამოწერები ან ტოკენები შეიძინა, რაც წინა თვესთან შედარებით 1,1%-ით მეტია. OpenAI-ის მაჩვენებელმა 39,7% შეადგინა და მხოლოდ 0,23%-ით გაიზარდა. xAI-ის წილი კი 4%-მდე გაიზარდა, რაც ბაზარზე კონკურენციის გამწვავებაზე მიუთითებს.

ანგარიშის თანახმად, მოწინავე მომხმარებლები, რომელთა ხარჯზეც ლაბორატორიების ზრდაა დამოკიდებული, ღია კოდის მოდელებზე გადადის. ეს სისტემები ფლაგმანურ მოდელებს მხოლოდ რამდენიმე თვით ჩამორჩება, რის გამოც წამყვანი AI კომპანიების ზრდის ტემპი ნელდება და შემოსავლების პროგნოზები მცირდება.

მიუხედავად პრემიუმ მოდელების მიმართ სკეპტიციზმისა, საერთო ხარჯები იზრდება. ივლისში აშშ-ის კომპანიების ტოპ 1%-მა ერთ თანამშრომელზე მედიანურად $7 400 დახარჯა AI-ზე. ტოპ 10%-ში ეს მაჩვენებელი $650 იყო, ხოლო საშუალო კომპანიაში $11,95 შეადგინა, რაც ტექნოლოგიის ფართო ინტეგრაციას ადასტურებს.

კვლევა აჩვენებს, რომ ტექნოლოგიური კომპანიები ცდილობს საკუთარი ბიუჯეტები ოპტიმალურად გადაანაწილოს. ძვირადღირებული მოდელების გამოყენება მხოლოდ რთულ პროგრამულ ამოცანებზე ხდება, მარტივი პროცესები კი უფრო იაფ ან ღია ალგორითმებზე გადადის, რათა ზედმეტი დანახარჯები თავიდან აიცილონ.

ფინანსური ანალიტიკოსები აღნიშნავს, რომ პროგრამული უზრუნველყოფის დეველოპერები ხშირად ირჩევს ჰიბრიდულ მიდგომას. საბაზისო კოდის გენერირებისთვის შედარებით ეკონომიური მოდელები გამოიყენება, ხოლო პრემიუმ სისტემებს მხოლოდ კრიტიკული არქიტექტურული პრობლემების გადასაჭრელად მიმართავს.

ანალიტიკოსები მიუთითებს, რომ ბიზნესის სურვილი, გადაიხადოს მაღალი ფასი ძნელად გასაზომ უპირატესობაში, პიკს მიაღწია. ეს ტენდენცია AI ინდუსტრიისთვის საყურადღებო სიგნალია, რადგან კომპანიების საინვესტიციო მოდელი მზარდ შემოსავლებზეა აგებული და ძვირადღირებული გამოთვლითი ინფრასტრუქტურის შენახვას მოითხოვს.

მომავალ თვეებში წამყვან ლაბორატორიებს მოუწევს გადახედოს საფასო პოლიტიკას ან მომხმარებლებს შესთავაზოს ისეთი ფუნქციები, რომლებიც ბიზნეს პროცესების ავტომატიზაციაში რეალურ ფინანსურ ეკონომიას უზრუნველყოფს. წინააღმდეგ შემთხვევაში, კორპორატიული სექტორი უფრო ეკონომიურ ალტერნატივებზე გადაინაცვლებს.

სტარტაპები და მსხვილი კორპორაციები სულ უფრო მეტ ყურადღებას აქცევს ხარჯების კონტროლს. შედეგად, ბაზარზე კონკურენცია გადაინაცვლებს მოდელების ეკონომიკური ეფექტიანობის დემონსტრირებაზე, რაც ინდუსტრიის განვითარების ახალ ეტაპს განსაზღვრავს.

ინვესტორები ყურადღებით აკვირდება კომპანიების ფინანსურ ანგარიშებს, რათა დაადგინოს, რამდენად მდგრადია AI სექტორის მონეტიზაციის მიმდინარე მოდელი. მომხმარებელთა მოთხოვნების ცვლილება გიგანტებს აიძულებს, პროდუქტების ფასწარმოქმნა რეალურ საბაზრო პირობებს მოარგონ.