Chińskie modele open-weight: przewaga cenowa jest realna, ale nie wystarcza

Chińskie modele z otwartymi wagami to jedno z zjawisk, które w ostatnich dwóch latach najbardziej zmieniły rynek sztucznej inteligencji. Analiza Banque Lombard Odier, którą przytacza CorCom, przyznaje, że modele te zmniejszyły różnicę w wynikach względem zachodnich odpowiedników przy wyraźnie niższym koszcie. Autorzy ostrzegają jednak, że ich zalety są częściowo przeceniane.

Koszt na zadanie, nie na token

Cena za token nie mierzy rzeczywistego kosztu. Destylacja i dobór modelu najlepiej dopasowanego do pojedynczego zadania mogą zawyżyć koszt ukończonej pracy oraz czas potrzebny na jej wykonanie. Część początkowej oszczędności w ten sposób znika. Obniżki cen zwykle poszerzają adopcję, zamiast zmniejszać wydatki ogółem. To mechanizm znany jako paradoks Jevonsa: tańszy zasób jest zużywany w większej ilości.

Stany Zjednoczone zachowują solidną pozycję dzięki infrastrukturze chmurowej i danym własnościowym. Modele frontier nadal uzasadniają premię cenową przy złożonych zadaniach. W warstwie sprzętowej amerykańska dominacja w zaawansowanych akceleratorach pozostaje głównym czynnikiem przewagi. Chiny nadrabiają obfitością energii i tempem, w jakim uruchamiają dostępną moc obliczeniową.

Konkretny przypadek

Najnowszy przykład pochodzi od DeepSeek. Model V4.1 Flash trafił 10 września 2026 roku do krajowej sieci chińskich superkomputerów i jest dostępny przez API ze strony usługowej modelu. Stosuje architekturę Mixture-of-Experts o 552 miliardach parametrów, z asymetryczną strukturą Causal-Encoder-Decoder oraz 8 miliardami parametrów aktywowanych na wejściu i 16 miliardami na wyjściu. Oficjalna karta modelu podaje redukcję pamięci cache do jednej czwartej zapotrzebowania na HBM i jednej ósmej zapotrzebowania na SSD względem poprzedniej generacji. Cache ma 890 bajtów na token, a kontekst sięga miliona tokenów. Model udostępniono na licencji MIT oraz w formatach kwantyzacji FP8, BF16, GPTQ, AWG i GGUF.

«Najtańszy model to nie ten, który kosztuje najmniej za token, ale ten, który rozwiązuje problem za pierwszym razem» — to reguła operacyjna, która wynika z analizy.

Co pozostaje do zrobienia

Dla firm konsekwencja jest metodologiczna. Warto mierzyć koszty na wynik, a nie na wolumen. Model trzeba oceniać na konkretnym obciążeniu roboczym, a nie na ogólnych benchmarkach. Warto też zachować przenośność między dostawcami, żeby nie zostać związanym, gdy ceny się zmienią. Dostępność modeli z otwartymi wagami jest z tego punktu widzenia ubezpieczeniem od ryzyka zależności.