Соперничество между Anthropic и OpenAI, двумя ведущими американскими разработчиками ИИ-моделей, не выдерживает никакой критики, если оценивать, кто из них предлагает большую ценность за деньги, потраченные на подписку, согласно исследовательской компании SemiAnalysis.
После изменений в плане подписки OpenAI стоимостью 200 долларов в месяц, которые фактически вдвое снизили ее ценность, SemiAnalysis изучила различные планы подписки, предлагаемые ИИ-компаниями, поскольку это по-прежнему основной способ покупки ИИ-услуг частными лицами и малыми предприятиями.
Подписки на ИИ сильно субсидируются — клиенты получают гораздо больше токенов за свои деньги, чем при оплате по тарифу API. SemiAnalysis утверждает, что необходимо углубляться в ценообразование подписок для финансовой оценки ИИ-компаний, поскольку использование подписок потребляет непропорционально большое количество вычислительных ресурсов компании.
По данным компании, подписки на Claude потребляют около 42 процентов вычислительных ресурсов Anthropic для инференса, генерируя при этом всего 10 процентов выручки. И эти подписки обеспечивают значительную ценность.
“Anthropic предлагает несравненно лучшую сделку, предоставляя примерно в 5 раз большую ценность, эквивалентную API, по всем направлениям”, — утверждает SemiAnalysis, ссылаясь на модели среднего уровня GPT-6.1 Sol и Claude Opus 5.5. “Можно утверждать, что это несправедливо по отношению к [OpenAI], поскольку 6.1 Sol намного дешевле за токен, чем Opus 5.5, но разрыв все равно огромен, даже если сравнивать количество токенов”.
OpenAI не ответила немедленно на запрос о комментарии.
Расчеты SemiAnalysis основаны на измерении скорости вывода токенов, конвертации их в токены за 5-часовой период использования и в месяц, а затем вычислении эквивалентной стоимости API. Исследователи компании утверждают, что эквивалентная стоимость API является лучшим показателем для оценки ценности плана подписки, хотя и допускают, что другие метрики, такие как необработанный объем токенов, могут быть более подходящими в некоторых случаях.
Сравнения на основе API могут медленно учитывать быстро меняющиеся возможности моделей, выходящих на рынок. Появление новой модели с открытым исходным кодом, например, может изменить возможности при определенной цене.
Для тех, кто имеет доступ к планам подписки, субсидированные цены явно предлагают реальную ценность, настолько, что существует подпольный рынок для перепродажи токенов из общих учетных записей подписки во многих частях мира.
Но существуют и другие способы измерения ценности ИИ. Например, Artificial Analysis отслеживает стоимость за задачу — предполагаемую долларовую стоимость выполнения конкретной задачи. По этому показателю GPT-6.1 Sol (0,72 долл. США) намного доступнее, чем Claude Opus 5.5 (5,98 долл. США), по крайней мере, для тех, кто платит по тарифам API. Но это соотношение может быть неверным для разных задач — производительность в бенчмарках может не отражать вашу рабочую нагрузку.
По данным SemiAnalysis, Claude Pro (20 долларов в месяц) предоставляет 2,9 миллиарда токенов в месяц по сравнению с ChatGPT (20 долларов в месяц) с 1 миллиардом токенов в месяц. Однако модели могут использовать больше или меньше токенов для одной и той же задачи, и когда вывод функционален, например, код, ИИ-вывод может достичь аналогичного результата в разных моделях, но с разной степенью эффективности.
Прогнозирование затрат на ИИ становится сложнее для бизнеса, который не может рассчитывать на субсидии по подписке и может не иметь опыта в управлении затратами на ИИ. В июле в отчете McKinsey говорилось, что 93 процента предприятий превысили свои бюджеты на ИИ.
“Я думаю, что все компании видят рост своих расходов на ИИ”, — сказал Дхрув Амин, соучредитель компании по разработке ИИ-агентов Anything, в интервью The Register.
По его словам, с начала года ИИ стал лучше решать определенные бизнес-задачи, и компании начали шире внедрять ИИ, а затем заметили, что их счета за токены резко возросли.
“Лаборатории обычно массово субсидируют свои профессиональные планы за счет ценообразования подписок”, — сказал Амин. “И я думаю, что это часть их маркетинговой воронки, потому что больше людей получают доступ к инструментам, знакомятся с ними, а затем приносят эти инструменты на работу”.
Но для крупных компаний, по его словам, возникают две проблемы. У вас больше сотрудников, чем может быть включено в субсидируемый план, и в больших масштабах затраты быстро растут.
“Огромный способ решения этой проблемы для предприятий — это возможность заставить рабочую нагрузку хорошо работать на передовых технологиях, а затем быстро переключить ее на модель с открытым исходным кодом, которую они контролируют и которую могут обслуживать за гораздо меньшую долю стоимости”, — сказал он.
“И поэтому мы смогли снизить наши расходы на ИИ более чем на 75 процентов, просто переведя их все на Skydive Glide, который является нашим маршрутизатором моделей, который для данной рабочей нагрузки пытается найти эквивалентную модель с открытым исходным кодом, способную справиться с этой рабочей нагрузкой без потери качества. И поэтому сегодня мы запускаем многие из наших рабочих нагрузок на GLM-5.3 Flash”.
Амин сказал, что компании, умеющие управлять затратами на ИИ, поддерживают оценочные бенчмарки, отражающие их рабочие нагрузки. Компании используют эти метрики для тестирования новых моделей по мере их появления в любой используемой ими ИИ-системе, чтобы обеспечить согласованность.
Заглядывая в будущее, он сказал, что ожидает, что компании будут доверять больше этой работы поставщикам услуг.
“Таким образом, если вы развернете агент поверх нас, мы будем фиксировать в фоновом режиме данные о том, как этот агент фактически работает в продакшене”, — сказал он. “А затем мы используем это для построения набора данных для оценки на лету”. ®
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Thomas Claburn
