Корпоративный сектор США все чаще смотрит за пределы Америки в поиске решений для ИИ. По мере того как китайские open-weight-модели сокращают разрыв с американскими закрытыми аналогами, все больше компаний проявляют интерес к китайским альтернативам — и новые данные о расходах показывают, что этот сдвиг, хотя и остается умеренным, уже идет.

Причина понятна. «Open weight» означает, что базовые параметры модели опубликованы и доступны для загрузки, поэтому компании могут запускать такие системы на собственной инфраструктуре или через сторонние платформы, а не зависеть от API одного поставщика. Это дает компаниям больше возможностей для дообучения ИИ-систем, делает внедрение значительно дешевле и в целом предоставляет предприятиям больше контроля — в том числе большую уверенность в том, что их данные не будут использоваться для обучения потенциально конкурирующих продуктов. Хотя Anthropic и OpenAI по-прежнему доминируют в том, как американский бизнес покупает ИИ, цифры указывают на изменения на периферии.

Согласно последнему AI Index компании Ramp — фирма, занимающаяся управлением расходами, отслеживает траты на токены и подписки по своей базе корпоративных клиентов, что дает необычно прямой взгляд на то, как компании фактически платят за ИИ, — доля компаний, оплачивающих платформы model serving, которые дают доступ к open-source и разработанным в Китае моделям, выросла в июле до 6,1% от всех компаний, тратящих на ИИ, по сравнению с 4,5% в январе 2026 года.

Этот сдвиг может отражать растущий интерес предприятий к open-weight-моделям, таким как Kimi K3 от Moonshot, которая привлекла внимание при запуске как необычно крупная open-weight-модель, при этом демонстрировавшая кодирование и agentic-производительность, близкую к ведущим проприетарным системам.

Z.AI, еще одна китайская ИИ-лаборатория, на этой неделе подтвердила, что создала Ox Alpha — ранее анонимную модель, которая хорошо показывала себя в ИИ-бенчмарках и получила восторженные отзывы от разработчиков ИИ в выходные. Компания переименовала ее в GLM-5.3-Flash и сообщила, что будет брать $0.15 за миллион входных токенов и $0.50 за миллион выходных токенов — еще одно агрессивно дешево оцененное китайское предложение на рынке, где DeepSeek и Moonshot уже оказали давление на цены конкурентов. Поскольку доступ к ИИ-моделям через API продается по токенам, такие ставки напрямую определяют операционные расходы, а стоимость ниже одного доллара делает высоконагруженные сценарии значительно дешевле, чем у frontier-альтернатив.

Считается, что Z.ai также близка к выпуску более крупной версии GLM-5.3, которую многие считают способной соперничать с лучшими моделями Anthropic и OpenAI по кибервозможностям — потенциально это может стать переломным моментом, который, как опасаются многие, откроет новую эру кибератак с использованием ИИ, к чему отрасль крайне плохо подготовлена (New York Times). Пока что эта дискуссия о безопасности сосуществует с коммерческим сдвигом, который отражают данные Ramp, а не сдерживает его.

В гонке открытых моделей Китай сейчас явно впереди. Hugging Face установила, что почти в каждом месяце 2026 года самая крупная и наиболее способная open-модель выходила из китайской лаборатории (State of Open Models). Самые заметные недавние американские конкуренты появились у Thinking Machines Lab и, позже, у Meta — чьи ранние релизы Llama помогли запустить движение open-weight среди крупных американских лабораторий, — но эти американские релизы в целом не смогли сравняться ни с масштабом Kimi K3, ни с ее привлекательностью для разработчиков.

Алекс Бруницки, партнер Backed VC, сказал, что уже видит изменение в том, как предприятия подходят к open-source-моделям.

«Мы видели, как многие компании… разрабатывают отраслевые foundation-модели, используя open-source-модели, которые затем дообучаются на очень конкретных наборах данных», — сказал он. «Они не обязательно используют frontier-модели для всей своей работы. На самом деле они используют эти open-source-модели, которыми можно пользоваться бесплатно».

По меньшей мере две крупные организации недавно публично переключились на open-source в отдельных направлениях бизнеса. Thomson Reuters сообщила на этой неделе, что построила внутреннюю модель под названием Thomson-1 на базе Snowdon — системы, которую компания разработала, адаптировав open-source-модель Qwen от Alibaba.

Эта модель будет обрабатывать задачи проверки документов, которые ранее выполнялись на Claude. В рамках объявления CTO Джоэл Хрон заявил, что компаниям не нужны все более крупные и дорогие модели для получения полезных результатов, а старт от сильной открытой основы и ее глубокая специализация могут дать способный ИИ при более низкой стоимости.

Harvey, компания в сфере legal tech, поддерживаемая OpenAI, Sequoia и Andreessen Horowitz, также недавно объявила, что ее новая модель Harvey Tenet была post-trained поверх open-weight Kimi K3 от Moonshot AI и что она превзошла как базовую модель, так и американские frontier-системы, включая Fable 5 и GPT-5.6 Sol, в сложных агентных юридических задачах. Ранее Harvey строила свой продукт, настраивая закрытые модели от Anthropic, OpenAI и Google.

Главный экономист Ramp Ара Харазян написал, что недавний рост open-source пока не оказал прямого влияния на расходы на OpenAI или Anthropic. Новые покупатели ИИ по-прежнему выбирают устоявшиеся американские лаборатории; например, в июле Anthropic нарастила долю сильнее всех среди бизнеса, прибавив 1.1 процентного пункта до 43.5% рынка, а OpenAI выросла лишь на 0.23 пункта до 39.7%.

Однако Fable 5 от Anthropic, которую считают самой продвинутой моделью на рынке — настолько, что правительство США на короткое время приостанавливало иностранный доступ к ней по соображениям национальной безопасности, — составила лишь 6% токенов, которые компании покупают у Anthropic, и 11.4% долларов, потраченных на модели Anthropic в целом, несмотря на цену около $10 за миллион токенов, что вдвое дороже GPT-5.6 Sol от OpenAI.

Для сравнения, эта модель составляет 25% токенов OpenAI и 23% ее расходов. Харазян утверждает, что Fable 5 фактически достигла верхней границы рынка, и компании не готовы платить премию за лучшую модель на рынке, когда более дешевая и так достаточно хороша.

В совокупности это может означать, что американские frontier-лаборатории достигли предела того, сколько клиенты готовы платить за самую новую и дорогую модель, а open-source, возможно, просто заполняет этот разрыв.

А теперь — другие новости об ИИ.

Беатрис Нолан beatrice.nolan@fortune.com @beafreyanolan

Этот материал впервые был опубликован на Fortune.com