DoorDash zleca proste zadania chińskiemu Kimi, Airbnb sięga po Qwen, a Siemens testuje jednocześnie DeepSeek i Qwen. Rachunki za sztuczną inteligencję urosły tak bardzo, że nawet duże amerykańskie firmy zaczynają liczyć każdy token.
Kluczowe fakty:
- Według danych platformy OpenRouter, udział tokenów zużywanych przez amerykańskie firmy na chińskich modelach AI utrzymuje się powyżej 30% tygodniowo od 8 lutego 2025 roku, osiągając maksimum 46% – podczas gdy średnia z poprzednich 12 miesięcy wynosiła jedynie 11%.
- Firmy najbardziej zaangażowane we wdrożenia AI wydają średnio około 7500 dolarów miesięcznie na pracownika, a jedna organizacja przypadkowo wydała pół miliarda dolarów w ciągu miesiąca na korzystanie z Claude po tym, jak nie ustawiła limitów.
- DoorDash deleguje prostsze zadania chińskiemu modelowi Kimi K2.6 od Moonshot AI, Airbnb korzysta z modelu Qwen, a Siemens jednocześnie testuje DeepSeek i Qwen.
Jeszcze rok temu wybór modelu językowego dla dużej korporacji sprowadzał się w praktyce do dwóch nazwisk: OpenAI albo Anthropic. Dziś, jak pisze Financial Times, do tej rozmowy wchodzą chińskie laboratoria, a argumentem nie jest ideologia czy geopolityka, tylko zwykły rachunek kosztów.
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Dlaczego nagle wszyscy liczą tokeny
Skala problemu jest prostsza, niż mogłoby się wydawać. Firmy wdrażały agentów AI do coraz większej liczby procesów, inżynierowie uruchamiają po kilka instancji modeli równolegle, a rachunki rosną szybciej niż budżety. Badanie Ramp AI Index, na które powołuje się Yahoo Finance/Futurism, pokazało, że firmy najbardziej zaangażowane we wdrożenia AI wydają już około 7500 dolarów miesięcznie na pracownika. Jedna organizacja przypadkowo wydała pół miliarda dolarów w miesiąc na korzystanie z Claude, po tym jak zapomniała ustawić limity.
W tym kontekście dane z platformy OpenRouter, agregującej dostęp do modeli i śledzącej ich wykorzystanie, robią wrażenie. Jak podaje CNBC, udział tokenów zużywanych przez amerykańskie firmy na chińskich modelach utrzymuje się powyżej 30 procent każdego tygodnia od 8 lutego, z maksimum sięgającym 46 procent. Dla porównania, średnia z poprzednich dwunastu miesięcy wynosiła zaledwie 11 procent, a w pierwszej połowie 2025 roku było to 4,5 procent. To nie jest już eksperyment garstki entuzjastów, to zauważalny przepływ realnego biznesu.
Kto już zmienił dostawcę
Lista firm, które oficjalnie przyznały się do korzystania z chińskich modeli, rośnie z tygodnia na tydzień:
- DoorDash deleguje „prostsze zadania” modelowi Kimi K2.6 od startupu Moonshot AI, rezerwując model Fable od Anthropic wyłącznie do najtrudniejszej pracy
- Lindy przeniosło sto procent swojego ruchu z Claude na DeepSeek V4, co według CEO Flo Crivello ma przynieść firmie oszczędności rzędu milionów dolarów
- Coinbase eksperymentuje z GLM 5.2 i Kimi 2.7 jako domyślnymi modelami w swojej bramce LLM
- Cursor korzysta z modeli Kimi K2.5
- Airbnb i Uber Eats sięgają po Qwen od Alibaby
- Siemens testuje jednocześnie DeepSeek i Qwen
Andy Fang, współzałożyciel DoorDash, napisał na platformie X, że nowa konfiguracja przewyższa wcześniejszy układ oparty wyłącznie na amerykańskich modelach frontier, i to przy niższym koszcie.
„Przedsiębiorstwa mają dziś motywację, żeby przenosić część swoich obciążeń na tańsze modele. Po co płacić premię za Anthropic czy OpenAI, skoro dla dużej części zadań chińskie modele po prostu wystarczają?” / „Enterprises have an incentive to shift some of their workload to cheaper models. Why would you pay a premium for Anthropic, OpenAI models when for a lot of the workloads you need, the Chinese models are generally workable?” — powiedział Financial Times Sam Bresnick, badacz z Center for Security and Emerging Technology na Georgetown University.
Eugene Cheah, CEO platformy Featherless AI, ujął to jeszcze dosadniej, mówiąc FT, że chińskie modele są „słoniem w pokoju”, którego branża wreszcie zaczyna dostrzegać.
Ten trend nie zaskakuje mnie ani trochę, obserwuję go od miesięcy w rozmowach z ludźmi zarządzającymi budżetami IT. Kiedy różnica w cenie tokena sięga kilkunastu, a czasem kilkudziesięciu razy, żaden dyrektor finansowy nie odpuści takiej okazji tylko z sentymentu do amerykańskiej marki. Widzę w tym jednak dwa poważne zastrzeżenia. Po pierwsze, „open-weight” nie oznacza „bezpieczne”. Firma, która hostuje chiński model u siebie, rzeczywiście zyskuje kontrolę nad danymi, ale traci wsparcie producenta i musi sama pilnować aktualizacji oraz luk bezpieczeństwa. Po drugie, część tych modeli ma wbudowane ograniczenia treściowe zgodne z linią Pekinu, co dla niektórych zastosowań korporacyjnych bywa problemem samym w sobie, niezależnie od jakości technicznej. Uważam, że dywersyfikacja dostawców to zdrowy odruch rynkowy, ale nie widzę powodu, żeby traktować to jako prosty wybór między „drogo i bezpiecznie” a „tanio i ryzykownie”. To bardziej skomplikowane równanie, w którym każda firma musi sama zdecydować, które obciążenia nadają się do przeniesienia, a które powinny zostać przy sprawdzonym dostawcy.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Cena, która robi różnicę
Różnica kosztowa nie jest kosmetyczna. Global Times, powołując się na dane OpenRouter z czerwca, podaje, że DeepSeek V4 Flash w najtańszym wariancie kosztuje 0,09 dolara za milion tokenów wejściowych i 0,18 dolara za wyjściowe, podczas gdy GPT-5.5 wyceniany jest na 5 dolarów za wejście i 30 dolarów za wyjście na milion tokenów. Deweloper z San Diego, cytowany przez Rest of World, policzył, że godzinna sesja programowania kosztowała go około 10 dolarów przy Claude i mniej niż 50 centów przy DeepSeek.
Co to oznacza dla polskich firm?
Dla polskich firm ten trend ma dwa oblicza. Z jednej strony to realna szansa na obniżenie kosztów wdrożeń AI, szczególnie dla mniejszych i średnich przedsiębiorstw, które dotąd traktowały automatyzację opartą na dużych modelach językowych jako zbyt drogą zabawkę. Otwarte wagi modeli jak DeepSeek V4 czy Qwen 3.5 pozwalają na hosting lokalny albo w chmurze europejskiej, co w teorii ułatwia rozmowy z inspektorami RODO, bo dane nie muszą trafiać do amerykańskiego dostawcy.
Z drugiej strony dochodzi kwestia bezpieczeństwa i kontroli treści. Modele chińskie mają wbudowane ograniczenia dotyczące tematów politycznie wrażliwych dla Pekinu, a branże regulowane, takie jak bankowość czy sektor publiczny, będą podchodzić do nich znacznie ostrożniej niż startupy szukające oszczędności na fakturach. Warto też pamiętać o sprawie zawieszenia dostępu do modeli Anthropic Fable 5 i Mythos 5 dla użytkowników spoza USA w czerwcu, która pokazała europejskim firmom, że uzależnienie od jednego zagranicznego dostawcy niesie ryzyko regulacyjne niezależnie od tego, czy dostawca siedzi w Kalifornii czy w Hangzhou.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Sygnał ostrzegawczy dla Doliny Krzemowej
Najbardziej wymowny komentarz padł jednak nie w kontekście Chin, tylko własnego podwórka amerykańskich laboratoriów. Aidan Gomez, CEO kanadyjskiego Cohere, powiedział FT, że sprawa zawieszenia dostępu do modelu Mythos była najbardziej namacalnym dowodem na ryzyko, o którym mówił od lat.
„Zawieszenie dostępu do Mythos było chyba najbardziej namacalnym wydarzeniem, ludzie stracili dostęp z dnia na dzień. To pokazuje ryzyko polegania na jednym podmiocie w przypadku jakiegokolwiek obciążenia” / „The Mythos ban was certainly the most tangible event, and people having their access revoked. It exposes the risk of relying on any one single entity for any of your workloads” — powiedział Gomez.
Dla firm spoza USA, które i tak już rozglądały się za alternatywami, ten argument okazał się dodatkowym pchnięciem w stronę modeli, nad którymi mają większą kontrolę, niezależnie od tego, skąd pochodzą.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz materiału agencyjnego Futurism/Yahoo Finance z 13.07.2026, opartego na reportażu Financial Times, a także danych i wypowiedzi cytowanych przez CNBC oraz Global Times. Cytaty Sama Bresnicka i Aidana Gomeza zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych danych o przepływie firm między dostawcami modeli AI.
