71.5% من الرموز و23% من الفاتورة: دفتر سبتمبر لبوابة واحدة

بوابة واحدة، شهر واحد، نسبة غير مريحة

نشرت Vercel في 15 أكتوبر مؤشر AI Gateway للإنتاج، ويغطي حركة سبتمبر. الرقم الرئيسي يسهل فهمه خطأ: نماذج الأوزان المفتوحة عالجت 71.5% من الرموز التي مرت عبر البوابة، واستهلكت نحو 23% من الإنفاق.

إن قرأته بسرعة يبدو انتصارًا لنماذج الأوزان المفتوحة. وإن قرأته بتمعن يقول شيئًا أنفع. مقابل كل دولار يُنفق على نموذج مغلق، اشترى نحو ثلاثين سنتًا ثمانية أضعاف الرموز. الحجم والمال انفصلا، وهذا الانفصال هو القصة كلها.

نبدأ بالتحفظات المعتادة لأنها مهمة. هذه بوابة شركة واحدة، تنقل عشرات التريليونات من الرموز بين تطبيقات الإنتاج والمختبرات. وعملاء المؤسسات لدى المختبرات الكبرى كثيرًا ما يستدعون تلك الواجهات مباشرة، لذا تقلل البوابة من عدّهم. والإنفاق مُقدَّر بأسعار القائمة، والفواتير الحقيقية فيها خصومات. وVercel تبيع البوابة نفسها، أي أنها تصحح امتحان عملها. خذ هذا كعينة جيدة لما تفعله الفرق متعددة النماذج، لا كإحصاء شامل للسوق.

النموذج الرخيص ليس اتجاهًا، بل نموذج واحد

أوضح جملة في التقرير تتعلق بـ DeepSeek-V4.1-Flash: عالج ما يقارب نصف رموز سبتمبر كلها، ولم يمثل سوى 2.6% من الإنفاق. وكان سعره لكل رمز نحو خُمس متوسط نماذج الأوزان المفتوحة.

هذه الجملة وحدها تعيد تأطير نسبة الـ71.5%. فليس الأمر مدًّا عريضًا من النماذج المفتوحة تستولي على الإنتاج. جزء كبير منه نموذج رخيص جدًا يقوم بعمل ضخم جدًا. وإن كنت تبحث عن درس من هذا المؤشر، فالدرس عن توجيه المهام، لا عن أيديولوجيا الترخيص.

جانب المال محدد بالقدر نفسه. ارتفعت حصة إنفاق نماذج الأوزان المفتوحة من نحو 5% في يونيو إلى قرابة الربع في سبتمبر، أي أكثر من أربعة أضعاف انطلاقًا من قاعدة صغيرة. لكن نحو ثلثي هذه الزيادة جاء من نماذج مفتوحة مكلفة، في مقدمتها Kimi K3، وكل منها يكلف أربعة أضعاف متوسط النماذج المفتوحة لكل رمز على الأقل. النماذج الرخيصة تصنع الحجم، والنماذج المكلفة تصنع الإنفاق. وهذا صحيح داخل فئة الأوزان المفتوحة، لا بين المفتوح والمغلق فقط.

تراجعت حصة Anthropic من إنفاق البوابة من 63.7% إلى 43.9%، أي دون النصف للمرة الأولى. القراءة المغرية أن Anthropic خسرت أعمالًا. لكن التقرير يقول العكس: إنفاق النماذج المتقدمة تضاعف عشر مرات منذ ديسمبر. فـ Anthropic تكسب مالًا أكثر من شريحة أصغر في فطيرة أكبر بكثير. هكذا يبدو فقدان الحصة في سوق ينمو 13 ضعفًا بينما يهبط متوسط السعر لكل رمز 47%.

تبديل النموذج صار عادة شهرية

غيّر نحو فريق من كل فريقين النموذج الأكثر استخدامًا لديه في سبتمبر. وغيّر قرابة واحد من كل ثلاثة المختبر الأكثر استخدامًا، وهو ما يصفه المؤشر بالرقم القياسي. والرقمان يرتفعان خمسة أشهر متتالية.

هذا غريب في برمجيات المؤسسات. فخيارات البنية التحتية عادة تتحجر. أما خيارات النماذج فتفعل العكس، ويقدم التقرير تفسيرًا آليًا: الفرق التي عالجت مليار رمز على الأقل منذ ديسمبر استخدمت 42 نموذجًا مختلفًا في المتوسط. والفرق التي عالجت بين عشرة ملايين ومئة مليون استخدمت 15 في المتوسط. وحتى الفرق الصغيرة تشغّل خليطًا.

السبب ممل وصحيح. للمهام المختلفة منحنيات سعر وجودة متباينة تباينًا هائلًا. فتصنيف تذكرة دعم، واستخراج حقول من فاتورة، وكتابة الاعتذار الذي سيقرأه العميل: ثلاث مشكلات مختلفة لم يكن ممكنًا يومًا أن يحلها النموذج نفسه بالسعر نفسه.

أما الأثر التشغيلي فأقل مملًا. إذا كان اسم النموذج مكتوبًا يدويًا في ثلاثين موضعًا داخل تطبيقك، فكل تغيير في السعر يعني إعادة بناء. وإذا كان خلف طبقة توجيه مع تقييماتك الخاصة، فهو تغيير إعداد. ونصف أقرانك يعيدون تحديد نموذجهم الافتراضي كل شهر. والفرق القادرة على التصرف دون دورة عمل كاملة هي التي تلتقط الوفر.

الفجوة بين التبني والإيراد

إطلاقان في سبتمبر يوضحان الفكرة أفضل من أي رسم بياني.

وصل Jev، وهو نموذج قرارات من TypeSafe AI، إلى 35.3% من الفرق المدفوعة خلال أسبوعين، وهو أسرع تبني في تاريخ البوابة، ونحو ضعف صاحب المركز الثاني Claude Sonnet 5.5 عند 18.1%. وفي الفترة نفسها لم يأخذ سوى 0.27% من الإنفاق. إنه نموذج مبني للقرارات السريعة: رخيص وسريع وخفيف على الرموز. جرّبه كثير من الفرق، ولم يكن ليكون مكلفًا أصلًا.

أما Opus 5.5 فسار في الاتجاه المعاكس: أكثر من دولار من كل عشرة في البوابة خلال أسبوعيه الأولين، وهي أكبر حصة إنفاق بين إطلاقات سبتمبر.

ومعًا، يصفان سوقًا من طبقتين لا علاقة لها بالمفتوح مقابل المغلق. الطبقة الأولى استدعاءات عالية التكرار ومنخفضة المخاطر، ويفوز فيها من يكلف أقل لكل إجابة صحيحة. والطبقة الثانية استدعاءات منخفضة التكرار وعالية المخاطر، ويدفع الناس فيها مقابل النقاط الأخيرة من الجودة. ويمكن لمورّد أن يهيمن على طبقة ويغيب تمامًا عن الأخرى، وكلتاهما يمكن أن تكون عملًا صحيًا.

تفصيل الصين الذي لا أحد يضعه في العنوان

نحو 70% من إنفاق البوابة في سبتمبر على نماذج مطورة في الصين مرّ عبر مزودين مقرهم الولايات المتحدة، مقابل أقل من 10% في ديسمبر. وبشكل تقريبي، مرّ نحو 2.50 دولار عبر مزودين أمريكيين مقابل كل دولار واحد عبر مزودين صينيين.

هذه حقيقة توجيه مُلبَّسة ثوبًا جيوسياسيًا. فالمؤسسات تريد سعر نموذج صيني مفتوح الأوزان، مع الفوترة وزمن الاستجابة وسياسة التعامل مع البيانات التي يوفرها مزود أمريكي. والبوابة موجودة تحديدًا لجعل هذا المزيج ممكنًا، والمال تبع المزيج لا العلم.

ويعني هذا أيضًا أن رواية "النماذج المفتوحة تفوز" تصبح معقدة حسب من تسأل. فقد تكون الأوزان صينية، وقد تكون الفاتورة أمريكية، والفريق الذي يتخذ القرار على الأرجح ليس في أي من المكانين.

ماذا تفعل بهذا

ثلاثة أشياء، ولا واحد منها يحتاج رأيًا في الأوزان المفتوحة.

ضع وسمًا لمهمة كل استدعاء ذكاء اصطناعي. لا يمكنك توجيه ما لا تراه. فمعظم الفرق لديها إحساس تقريبي بالميزات الأكثر تكلفة، ولا يكاد يكون لديها أي إحساس بالاستدعاءات الأكثر تكلفة داخل تلك الميزات.

سعّر مهامك الثلاث الأولى مقابل نموذجين لكل مهمة. واحد متقدم وواحد رخيص. ليس على لوحة صدارة، بل على عشرين مثالًا حقيقيًا بإجابات جيدة معروفة. وعشرون تكفي لالتقاط تبديل كسر التنسيق أو أسقط حقلًا دون أن يلاحظ أحد.

افترض أن نموذجك الافتراضي سيتغير خلال ربع سنة. فنصف الفرق في هذا المؤشر غيّرته الشهر الماضي بالفعل. والبناء على هذا ليس هندسة زائدة، بل هو خط الأساس الحالي.

الخلاصة الحقيقية بلا بريق. صار اختيار النموذج قرار شراء يُعاد النظر فيه شهريًا، والفاتورة تتبع الأجزاء الصعبة من العمل لا العلامة التجارية على الواجهة. هذا سوق أصح من سوق قبل عام، وأكثر إزعاجًا بكثير عند التخطيط له.