Roczne przychody Anthropic sięgnęły 65 mld dolarów, ale najnowszy model Opus 5 ma tylko 3,5% udziału w wydatkach klientów wg Ramp AI Index.
Nowe dane finansowe Anthropic i OpenAI, zebrane przez dziennik Financial Times od osób zaznajomionych z sytuacją, rzucają światło na paradoks rynku dużych modeli językowych: firma rośnie finansowo w błyskawicznym tempie, ale jej najnowszy i najbardziej zaawansowany model, Opus 5, ma trudności z przyciągnięciem użytkowników. Dane cytuje bloger Simon Willison, powołując się na analizę Ramp AI Index, opartą na danych rozliczeniowych 70 000 firm korzystających z kart płatniczych Ramp.
Liczby przedstawione przez FT pokazują wyraźny kontrast między skalą biznesu Anthropic a rzeczywistym wykorzystaniem jego flagowego produktu. Roczne przychody firmy skoczyły z 47 mld dolarów w maju do 65 mld dolarów w lipcu – Willison zaznacza, że zbierał podobne historyczne dane wcześniej, śledząc tempo wzrostu spółki. Anthropic twierdzi też, że trzeci kwartał 2026 roku będzie rentowny, opierając się na tej samej metodologii, która wcześniej pozwoliła uznać za rentowny drugi kwartał. Firma podała inwestorom, że ma 6 000 klientów wydających rocznie co najmniej 100 000 dolarów – to wskaźnik silnej pozycji w segmencie enterprise.
Jednocześnie konkurencja nie stoi w miejscu. OpenAI odnotowało w bieżącym kwartale wzrost rocznych przychodów o 35%, przekraczając próg 40 mld dolarów. Za tym skokiem stoi premiera GPT 5.6 w lipcu, która – jak podaje FT – „wstrząsnęła” wynikami firmy po wcześniejszym, słabszym początku roku. Oba przypadki pokazują, że przychody obu liderów rynku LLM rosną szybko, ale mechanizm tego wzrostu wygląda inaczej dla każdej z firm.
Najbardziej intrygującym elementem artykułu jest zestawienie udziału poszczególnych modeli Anthropic w wydatkach klientów, oparte na Ramp AI Index. Ten wskaźnik wykorzystuje dane rozliczeniowe 70 000 firm posługujących się kartami kredytowymi Ramp, co daje realny obraz tego, jakie modele firmy faktycznie wybierają w codziennej pracy, a nie tylko deklarują.
Rozkład wydatków na modele Anthropic w lipcu 2026 roku wygląda następująco:
Willison zauważa, że te liczby są zrozumiałe, biorąc pod uwagę, że Opus 5 trafił na rynek dopiero 24 lipca – nie mógł więc jeszcze zdobyć dużego udziału w całym miesiącu rozliczeniowym. Jednocześnie dane potwierdzają hipotezę, że wysoki koszt modelu Fable ograniczył jego popularność wśród klientów korzystających z kart Ramp, mimo że wciąż zajmuje trzecie miejsce w rankingu. Starszy, tańszy Opus 4.8 pozostaje absolutnym liderem z 28,0% udziału – ponad ośmiokrotnie więcej niż najnowszy flagowy Opus 5.
Ten wzorzec pokazuje, że w praktyce biznesowej cena i sprawdzone doświadczenie użytkowników często przeważają nad samą deklarowaną jakością nowszego modelu. Warto w tym kontekście przypomnieć, że narzędzia do agregacji i wyboru modeli, takie jak własny router modeli AI uruchomiony przez Rampa, pokazują, jak duże znaczenie dla firm ma dziś optymalizacja kosztów przy wyborze konkretnego modelu do danego zadania – co dodatkowo tłumaczy, czemu droższe, nowsze modele nie zawsze wygrywają z tańszymi poprzednikami.
Zestawienie przychodów Anthropic i OpenAI z danymi Ramp AI Index sugeruje, że wzrost finansowy branży AI napędzają dziś w dużej mierze duzi klienci enterprise oraz szeroka baza kontraktów, a nie wyłącznie entuzjazm wobec najnowszych, najdroższych modeli. Fakt, że Opus 5 – uznawany za najlepszy model Anthropic – generuje jedynie 3,5% wydatków w porównaniu z 28% dla starszego Opus 4.8, wskazuje na istotną bezwładność rynku: firmy niechętnie migrują od sprawdzonych, tańszych rozwiązań, nawet gdy dostępna jest nowsza wersja.
Dla obu firm – Anthropic i OpenAI – rosnące roczne przychody (65 mld i ponad 40 mld dolarów odpowiednio) świadczą o utrzymującym się boomie inwestycyjnym w AI, ale jednocześnie pokazują, że sukces komercyjny nie zawsze idzie w parze z adopcją najnowocześniejszej technologii przez klientów płacących za usługi w codziennym użyciu.

Ulanqab w Mongolii Wewnętrznej przyciąga inwestycje DeepSeek, ByteDance i Alibaba, ale rozwój centrów danych AI zderza się z deficytem wody.

AI nie czyta marki jak człowiek – składa ją z rozproszonych śladów cyfrowych, dlatego spójność informacji liczy się bardziej niż SEO.

Badanie opisuje SDAD – ramę procesową łączącą precyzyjne specyfikacje z agentową syntezą kodu i weryfikacją pod nadzorem człowieka.