Най-мощният модел невинаги е най-добрият модел за конкретната работа. Тази сравнително проста идея започва да се превръща в сериозен икономически проблем за компаниите, които инвестират десетки милиарди в изграждането на все по-големи системи с изкуствен интелект.

Все повече компании и разработчици използват по-малки и т.нар. open-weight модели за задачи, за които допреди година-две се разчиташе основно на най-големите системи на OpenAI, Anthropic и Google.

Причината е проста: цената.

Разликите при обработването на огромни количества текст могат да бъдат десетки пъти. Публичните цени на доставчиците на AI инфраструктура показват, че някои отворени модели могат да обработват един милион токена за десетки центове, докато най-мощните затворени модели струват няколко или дори десетки долари за същото количество изходен текст.

За отделен потребител това може да изглежда маловажно. За компания, която изпраща милиони или милиарди заявки месечно, разликата бързо се превръща в стотици хиляди евро.

Не всяка работа изисква най-умния модел

Големите модели остават значително по-добри при сложни задачи, които изискват сериозно разсъждение, работа с голям контекст или множество последователни действия.

Но огромна част от реалното корпоративно използване на AI е далеч по-прозаично: класифициране на документи, извличане на информация, обобщаване на текстове, преводи, обслужване на клиенти или генериране на стандартни отговори.

За такива задачи разликата между огромен „frontier“ модел и много по-малка система често не оправдава разликата в цената.

Това постепенно създава нов модел на използване на AI. Вместо всяка заявка автоматично да се изпраща към най-мощния наличен модел, системите могат да определят колко трудна е задачата и да използват евтин модел за лесните случаи, а скъпия само когато действително е необходим.

AI вече може да работи и на лаптоп

Развитието на т.нар. open-weight модели допълнително засилва тенденцията.

При тях компаниите публикуват параметрите на модела и позволяват той да бъде изпълняван върху собствен хардуер. Това не означава непременно „отворен код“ в класическия смисъл, защото данните и методите за обучение често остават недостъпни, отбелязва Международният доклад за безопасността на изкуствения интелект за 2026 г.

Но за потребителя разликата е съществена: моделът може да бъде свален и използван без всяка заявка да минава през сървърите на производителя.

OpenAI например вече предлага open-weight модели от семейството gpt-oss. По-малкият вариант е предназначен именно за работа върху сравнително достъпен хардуер, включително персонални компютри, докато по-големият може да работи върху единичен мощен графичен процесор.

Подобни модели разработват Meta, Mistral, Alibaba и множество други компании.

Наред с цената това носи още едно предимство за бизнеса: чувствителната информация може да остане върху собствените сървъри на компанията, вместо да бъде изпращана към външен доставчик.

По-малко електричество, по-малко чипове

Размерът на моделите има значение и по друга причина.

Работата на най-големите AI системи изисква огромни центрове за данни, скъпи графични процесори и значителни количества електричество. Намаляването на размера на модела или използването на техники като квантизация може радикално да свали необходимия хардуер.

Експерименталното семейство BitNet на Microsoft Research например показва възможност за модели с изключително ниска точност на числовото представяне. Публикувани тестове показват значително намаляване на използваната памет и енергия в сравнение с традиционните модели със сходен размер.

Това не означава, че огромните центрове за данни скоро ще станат излишни. Обучението на най-мощните модели продължава да изисква колосална инфраструктура.

Но може да се окаже, че значително по-малка част от ежедневните AI задачи трябва да стига до тях.

Проблем за бизнес модела на AI гигантите

Именно тук се появява икономическият риск.

OpenAI, Google, Meta, Microsoft и други технологични компании инвестират десетки милиарди в центрове за данни и специализиран хардуер с очакването използването на AI да продължи да расте бързо.

Ако обаче голяма част от това използване се премести към по-малки модели, които работят локално или струват многократно по-малко, броят на заявките може да расте, без приходите на производителите на най-големите модели да растат със същото темпо.

Това не означава непременно край на скъпите модели. По-вероятният сценарий е разделяне на пазара.

Най-мощните системи ще се използват за трудните задачи, при които качеството има достатъчно висока стойност, а огромният поток от рутинни операции ще бъде поеман от по-малки и евтини модели.

Подобна промяна вече се наблюдава и сред самите производители. Наред с водещите си системи OpenAI, Google и Anthropic предлагат по-малки и по-евтини версии именно за приложения, при които скоростта и цената са по-важни от максималната възможна интелигентност.

След години, в които AI индустрията преследваше почти единствено по-големи модели и повече изчислителна мощ, следващата битка може да бъде доста по-прозаична: кой може да свърши достатъчно добре същата работа за най-малко пари.