Największy gigant mediów społecznościowych świata okazał się zbyt zachłanny na zasoby swojego największego rywala. Google ograniczyło Mecie dostęp do modeli Gemini, bo po prostu nie miało wystarczająco dużo mocy obliczeniowej, żeby zaspokoić jej apetyt.
Kluczowe fakty:
- Google ograniczyło Mecie dostęp do modeli Gemini już w marcu 2026 roku, ponieważ nie dysponowało wystarczającą mocą obliczeniową, by sprostać wyjątkowo dużemu zapotrzebowaniu firmy – co spowodowało opóźnienia w wewnętrznych projektach AI Mety.
- Meta wykorzystywała modele Gemini przede wszystkim do automatyzacji moderacji treści na Facebooku i Instagramie – połowa żądań weryfikacji treści przez ludzi została już zastąpiona przez modele językowe, a do końca 2026 roku firma planuje, by AI obsługiwała dziewięć na dziesięć zadań moderacyjnych w wybranych kategoriach.
- 8 kwietnia 2026 roku Meta Superintelligence Labs opublikowało model Muse Spark – pierwszy z nowej rodziny Muse, opracowany po dziewięciu miesiącach przebudowy stosu technologicznego od podstaw.
Brzmi jak absurd z powieści science fiction: firma wyceniana na ponad bilion dolarów, posiadająca własne centrum badań AI i całą rodzinę modeli open source, musiała prosić zewnętrznego dostawcę o więcej tokenów. A dostawca jej odmówił. Tyle że tym dostawcą był Google, a klientem Meta. I obaj są w tym samym biznesie.
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.
Niekomfortowe małżeństwo z konkurentem
Według doniesień „Financial Times” z 29 czerwca 2026, Google poinformowało Metę już w marcu, że nie jest w stanie zapewnić jej pełnej ilości mocy potrzebnej do korzystania z modeli Gemini. Ograniczenia dotknęły też innych klientów Google Cloud, ale Meta ucierpiała najbardziej ze względu na wyjątkowo duże zapotrzebowanie. Wewnętrzne projekty AI w Mecie zaczęły się opóźniać, a zarządzanie zasobami stało się priorytetem. Pracownicy dostali polecenie bardziej oszczędnego korzystania z tokenów AI.
Meta od lat rozwijała własne modele z rodziny Llama jako open source. Ale gdy firmie zależało na jakości w systemach decyzyjnych, sięgała po Gemini. Modele Google okazały się po prostu lepsze do automatyzacji moderacji treści, czyli do jednego z najważniejszych procesów na Facebooku i Instagramie. Połowa żądań weryfikacji treści przez ludzi została już zastąpiona przez modele językowe. Do końca 2026 roku Meta chce, żeby AI obsługiwała dziewięć na dziesięć zadań moderacyjnych w wybranych kategoriach treści.
Kłopot w tym, że uzależnienie od infrastruktury rywala zawsze było strategiczną kulą u nogi.
Muse Spark wchodzi na scenę
Meta nie czekała bezczynnie. 8 kwietnia 2026 roku Meta Superintelligence Labs opublikowało Muse Spark, pierwszy model z nowej rodziny Muse. Przez poprzednie dziewięć miesięcy zespół przebudował od podstaw cały stack technologiczny. Efekt jest wyraźny: Muse Spark zajmuje czwarte miejsce na Artificial Analysis Intelligence Index z wynikiem 52 punktów, zaraz za Gemini 3.1 Pro, GPT-5.4 i Claude Opus 4.6. Dla porównania wcześniejszy model Meta, Llama 4 Maverick, zdobył w tym rankingu 18 punktów.
Model jest natywnie multimodalny, obsługuje narzędzia, wizualne rozumowanie krok po kroku i wieloagentową orkiestrację. W trybie Contemplating wiele agentów pracuje równolegle, co pozwala Muse Spark rywalizować z Gemini Deep Think i GPT-5.4 Pro na wymagających zadaniach naukowych.
Pracownicy Mety dostali już polecenie przestawienia się na Muse Spark, przede wszystkim w obszarze moderacji treści. Według informacji Heise Online, jest też wewnętrzna krytyka: AI robi błędy, blokuje nieszkodliwe treści, a wskaźniki oceny jakości są niewystarczające. Meta temu zaprzecza.
Sytuacja między Google a Metą pokazuje coś, o czym branża rzadko mówi wprost: nawet największe firmy świata nie są odporne na niedobory infrastruktury. Google, które samodzielnie dysponuje jedną z największych sieci obliczeniowych na planecie, odmawia swojemu klientowi dostępu do zasobów i jednocześnie płaci SpaceX 920 milionów dolarów miesięcznie za zewnętrzną moc obliczeniową. To nie jest odosobniony incydent – to sygnał systemowy, który powinien skłonić każdego CTO do refleksji nad tym, jak bardzo jego firma jest uzależniona od jednego dostawcy AI. Dywersyfikacja dostawców przestaje być dobrą praktyką, a staje się warunkiem ciągłości operacyjnej.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Paradoks Google: miliardy na własną infrastrukturę, a i tak brakuje mocy
Google samo mierzy się z kryzysem mocy obliczeniowej. W pierwszym kwartale 2026 roku Google Cloud odnotowało wzrost przychodów o 63% do 20 miliardów dolarów, ale Sundar Pichai przyznał podczas rozmowy z inwestorami, że właśnie niedobór mocy obliczeniowej hamuje jeszcze szybszy wzrost. Zaległości klientów w backlogu chmury niemal podwoiły się kwartał do kwartału i wynoszą 460 miliardów dolarów.
Żeby nadążyć za popytem, Google zawarło w czerwcu 2026 roku umowę ze SpaceX na dzierżawę mocy obliczeniowej za 920 milionów dolarów miesięcznie. Kontrakt obejmuje dostęp do około 110 000 układów GPU Nvidia i trwa od października 2026 do czerwca 2029, co daje łączną wartość ponad 30 miliardów dolarów. Google nazwało to umową mostkującą, tymczasowym rozwiązaniem na czas budowy własnych centrów danych.
Na 2026 rok Alphabet zaplanował wydatki inwestycyjne w wysokości od 180 do 190 miliardów dolarów, w górę z 91,4 miliarda w 2025 roku. To wzrost o ponad 100% w rok. I nawet przy takim tempie nie wystarcza.
Co to oznacza dla polskich firm?
Polska branża technologiczna korzysta z tych samych chmur co Meta. Jeśli Google racjonuje zasoby dla klienta wartości biliona dolarów, małe i średnie firmy, startupy i korporacje budujące produkty oparte na API Gemini powinny zadać sobie kilka pytań:
- Czy mój stos technologiczny opiera się na jednym dostawcy modeli AI?
- Jakie są klauzule w umowie dotyczące dostępności usług i limitów?
- Czy mój produkt przeżyłby tymczasowe ograniczenie dostępu do modelu?
- Czy nie warto rozważyć architektury wielodostawczej jako zabezpieczenia?
Polskie firmy technologiczne coraz częściej integrują modele językowe w procesach krytycznych: obsłudze klienta, automatyzacji dokumentacji, moderacji treści. Ryzyko reglamentacji po stronie dostawcy staje się realnym ryzykiem biznesowym, nie tylko hipotetycznym scenariuszem.
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.
Wyścig zbrojeń infrastrukturalnych trwa
Meta odpowiada na presję własnymi inwestycjami na niewyobrażalną skalę. Na 2026 rok zapowiedziała nakłady od 115 do 135 miliardów dolarów. Do 2028 roku Zuckerberg planuje wydać co najmniej 600 miliardów dolarów na centra danych i infrastrukturę AI w Stanach Zjednoczonych. Flagowe projekty to megazklaster Prometheus o mocy 1 gigawata, który ma ruszyć jeszcze w tym roku, oraz Hyperion w Luizjanie, obiekt o powierzchni ponad 9 kilometrów kwadratowych, z docelową mocą 5 gigawatów i ponad milionem układów GPU.
Anthropic, twórca Claude’a, zawarło podobną umowę ze SpaceX: 1,25 miliarda dolarów miesięcznie za wynajem całej mocy obliczeniowej centrum danych Colossus 1 w Memphis. Wszyscy jednocześnie budują, dzierżawią i rywalizują o te same zasoby.
Niedobór mocy obliczeniowej to dziś bardziej wiążące ograniczenie niż pieniądze, dane czy talenty. Chips, prąd, grunty i chłodzenie stały się walutą wyścigu o sztuczną inteligencję. I tej waluty nie ma teraz dość dla nikogo, nawet dla Mety.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym raportu Financial Times z 29 czerwca 2026 (za pośrednictwem Bloomberg i agencji Reuters), The Next Web, Cybernews, TechCrunch, Heise Online oraz oficjalnego ogłoszenia Meta Superintelligence Labs z 8 kwietnia 2026. Dane dotyczące umowy Google-SpaceX zaczerpnięto z regulacyjnego dokumentu SEC złożonego przez SpaceX 5 czerwca 2026. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji w temacie niedoborów mocy obliczeniowej w branży AI.
