Anthropic generuje 65% wydatków na Vercel AI Gateway przy 30% udziału w tokenach – koszt na token jest 4,4 raza wyższy niż u konkurencji.

Źródło zdjęcia: The Decoder
Nowe dane platformy Vercel pokazują, jak duży jest dysonans między popularnością a rentownością modeli Anthropic. Firma odpowiada za 65,1 procent wydatków na AI Gateway – usłudze Vercel pośredniczącej w dostępie do modeli językowych – choć generuje tylko 30 procent wszystkich przetworzonych tokenów. Innymi słowy: koszt jednego tokena u Anthropic jest 4,4 razy wyższy niż średnia u wszystkich innych dostawców, a deweloperzy mimo to płacą.
Dane pochodzą z lipcowego podsumowania ruchu na Vercel AI Gateway – narzędziu, przez które firmy programistyczne kierują zapytania do różnych modeli AI, płacąc za realne zużycie. To sprawia, że statystyki Vercel są jednym z rzadkich, bezpośrednich wskaźników tego, ile deweloperzy faktycznie płacą za konkretne modele w praktyce, a nie tylko ile deklarują w cennikach.
Skala rozbieżności między udziałem w wydatkach a udziałem w liczbie tokenów wskazuje, że Anthropic zarabia na każdym pojedynczym użyciu znacznie więcej niż konkurenci. To sytuacja, w której firma nie musi konkurować liczbą przetworzonych żądań – zamiast tego zarabia na premii, jaką klienci są gotowi zapłacić za jakość i renomę jej modeli. Wśród nich Opus 4.8 pozostaje liderem pod względem wydatków na Gateway, a nowy model Fable 5 uplasował się na drugim miejscu z 13,2 procenta udziału.
Fakt, że dziewięć z dziesięciu zespołów korzystających z Fable 5 w lipcu to nowi klienci, Vercel interpretuje jako dowód, że model przyciąga świeżą uwagę rynku i że gotowość do płacenia za modele premium wciąż jest silna. To istotny kontrapunkt wobec wcześniejszych sygnałów firmy płatniczej Ramp, która zwracała uwagę na relatywnie niskie zużycie Fable 5 jako dowód na to, że model może być przeceniony. Obie firmy – Vercel i Ramp – widzą jednak tylko fragment całego obrazu rynku, bo obserwują inne segmenty klientów i inne wzorce użycia.
Ogólny trend na Vercel AI Gateway wskazuje na dynamiczny wzrost skali – wolumen przetworzonych tokenów zwiększył się o 59 procent, a łączne wydatki na modele wzrosły o 37 procent. Jednocześnie średnia cena za token spadła o 13,6 procent, co sugeruje, że firmy coraz częściej wybierają tańsze warianty modeli, mimo że łączny popyt na moc obliczeniową AI rośnie szybciej niż wcześniej.
To zjawisko wpisuje się w szerszy trend rynkowy, w którym dostawcy modeli konkurują na wielu poziomach cenowych jednocześnie – od najdroższych modeli flagowych, takich jak modele Anthropic, po tańsze alternatywy. W lipcowym raporcie Vercel po raz pierwszy widoczny udział w wydatkach na modele open-weight zdobyły xAI i Moonshot, co pokazuje, że rynek modeli otwartowagowych zaczyna przyciągać realny budżet deweloperów, a nie tylko testy i eksperymenty.
Dane Vercel potwierdzają, że Anthropic – niedawno chwaliące się zannualizowanymi przychodami na poziomie 65 miliardów dolarów – potrafi monetyzować swoją pozycję na rynku znacznie efektywniej niż konkurenci, mimo relatywnie niskiego udziału w wolumenie tokenów. Dla deweloperów i firm technologicznych oznacza to trudny wybór między kosztem a jakością: modele Anthropic pozostają droższe, ale utrzymują silną bazę klientów gotowych płacić premię.
Jednocześnie ogólny spadek średnich cen tokenów i rosnący udział dostawców takich jak xAI czy Moonshot sugerują, że presja konkurencyjna na rynku modeli AI narasta, nawet jeśli liderzy segmentu premium – jak Anthropic – wciąż potrafią utrzymać wysokie marże.
Podsumowując, dane Vercel AI Gateway z lipca pokazują dwutorowy rynek: z jednej strony dominację Anthropic w segmencie premium przy zachowaniu wysokich cen, z drugiej – ogólny spadek średnich kosztów i rosnącą konkurencję ze strony tańszych i otwartych alternatyw.

LiquidAI udostępnia modele DSpark dla LFM2.5, przyspieszające wnioskowanie AI nawet 3,18x na GPU i 2,87x lokalnie, bez utraty jakości.

Nowe badanie prezentuje Aegis – system runtime governance, który blokuje ryzykowne akcje agentów AI przed ich wykonaniem, z zerowym wskaźnikiem incydentów w testach.

Nowy benchmark IntegrityBench pokazuje, że modele AI pod presją zawodzą w co trzeciej decyzji kluczowej dla rzetelności badań naukowych.