Firmy kupują AI, ale niekoniecznie najdroższe modele. Fable 5 przegrywa z GPT-5.6 Sol

Dane z lipcowego indeksu AI firmy Ramp pokazują rozziew między zasięgiem w przedsiębiorstwach a popytem na najdroższe modele. Anthropic pozostawał nieznacznie przed OpenAI pod względem odsetka monitorowanych firm płacących za jego produkty, ale flagowy model Fable 5 cieszył się zdecydowanie mniejszym wykorzystaniem niż GPT-5.6 Sol od OpenAI. 2

Nie oznacza to, że spadły ceny stosowane przez Anthropic, tempo wzrostu przychodów całej firmy albo jej rentowność. Dane Ramp obejmują wydatki i aktywność tokenową ponad 70 tys. przedsiębiorstw korzystających z platformy finansowej tej firmy — nie zaś skonsolidowane sprawozdanie finansowe Anthropic. Ostrożniejszy i lepiej uzasadniony wniosek brzmi: firmy są gotowe kupować narzędzia AI, ale niechętnie płacą najwyższą dostępną stawkę za każdy model klasy frontier.

Fable 5 nie zdobył dużego udziału w pierwszym miesiącu

W pierwszym miesiącu po premierze Fable 5 odpowiadał za zaledwie 6% tokenów kupionych od Anthropic oraz 11,4% wydatków na modele Anthropic w próbie Ramp. Firma zaznaczyła, że badana grupa jest silnie przesunięta w stronę sektora technologicznego, a rzeczywisty poziom adopcji modelu może być jeszcze niższy. 2

Dla porównania GPT-5.6 Sol miał w ofercie OpenAI udział na poziomie 25% tokenów i 23% wydatków. W lipcu Fable 5 wygenerował około 75% wydatków przypisanych do modeli GPT-5.6 Sol. 2

To istotne zestawienie, ponieważ Fable 5 był pozycjonowany jako flagowy model Anthropic, mimo że klienci mogli wybrać tańsze alternatywy. OpenAI podaje, że korzystanie z API GPT-5.6 Sol kosztuje 5 dolarów za milion tokenów wejściowych i 30 dolarów za milion tokenów wyjściowych. 6 Dane Ramp wskazują więc na wrażliwość przedsiębiorstw na cenę, choć same w sobie nie dowodzą, że to właśnie cena była jedyną przyczyną różnicy w adopcji.

Konkurencją nie jest wyłącznie OpenAI

Firmy mogą wybierać spośród kilku warstw infrastruktury AI: drogich modeli własnościowych, tańszych modeli tego samego dostawcy, systemów open source oraz modeli rozwijanych w Chinach. Według indeksu Ramp platformy oferujące modele open source i modele opracowane w Chinach docierały do 6,1% firm korzystających z AI w badanym pomiarze. 2

Dostępność takich opcji zmienia sposób podejmowania decyzji zakupowych. Przedsiębiorstwo nie potrzebuje najpotężniejszego modelu do każdego zadania. Drogi system można zarezerwować do złożonego rozumowania lub procesów o wysokiej wartości, a tańsze modele wykorzystywać do rutynowej klasyfikacji, tworzenia wersji roboczych, ekstrakcji danych, wsparcia programistów czy obsługi klienta.

Rynek dzieli się tym samym na dwie części. Modele frontier konkurują maksymalnymi możliwościami, ale o codziennym wolumenie zastosowań biznesowych decydują także koszt, opóźnienia, niezawodność, zasady dotyczące danych i mierzalny efekt ekonomiczny. Niewielka przewaga jakościowa może uzasadniać dopłatę w krytycznym procesie, ale niekoniecznie przy każdym zapytaniu.

Anthropic nadal miał większy zasięg wśród firm

Wyniku Fable 5 nie należy mylić z ogólną utratą pozycji Anthropic w segmencie przedsiębiorstw. W lipcu 43,5% amerykańskich firm monitorowanych przez Ramp płaciło za subskrypcje lub tokeny Anthropic, w porównaniu z 39,7% w przypadku OpenAI. 2

Udział Anthropic wzrósł w ujęciu miesięcznym o 1,1 punktu procentowego, podczas gdy udział OpenAI zwiększył się o 0,23 punktu. 11 Późniejsze informacje oparte na danych Ramp sugerowały jednak, że w dotychczasowym przebiegu trzeciego kwartału OpenAI rozwijało się wśród amerykańskich użytkowników biznesowych szybciej niż Anthropic, mimo że w lipcu to Anthropic nadal prowadził. 3

Najbardziej uzasadniona interpretacja jest więc następująca: Anthropic miał w tej próbie szerszy zasięg, ale flagowy model OpenAI przyciągał większy względny popyt, a wzrost OpenAI wśród klientów biznesowych przyspieszał. Próba Ramp jest użyteczna, lecz nie stanowi pełnego spisu rynku AI dla przedsiębiorstw. Wyniki należy traktować jako kierunkowe, a nie jako dokładne udziały w całym rynku.

Czego dane Ramp nie mówią o finansach Anthropic

Indeks Ramp nie pozwala ustalić średniej faktycznie uzyskiwanej ceny modeli Anthropic, całkowitych przychodów, marży brutto, marży operacyjnej ani rentowności firmy. Struktura wykorzystania tokenów i aktywność płatnicza nie zastępują zbadanych sprawozdań finansowych.

Dane nie pokazują również, że ogólny wzrost przychodów Anthropic się zatrzymał. Wynika z nich jedynie, że jeden flagowy model wygenerował w obserwowanym miesiącu mniej wydatków biznesowych niż konkurencyjny model flagowy. Anthropic może nadal szybko rosnąć dzięki subskrypcjom, produktom programistycznym, umowom enterprise, tańszym modelom, większemu wykorzystaniu innych modeli Claude albo pozyskiwaniu kolejnych klientów. Porównanie na poziomie pojedynczych modeli nie rozstrzyga tych możliwości.

To rozróżnienie ma znaczenie dla inwestorów. Firma może szybko zwiększać przychody, nawet jeśli cena jej najbardziej zaawansowanego modelu zaczyna napotykać presję. W takim scenariuszu wzrost będzie w coraz większym stopniu zależeć od wolumenu, szerokości oferty, integracji z procesami klientów i ich utrzymania, a nie od pobierania wysokiej premii za każdą interakcję z modelem frontier.

Co to oznacza dla potencjalnego IPO wycenianego na 2 bln dolarów

Reuters informował, że Anthropic prognozuje przychody rzędu 190–200 mld dolarów w 2028 roku. Te liczby mają być brane pod uwagę w dyskusjach na temat potencjalnej wyceny firmy zbliżonej do 2 bln dolarów. 17

Dane Ramp nie obalają tej prognozy, ale pokazują skalę wyzwania wykonawczego. Jeżeli przedsiębiorstwa ograniczają korzystanie z najdroższych modeli, Anthropic będzie musiał osiągnąć taką skalę przychodów dzięki kombinacji kilku czynników:

• znacznie większemu wykorzystaniu modeli;
• masowej adopcji produktów programistycznych i narzędzi do obsługi procesów;
• szerszej dystrybucji w sektorze przedsiębiorstw;
• tańszym modelom generującym dużą liczbę zapytań;
• trwałej przewadze w procesach, w których dokładność przekłada się na wymierną wartość ekonomiczną.

Sama premiera flagowego modelu nie wystarczy. Prawdziwy test komercyjny polega na tym, czy klienci będą korzystać z niego wielokrotnie, na dużą skalę i po cenach zapewniających atrakcyjną ekonomikę produktu.

Lekcja cenowa dla całej branży AI

Dostępne dowody sugerują, że gotowość przedsiębiorstw do wydawania pieniędzy na AI jest realna, ale wybiórcza. Ramp podał, że w lipcu mediana wydatków na AI wśród 1% firm o najwyższych nakładach na te technologie wyniosła 7400 dolarów na pracownika. 7 Duże budżety nie oznaczają jednak, że każda firma wybierze najdroższy model do każdego zadania.

Dostawcy AI prawdopodobnie będą więc rozwijać bardziej zróżnicowane modele cenowe: płatne modele do złożonego rozumowania, tanie systemy do zadań o dużym wolumenie, pakiety dla przedsiębiorstw, poziomy zależne od wykorzystania oraz ceny silniej powiązane z rezultatami biznesowymi. Zespoły zakupowe będą potrzebowały również jasnych dowodów zwrotu z inwestycji, aby uzasadnić przejście od eksperymentów do wdrożeń na dużą skalę.

Dla Anthropic wczesne wyniki Fable 5 są przede wszystkim ostrzeżeniem dotyczącym monetyzacji segmentu premium. Firma nadal prowadziła pod względem adopcji biznesowej w lipcowej próbie Ramp, ale jej flagowy model nie zdobył proporcjonalnego udziału w wykorzystaniu przez przedsiębiorstwa. To problem produktowo-cenowy, którym można zarządzać — jednak staje się on znacznie ważniejszy, gdy oczekiwania dotyczące przyszłej wyceny opierają się na wyjątkowo szybkim wzroście przychodów. 2