Úvod: Čo si myslíme vs. čo robíme Keď premýšľame o tom, ako ľudia používajú veľké jazykové modely (LLM), prichádza na myseľ známy obraz: produktivita. Predstavujeme si, že vývojári kódujú rýchlejšie, marketéri píšu e-maily a analytici zhrňujú husté dokumenty. Nová štúdia spoločnosti OpenRouter, ktorá analyzovala viac ako 100 biliónov tokenov reálneho používania, odhaľuje oveľa zložitejší a prekvapivejší obraz. Od „killer app“ nikto nehovorí o podivnom fenoméne, ktorý rozhoduje, ktoré modely vyhrá v dlhodobom horizonte, údaje spochybňujú naše základné predpoklady o stave AI dnes. V skutočnosti Najväčší prípad použitia open source AI nie je práca; je to hra. Na rozdiel od dominantného rozprávania o umelej inteligencii ako motore produktivity je jediným najväčším prípadom použitia pre modely s otvoreným zdrojovým kódom (OSS) kreatívne hranie rolí.Dáta ukazujú, že „kreatívne hranie rolí“ a rozprávanie príbehov predstavujú viac ako polovicu (približne 52%) všetkého používania tokenov OSS, pričom programovanie je vzdialená sekunda. To naznačuje, že masívna používateľská základňa sa obráti na otvorené modely pre tieto skúsenosti, pretože ponúkajú väčšiu kreatívnu slobodu a sú často menej obmedzené komerčnými obsahovými filtrami nájdenými v vlastných modeloch.Tento nález odhaľuje veľkú, nedostatočne obsluhovanú spotrebiteľskú dopyt po zábave založenej na AI, spoločenstve a interaktívnej fikcii.Kým sa priemysel zameriava na podnikové riešenia, tichá väčšina používa AI na vytvorenie a preskúmanie nových svetov. Tichý vzostup „agentov AI“ Spôsob, akým ľudia používajú LLM, prechádza zásadnou zmenou. Odchádzame od jednoduchých, jednosmerných, interakcií otázok a odpovedí a smerom k viacstupňovým, nástrojom integrovaným pracovným postupom.V týchto "agentívnych" pracovných postupoch model plánuje, zdôvodňuje a koná na dokončenie komplexnej úlohy, často bez priameho ľudského zásahu na každom kroku. Tento posun je zrejmý v údajoch: modely optimalizované na odôvodnenie teraz zvládnu viac ako 50% všetkých využití, čo je dramatický nárast v porovnaní s zanedbateľnou sumou na začiatku roku 2025. tento posun smerom k odôvodneniu je poháňaný zložitejšími pracovnými záťažami, keďže priemerný používateľ sa od začiatku roku 2024 zvýšil takmer štvornásobne, aby zvládol úlohy, ako je analýza celých kódových databáz; trend poháňaný predovšetkým programovacími výzvami, ktoré sú 3-4 krát dlhšie ako tie so všeobecným účelom. Správa uvádza tento posun v ostrých termínoch a dospela k záveru, že agentická záver sa rýchlo stáva novým predvoleným nastavením pre interakciu s AI. Čoskoro, ak už nie, agentická záver bude prevziať väčšinu záveru. Úspech už nebude len o generovaní pravdepodobného textu, ale o zvládnutí zložitých, štátnych úloh, ktoré si vyžadujú plánovanie a akciu. Otvorený zdroj ticho zachytáva tretinu trhu s AI Zatiaľ čo patentované modely z veľkých laboratórií, ako je Anthropic a OpenAI, stále vedú na trhu, modely s otvoreným zdrojovým kódom sa neustále rozrastali a do konca roku 2025 zachytili približne tretinu všetkých tokenov. Kľúčovým motorom tejto expanzie bol nárast čínskych modelov OSS od poskytovateľov ako Qwen a DeepSeek. Tieto modely sa v priebehu niekoľkých týždňov zvýšili z týždenného podielu na trhu len o 1,2 % na takmer 30 %, čo rýchlo získalo trakciu u globálnych používateľov. Tento trend poukazuje na "trvalú duálnu štruktúru" v ekosystéme AI. Zdroj naznačuje, že rovnováha medzi patentovanými a OSS modelmi sa v súčasnosti stabilizovala na približne 30% pre open source. Táto rovnováha existuje preto, že vývojári si vyberajú vlastné systémy pre vysoko spoľahlivé podnikové úlohy, pričom využívajú nákladovú efektívnosť a prispôsobenie OSS pre iné kritické pracovné zaťaženia. Krajina AI sa nestáva víťazným trhom. Prečo AI nie je komodita (Yet) Mnohí predpovedali, že modely AI sa rýchlo stanú lacným komoditou, pričom cena je hlavným diferenciátorom. Údaje však hovoria iný príbeh. Dopyt po LLM je prekvapivo cenovo neelastický, čo znamená, že zmeny cien majú malý vplyv na použitie. Podľa štúdie, 10% pokles ceny zodpovedá malému 0,5-0,7% nárastu použitia. Namiesto komoditizovaného trhu sa ekosystém rozdelil na odlišné archetypy: 
 
 
 
 
 Premium Leaders: Modely ako Anthropic Claude 4 Sonnet ovládajú vysoké ceny, ale stále vidia masívne použitie, čo dokazuje, že používatelia sú ochotní zaplatiť prémiu za špičkovú kvalitu a spoľahlivosť. Efektívne giganty: Modely ako Google Gemini Flash a DeepSeek spájajú nízke náklady s vysokým objemom, čo z nich robí predvolenú voľbu pre nákladovo citlivé, rozsiahle úlohy. Premium špecialisti: Ultra-drahé modely ako OpenAI GPT-5 Pro sa používajú šetrne pre najvyššie stávkové úlohy, kde výkon je jediná vec, ktorá záleží a náklady sú druhoradé. Long Tail: Modely ako Qwen 2 7B Instruct a IBM Granite 4.0 Micro majú nízke ceny, ale obmedzený dosah, čo zdôrazňuje, že schopnosť a prispôsobenie modelu trhu sú kritickými diferenciátormi nad rámec len nákladov. Táto segmentácia odhaľuje kľúčový pohľad na súčasný stav trhu. Relatívne plochá elasticita dopytu naznačuje, že LLM ešte nie sú komoditou; mnohí používatelia sú ochotní zaplatiť prémiu za kvalitu, schopnosti alebo stabilitu. V súčasnosti špecializované schopnosti a spoľahlivý výkon často trápia náklady, najmä pri profesionálnych alebo misijných pracovných zaťaženiach. Víťazstvo v AI je ako Cinderella "Glass Slipper" Na trhu, kde sa neustále uvoľňujú nové modely, ako vytvára akýkoľvek jednotlivý model trvalú výhodu? Štúdia navrhuje nový rámec nazývaný „efekt skla Slipper“, ktorý vysvetľuje retenciu používateľov. Myšlienka je jednoduchá: keď je nový model prvý, ktorý vyrieši kritickú, predtým nesplnenú potrebu pre skupinu používateľov, dosahuje „dokonalý fit“. Títo skorí používatelia tvoria "základné kohorty", ktoré sa dlhodobo držia modelu, čo preukazuje oveľa vyššiu retenciu ako používatelia, ktorí ho prijmú neskôr. Jasným príkladom je júnová kohorta 2025 pre Gemini 2.5 Pro a májová kohorta 2025 pre Claude 4 Sonnet, ktorá si zachovala okolo 40% svojich používateľov o päť mesiacov neskôr; oveľa vyššia miera ako následné kohorty. Tento fenomén znamená, že v rýchlo sa meniacom svete umelej inteligencie je výhoda "prvý na vyriešenie" neuveriteľne silná a trvanlivá.Skutočným signálom prelomového modelu nie je len hype alebo referenčné hodnoty, ale tiché vytvorenie týchto lepkavých, základných užívateľských skupín, ktoré našli svoje dokonalé miesto. Záver: Skutočný príbeh AI sa stále píše Údaje ukazujú ekosystém poháňaný hravou tvorivosťou rovnako ako produktivitou, ktorý sa rýchlo posúva smerom k komplexným, agentívnym pracovným postupom.Je to svet, kde je open source mocnou silou a kde trvalá lojalita používateľov nie je vytváraná hype, ale tým, že je prvý, kto vyrieši ťažký problém. Keď AI prechádza z jednoduchého nástroja na komplexného spolupracovníka, aké neočakávané správanie a aplikácie zabijakov sa objavia ďalej? 
 
 
 Podcast spoločnosti Apple: TU Spotify: tu Aplikácia Apple Podcast: tu Na Spotify: tu

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Read My Stories

Follow Fourth-Mind on Linkedin

Listen to our podcast on Apple 

listen to our podcast on Spotify

Tento zvuk je vyrobený v pôvodnom jazyku príbehu!

Beyond the Hype: 5 prekvapujúce pravdy zo štúdie 100 biliónov tokenov o AI

About Author

KOMENTÁRE

ZAVISTE ŠTÍTKY

TENTO ČLÁNOK BOL PREDSTAVENÝ V

Related Stories

Mutmut: a Python mutation testing system

Code Smell 298 - How to Fix Microsoft Windows Time Waste

Behavior of a shapely Spider

16 Best Sklearn Datasets for Building Machine Learning Models

Mutmut: a Python mutation testing system

Code Smell 298 - How to Fix Microsoft Windows Time Waste

Behavior of a shapely Spider

16 Best Sklearn Datasets for Building Machine Learning Models

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps