Amerykańskie przedsiębiorstwa coraz częściej patrzą poza USA, szukając rozwiązań AI. Gdy chińskie modele open-weight zmniejszają dystans wobec amerykańskich odpowiedników o zamkniętym kodzie źródłowym, coraz więcej firm zaczyna przychylniej patrzeć na chińskie alternatywy — a nowe dane o wydatkach sugerują, że choć skala zmiany jest nadal niewielka, proces już trwa.

Powód jest prosty. „Open weight” oznacza, że podstawowe parametry modelu są publicznie dostępne do pobrania, dzięki czemu firmy mogą uruchamiać systemy na własnej infrastrukturze lub przez platformy zewnętrzne, zamiast polegać wyłącznie na API jednego dostawcy. Daje to przedsiębiorstwom więcej możliwości dostrajania systemów AI, znacząco obniża koszty wdrożenia i generalnie zapewnia większą kontrolę — w tym większą pewność, że ich dane nie zostaną wykorzystane do trenowania potencjalnie konkurencyjnych produktów. Choć Anthropic i OpenAI nadal dominują sposób, w jaki amerykańskie firmy kupują AI, liczby wskazują na zmiany na obrzeżach rynku.

Według najnowszego AI Index firmy Ramp — firma monitorująca wydatki na tokeny i subskrypcje w swojej bazie klientów biznesowych, co daje wyjątkowo bezpośredni wgląd w to, jak firmy faktycznie płacą za AI — udział firm płacących za platformy do obsługi modeli, które dają dostęp do modeli open-source i opracowanych w Chinach, wzrósł w lipcu do 6,1% wszystkich firm wydających na AI, z 4,5% w styczniu 2026.

Zmiana może odzwierciedlać rosnące zainteresowanie przedsiębiorstw modelami open-weight, takimi jak Kimi K3 od Moonshot, który zwrócił uwagę po premierze zarówno jako wyjątkowo duży model open-weight, jak i system osiągający w kodowaniu oraz zadaniach agentowych wyniki bliskie czołowym modelom zamkniętym.

Z.AI, kolejny chiński laboratorium AI, potwierdził w tym tygodniu, że stworzył Ox Alpha, wcześniej anonimowy model, który dobrze wypadał w benchmarkach AI i zebrał entuzjastyczne opinie od deweloperów AI w weekend. Firma zmieniła jego nazwę na GLM-5.3-Flash i podała, że będzie pobierać $0.15 za milion tokenów wejściowych oraz $0.50 za milion tokenów wyjściowych — to kolejna agresywnie wyceniona chińska oferta na rynku, w którym DeepSeek i Moonshot już wywarły presję na ceny konkurentów. Ponieważ dostęp do modeli AI przez API jest sprzedawany w tokenach, takie stawki bezpośrednio przekładają się na koszty działania, a ceny poniżej jednego dolara za milion tokenów czynią obciążenia o dużej skali znacznie tańszymi niż alternatywy z najwyższej półki.

Uważa się też, że Z.ai jest blisko wydania większej wersji GLM-5.3, którą wielu uznaje za potencjalnego konkurenta niektórych najlepszych modeli Anthropic i OpenAI pod względem możliwości cybernetycznych — co mogłoby być wydarzeniem przełomowym, którego wielu obawia się jako początku nowej ery cyberataków napędzanych przez AI, na które branża jest bardzo źle przygotowana (New York Times). Na razie ta debata o bezpieczeństwie współistnieje z komercyjną zmianą, którą pokazują dane Ramp, zamiast ją hamować.

Chiny są obecnie wyraźnie z przodu w wyścigu o modele open-model. Hugging Face ustaliło, że w niemal każdym miesiącu 2026 roku największy i najbardziej zaawansowany model open pochodził z chińskiego laboratorium (State of Open Models). Najważniejsi niedawni amerykańscy konkurenci pochodzili z Thinking Machines Lab, a ostatnio także z Meta — której wcześniejsze wydania Llama pomogły rozpocząć ruch open-weight wśród największych amerykańskich laboratoriów — jednak te amerykańskie premiery generalnie nie dorównały skali Kimi K3 ani jego atrakcyjności dla deweloperów.

Alex Brunicki, partner w Backed VC, powiedział mi, że już obserwuje zmianę w sposobie, w jaki przedsiębiorstwa podchodzą do modeli open-source.

„Widzieliśmy wiele firm… tworzących branżowe modele bazowe z wykorzystaniem modeli open-source, które następnie są bardzo precyzyjnie dostrajane na określonych zestawach danych” — powiedział. „Nie używają one koniecznie modeli frontier do całej wykonywanej pracy. W rzeczywistości korzystają z tych modeli open-source, które są darmowe w użyciu”.

Co najmniej dwie uznane organizacje publicznie przeszły ostatnio na open-source w części swojej działalności. Thomson Reuters poinformował w tym tygodniu, że zbudował wewnętrzny model o nazwie Thomson-1, oparty na Snowdon, systemie opracowanym przez firmę poprzez dostosowanie otwartoźródłowego modelu Qwen od Alibaby.

Model będzie obsługiwał zadania przeglądu dokumentów, które wcześniej wykonywał Claude. W ramach ogłoszenia CTO Joel Hron powiedział, że firmy nie potrzebują coraz większych i droższych modeli, aby osiągać użyteczne wyniki, a rozpoczęcie od solidnego otwartego fundamentu i głębokie wyspecjalizowanie go może zapewnić zdolną AI przy niższych kosztach.

Harvey, firma z sektora legal tech wspierana przez OpenAI, Sequoia i Andreessen Horowitz, także niedawno ogłosiła, że jej nowy model Harvey Tenet został post-trenowany na bazie otwartego modelu Kimi K3 od Moonshot AI i że przewyższył zarówno model bazowy, jak i amerykańskie systemy frontier, w tym Fable 5 i GPT-5.6 Sol, w złożonych zadaniach agentowych w obszarze prawa. Wcześniej Harvey budował swój produkt, dostosowując zamknięte modele od Anthropic, OpenAI i Google.

Główny ekonomista Ramp, Ara Kharazian, napisał, że niedawny wzrost open-source nie osłabił jeszcze bezpośrednio wydatków na OpenAI ani Anthropic. Nowi nabywcy AI nadal wybierają ugruntowane amerykańskie laboratoria; na przykład Anthropic zyskał w lipcu najwięcej wśród firm, zwiększając udział o 1.1 punktu procentowego do 43.5% udziału w rynku, a OpenAI wzrosło o zaledwie 0.23 punktu do 39.7%.

Jednak Fable 5 od Anthropic, uznawany za najbardziej zaawansowany model na rynku — do tego stopnia, że rząd USA na krótko zawiesił dostęp zagraniczny ze względów bezpieczeństwa narodowego — odpowiadał jedynie za 6% tokenów kupowanych przez firmy od Anthropic i 11.4% wydatków na modele Anthropic ogółem, mimo ceny wynoszącej około $10 za milion tokenów, czyli dwukrotnie więcej niż GPT-5.6 Sol od OpenAI.

Dla porównania ten model stanowi 25% tokenów OpenAI i 23% jego wydatków. Kharazian twierdzi, że Fable 5 w praktyce wyznaczył pułap rynku, a firmy nie są skłonne płacić premii za najlepszy model, gdy tańszy jest wystarczająco dobry.

Łącznie dane mogą sugerować, że amerykańskie laboratoria frontier znalazły granicę tego, ile klienci zapłacą za najnowszy i najdroższy model, a open-source może po prostu wchodzić, by wypełnić tę lukę.

Na tym kończymy i przechodzimy do kolejnych informacji o AI.

Beatrice Nolan beatrice.nolan@fortune.com @beafreyanolan

Ten materiał został pierwotnie opublikowany na Fortune.com