Ekonomika API-based proprietárních modelů se při škálování stává bolestivou. Podnik zpracovávající 100 milionů tokenů denně přes proprietární API může utrácet přes 500 000 dolarů měsíčně. Stejný objem práce na vlastních open-source modelech stojí zlomek, i když započítáme režii na infrastrukturu a inženýry . Tento finanční tlak je hlavním spouštěčem změny – dvě třetiny organizací v jednom průzkumu uvedly, že nasazení open-source AI je levnější než proprietární
.
Nástroje jako OpenRouter a podobná AI tržiště se stala výchozí podnikovou architekturou. Umožňují firmám přiřadit každý úkol tomu nejlevnějšímu dostačujícímu modelu a drahá prémiová API využívat jen na nejsložitější práci. Tento přístup turbo-charge úspory a přímo pohání dramatický posun směrování tokenů k open-source možnostem . Výsledkem je meziroční pokles ceny tokenů z 18,40 dolaru za milion v Q1 2025 na 6,07 dolaru v Q1 2026
.
Kvalitativní argument pro placení prémií za proprietární modely výrazně zeslábl. Do konce roku 2025 se rozdíl v benchmarku MMLU mezi open-source a proprietárními modely zúžil ze 17,5 procentního bodu na pouhých 0,3 – což efektivně uzavřelo mezeru v benchmarku obecných znalostí . Na LMSys Chatbot Arena je rozdíl nyní v řádu desítek Elo bodů, u některých metrik dokonce v rámci statistické chyby
.
Přední čínské modely se staly měřítkem hodnoty. DeepSeek-V3.2 se v benchmarku vyrovná GPT-5.1 za desetinové náklady na inferenci . V agentním výkonu model GLM-4.7 porazil všechny proprietární modely v benchmarku τ²-Bench
. Tato výkonnostní parita znamená, že pro naprostou většinu podnikových případů užití – podle některých analytiků až 80 % – nyní open-source modely poskytují srovnatelné nebo lepší výsledky
.
Vyprávění už není jen o open-source vs. proprietární; stále více jde o soupeření USA vs. Čína v oblasti open-source. Čínští vývojáři agresivně přijali strategii distribuce s otevřeným zdrojovým kódem, aby podpořili globální přijetí, a funguje to.
Tento příval schopných a levných modelů zásadně mění globální dodavatelské řetězce AI a ekonomické úvahy podniků po celém světě.
Výhody přechodu jsou ohromující a vícerozměrné.
I po započtení provozní režie vlastního hostingu je zátěž 100 milionů tokenů denně na open-source o 55 % levnější a při 1 miliardě tokenů denně úspora stoupá na 81 % .
Tento posun vytvořil existenciální krizi pro průkopníky éry proprietární AI. Jak podniky hlasují svými peněženkami, OpenAI a Anthropic jsou pod tlakem ze všech stran.
Wall Street Journal a Bloomberg informovaly o eskalující cenové válce mezi oběma společnostmi . Sam Altman připustil, že náklady jsou pro zákazníky „obrovský problém“, a OpenAI údajně zvažuje drastické snížení cen tokenů, aby čelila Anthropicovu tempu v podnikové sféře
.
Obě společnosti se v druhé polovině roku 2026 chystají na vstup na burzu . Ústředním rizikem je, že stlačování marží kvůli konkurenci s open-source a čínskými alternativami podkope jejich schopnost udržet masivní investice do infrastruktury, které jsou nezbytné pro udržení náskoku na hranici možností
. Analytik z D.A. Davidson poznamenal, že současná tempa růstu nemusí být udržitelná, jak se mění výdajové prostředí
.
Budoucnost podnikové AI není binární volbou mezi otevřeným a uzavřeným. Data naznačují, že hybridní architektura se stává novým standardem. Podniky budou používat proprietární modely pro rizikové, značkově exponované nebo právně regulované pracovní postupy, kde jsou záruky a SLA nevyjednatelné . Pro nákladově citlivé dávkové zpracování, tvorbu obsahu ve velkém objemu a nasazení na vlastních serverech se open-source modely – zejména ty z Číny – stanou výchozí volbou
.
Strategické ponaučení pro každého obchodního lídra je jasné: éra placení prémií za schopnosti AI končí. Jakákoli strategie AI, která nezohledňuje klesající náklady a rostoucí kvalitu open-source modelů, je již zastaralá.