Open-Weight Economics 2026: τα ανοιχτά μοντέλα πήραν 7 στα 10 tokens — και η Κίνα ετοιμάζει το «φράγμα»
Το πιο σκληρό δεδομένο της χρονιάς δεν είναι benchmark — είναι οικονομικό. Στο Vercel AI Gateway, τα open-weight μοντέλα πέρασαν από το 1 στα 20 δολάρια (Ιούνιος) στο σχεδόν 1 στα 4 (Σεπτέμβριος) του spend, ενώ επεξεργάστηκαν το 71,5% των tokens. Την ίδια εβδομάδα, η DeepSeek κυκλοφόρησε το V4.1-Flash-1017 με MIT license και benchmarks πάνω από κλειστά μοντέλα — την ώρα που η Κίνα προτείνει export controls σε 40 τεχνολογίες, 23 από αυτές AI. Διαβάστε τα νούμερα που εξηγούν πού πάει πραγματικά η αγορά.
Τι μετράει το Vercel AI Gateway Production Index
Το AI Gateway του Vercel (ανάλογο του OpenRouter) είναι ένα ενδιάμεσο API: οι εταιρείες αγοράζουν tokens από δεκάδες μοντέλα — κλειστά και ανοιχτά — μέσα από κοινό interface. Το «Production Index» που δημοσίευσε τον Οκτώβριο του 2026 είναι, πρακτικά, το πιο αντιπροσωπευτικό pricing και usage dataset που έχουμε για το τι τρέχουν οι παραγωγικές ομάδες (Claude Code, Codex-style harnesses, εφαρμογές).
⚠️ Περιορισμός που πρέπει να έχεις στο μυαλό σου: το gateway δεν βλέπει (α) όσους χτυπάνε απευθείας τα APIs των labs, (β) άλλα gateways, (γ) on-prem hosting. Άρα τα νούμερα υποεκτιμούν ειδικά OpenAI/Anthropic. Πάρ' τα ως directionally correct — η τάση, όχι το απόλυτο μέγεθος.
Και τα ευρήματα είναι εντυπωσιακά και στα τρία επίπεδα: tokens, χρήμα και συμπεριφορά ομάδων — τα αναλύουμε παρακάτω ένα-ένα.
Τα νούμερα: 1 στα 20 → 1 στα 4, 13x ανάπτυξη, -47% τιμή
Το μερίδιο των open-weight στο spend τετραπλασιάστηκε μέσα σε τρεις μήνες — και τον Αύγουστο ήρθε το ψυχολογικό ορόσημο: για πρώτη φορά, τα ανοιχτά μοντέλα επεξεργάστηκαν την πλειοψηφία των tokens του gateway.
| Μοντέλο / Provider | Tokens % | Spend % | Σημείωση |
|---|---|---|---|
| DeepSeek | 58% | 6,6% | το απόλυτο value workhorse (σύνολο provider — όχι άθροισμα με V4.1 Flash) |
| Moonshot AI (Kimi) | 3,6% | 13,2% | premium open-weight pricing |
| Z.ai (GLM-5.3) | 7,2% | 4,5% | value play #2 |
| DeepSeek V4.1 Flash | — | 4,19% | #3 στο spend τον Σεπτέμβριο (4,19% Register Sept rank — 2,6% Vercel model-level, ~μισά tokens, μην το αθροίζεις με DeepSeek provider) |
| Claude Opus 5.5 (frontier) | — | 11,03% | #1 σε spend |
| GPT-6 Astra (frontier) | — | 4,86% | #2 σε spend |
| Jev (TypeSafe AI) | 1% | 0,15% | αλλά 35% των paid teams! |
- Το spend 13x μεγαλύτερο από τον Δεκέμβριο του 2025 — η πίτα μεγαλώνει γρήγορα, δεν μοιράζεται απλώς αλλιώς.
- Η μέση τιμή ανά token έπεσε ~47% μέσα στους ίδιους μήνες (Σεπτ vs Δεκ 2025). Περισσότερα tokens, φθηνότερα — και το ένα τροφοδοτεί το άλλο.
- ~1 στα 3 teams άλλαξε τον κύριο provider του μέσα στον Σεπτέμβριο. Το switching cost είναι πιο χαμηλό από ό,τι νομίζουν τα vendor decks.
- Τα μοντέλα των frontier labs μεγάλωσαν κι αυτά 10x σε απόλυτο spend — η αγορά δεν είναι «open vs closed», είναι «και τα δύο, σε διαφορετικά στρώματα».
Το μεγάλο «disconnect»: 58% των tokens ≠ 6,6% του χρήματος
Το πιο διδακτικό εύρημα είναι η ψαλίδα tokens-spend. Η DeepSeek «ρουφάει» το 58% των tokens όλου του gateway δίνοντας μόλις 6,6% του χρήματος. Η Moonshot (Kimi) κάνει ακριβώς το αντίθετο: 3,6% των tokens, 13,2% του spend — premium τιμολόγηση για λιγότερες κλήσεις.
Γιατί συμβαίνει αυτό; Επειδή η αγορά έχει αρχίσει να στρωματοποιείται σε τρεις ρόλους:
⚙️ Decision models
Jev class: επιλέγουν μεταξύ λίγων προκαθορισμένων outputs (classification, routing). Κόβουν κόστος πριν χτυπήσουν τα μεγάλα μοντέλα. 35% adoption, 0,15% spend μήνα (0,27% στο 14ήμερο).
🐎 Workhorses
DeepSeek V4.1, GLM-5.3 class: agentic εργασίες, code, summarization, bulk processing. Φθηνή μονάδα, τεράστιος όγκος. 58% των tokens.
🧠 Frontier
Opus 5.5, GPT-6 Astra class: τα δύσκολα — research, σύνθετη συλλογιστική, edge cases. Λίγες κλήσεις, ακριβές μονάδες, μεγαλύτερο ρίσκο.
Το εύρημα του TechCrunch το επιβεβαιώνει: το spend στα frontier labs δεκαπλασιάστηκε ακόμα κι όταν το μερίδιό τους έπεφτε — δηλαδή τα open-weight δεν «σκοτώνουν» τα κλειστά μοντέλα, τα συμπληρώνουν. Κερδίζεις δουλεύοντας και τα δύο: το ανοιχτό για την κλίμακα, το κλειστό για το ταβάνι.
Το φαινόμενο Jev: 35% των teams, 0,15% του χρήματος — και ένα νέο είδος μοντέλου
Την τιμητική του παράσταση έκλεψε ένα μοντέλο που δεν «γράφει» τίποτα: το Jev της TypeSafe AI. Σχεδιασμένο να επιλέγει ανάμεσα σε λίγα προκαθορισμένα outputs — classification, routing, decision-making — είναι φθηνότερο και ταχύτερο από οτιδήποτε γενικό. Σε 14 μέρες από το launch-mode release (15 Σεπτεμβρίου) έφτασε το 35% των paid teams του gateway, διπλάσιο reach από το δεύτερο (Sonnet 5.5) — η ταχύτερη adoption που έχει καταγραφεί ποτέ στα δεδομένα του Vercel.
Την ίδια στιγμή όμως είναι σχεδόν αόρατο στο χρήμα: 1% των tokens, 0,15% του spend τον Σεπτέμβριο (0,27% στο 14ήμερο launch window — και τα δύο σωστά, διαφορετικό scope). Αυτό είναι feature, όχι bug — ένα decision model που αντικαθιστά χιλιάδες ακριβές κλήσεις με φθηνές «αποφάσεις» δεν πρέπει να κοστίζει. (Το Vercel το χρησιμοποιεί για να ταξινομεί επικίνδυνες εντολές, αντί για το GPT-6 Luna.)
📌 Και ο ανταγωνισμός επιβεβαιώνει το pattern: μέσα σε εβδομάδες, τόσο η OpenAI όσο και η Amazon ανακοίνωσαν τα δικά τους ανταγωνιστικά decision models — τα λεγόμενα decision models που «πλημμυρίζουν το web». Όταν ένα αρχιτεκτονικό κόλπο μειώνει τη μονάδα κόστους 100x, η αγορά δεν διαλέγει αν θα το υιοθετήσει — διαλέγει μόνο ποιανού την υλοποίηση.
DeepSeek V4.1-Flash-1017: 763B, MIT license, benchmarks πάνω από κλειστά
Την ίδια εβδομάδα, η DeepSeek κυκλοφόρησε το V4.1-Flash-1017 — «minor update» του V4.1-Flash, που όμως ανεβάζει δραστικά reasoning, coding και agentic επιδόσεις, ενώ μειώνει χρόνο εκτέλεσης και output length (λιγότερα tokens για την ίδια δουλειά = ακόμα φθηνότερο). Με 763B παραμέτρους, 1M context και MIT license, είναι η πιο ηχηρή κυκλοφορία της ανοιχτής πλευράς μέσα στη χρονιά.
| Benchmark | V4.1-Flash-1017 | V4.1-Flash | Kimi K3 | GLM-5.3 | GPT-5.6 Sol | Opus 5 |
|---|---|---|---|---|---|---|
| Terminal-Bench 4.0 | 42,3 | 31,2 | 12,6 | 37,9 | 39,9 | 51,8 |
| DeepSWE v1.1 | 77,0 | 74,2 | 67,5 | 66,9 | 73,0 | 74,0 |
| Apex Bench v1.1 | 72,1 | 64,6 | 47,8 | 56,6 | 54,3 | 65,8 |
| Agents' Last Exam | 35,4 | 31,8 | 27,6 | 28,5 | 26,7 | 28,6 |
| Automation-Bench v1.0.6 | 60,5 | 54,8 | 46,7 | 48,8 | 45,8 | 50,3 |
| ProgramBench | 29,1 | 20,3 | 17,5 | 19,0 | 23,0 | 37,0 |
| NL2Repo-Bench | 68,2 | 65,4 | 58,0 | 58,0 | 56,8 | 75,3 |
| HLE (χωρίς tools) | 42,6 | 36,8 | 43,5 | 42,0 | 44,5 | 56,3 |
| Chartography (w/tools) | 83,0 | 78,9 | 68,1 | — | 79,9 | 84,0 |
Επιλεγμένα αποτελέσματα από το official benchmark table του model card (HF). Terminal-Bench με Claude Code harness, DeepSWE με Mini-SWE-V2 harness.
- Κερδίζει στα «agentic» πεδία: Terminal-Bench 42,3 (πάνω από GPT-5.6 Sol και GLM), DeepSWE 77,0 (πάνω από όλους, ακόμα και από Opus 5), Apex Bench 72,1, Agents' Last Exam 35,4 — πρώτο σε open αλλά και πάνω από GPT-5.6 Sol (26,7) και Opus 5 (28,6).
- Χάνει στα «βαθιά» reasoning: στο HLE μένει πίσω από Opus 5 (56,3 vs 42,6) και GPT-5.6 Sol (44,5) — το τελευταίο οχυρό των frontier labs.
- Το κόλπο: ο τίτλος του technical report είναι «Pushing the Limits of KV Cache Compression» — δηλαδή η οικονομία μνήμης/κόστους είναι ο ίδιος ο σχεδιασμός του μοντέλου, όχι afterthought.
- Το «tell» που τα λέει όλα: η DeepSeek το αξιολόγησε χρησιμοποιώντας το harness της… Anthropic (Claude Code) — ο ανταγωνισμός είναι πλέον τα specs, όχι οι πλατφόρμες.
- Οικοσύστημα self-host: quantized versions για llama.cpp, Ollama, LM Studio, Jan — συν το deepseek-recipe (Rust libs με Python bindings) για production encoding.
📎 Defaults που δίνει το model card: temperature 1.0, top_p 1.0, context 1M tokens — χωρίς Jinja chat template (γι' αυτό δίνεται reference implementation σε Python).
Το «φράγμα»: η Κίνα προτείνει export controls σε 40 τεχνολογίες (23 AI)
Το πιο σοβαρό ρίσκο για την οικονομία του open-weight δεν είναι τεχνικό — είναι γεωπολιτικό. Την Παρασκευή, η Κίνα πρότεινε να προσθέσει 40 τεχνολογικά αντικείμενα στον κατάλογο εξαγωγικών ελέγχων της, 23 σχετικά με AI. Μεταξύ των μοντέλων που θα μπορούσαν να πιαστούν από τα κριτήρια (top-10 ranking / 1e26 FLOPs compute / 2T params / sensitive data), αναφέρονται το Kimi K3 της Moonshot και το Qwen 3.8-Max της Alibaba — όχι λόγω ορίου παραμέτρων, αλλά λόγω top-10/compute κριτηρίων (draft, όχι τελικός νόμος).
Μαζί με αυτό έρχεται ένα δεύτερο σκέλος: τα κινεζικά labs μετακινούνται προς licensing για τη χρήση των open-source μοντέλων τους (το «δωρεάν» γίνεται revenue model). Ο Chris McGuire, senior fellow του Council on Foreign Relations, το συνοψίζει: το ότι η κινεζική κυβέρνηση δηλώνει πως μπορεί να περιορίσει ανά πάσα στιγμή αυτές τις άδειες «πρέπει να κάνει τις αμερικανικές επιχειρήσεις πιο επιφυλακτικές».
🔄 Το αμφίβολο twist: πάνω από τα 2/3 του spend σε κινεζικά μοντέλα (Σεπτέμβριος) κατέληξε σε αμερικανούς providers που τα φιλοξενούν — από λιγότερο από το 1/10 τον Δεκέμβριο του 2025. Δηλαδή οποιοδήποτε «φράγμα» στα κινεζικά open-weight μοντέλα θα πλήξει πρώτα αμερικανικές επιχειρήσεις και τους πελάτες τους. Γι' αυτό ακριβώς οι συζητήσεις στην Ουάσιγκτον για περιορισμό των open-weight είναι τόσο περίπλοκες.
Για όποιον χτίζει πάνω σε open-weight μοντέλα (συμπεριλαμβανομένων όλων όσων διαβάζουν αυτό το blog), το πρακτικό συμπέρασμα είναι ένα: diversification. Το «open-weight» δίνει ελευθερία στο inference, αλλά η τροφοδοσία σου με μοντέλα εξαρτάται από εταιρείες και κυβερνήσεις που αποφασίζουν αλλού.
Τι σημαίνει στην πράξη: το playbook για builders
Τα νούμερα του gateway δεν είναι άρθρο γνώμης — είναι καθρέφτης του πώς οι παραγωγικές ομάδες άρχισαν να χειρίζονται το AI κόστος:
✅ Στρατηγική 3 στρωμάτων
- Decision model για routing/classification (Jev class) — κόβε κόστος πριν καν φτάσεις στο LLM.
- Open-weight workhorse για το 80% των εργασιών (DeepSeek/GLM tier).
- Frontier model μόνο για τα δύσκολα — με budget caps ανά task.
✅ Anti-lock-in υποδομή
- Multi-model routing μέσω gateway/abstraction layer — όχι hardcoded model names.
- Benchmarks ανά use case, όχι leaderboards: το «καλύτερο» μοντέλο αλλάζει κάθε 2 μήνες.
- Κράτα vendor-agnostic prompts/tools (τα «tell»: Claude Code harness, Mini-SWE formats).
✅ Κόστος & μετρήσεις
- Measure tokens και spend ξεχωριστά — το 58% vs 6,6% δείχνει πόσο πονάει η σύγχυση.
- Το output length είναι κόστος: τα καλά updates το μειώνουν (V4.1-Flash-1017).
- KV cache / prompt caching = το πιο subεκτιμημένο knob της χρονιάς.
✅ Ρίσκο & συμμόρφωση
- Diversification σε πάνω από έναν provider οικογένειας (US/EU/Chinese).
- Για regulated εργασίες: self-host quantized versions (llama.cpp/Ollama) και κράτα τα δεδομένα εντός.
- Παρακολούθησε licensing terms των open models — το «MIT σήμερα» δεν είναι εγγύηση για το «MIT αύριο».
Και το βαθύτερο μήνυμα των δεδομένων: η διαφοροποίηση είναι δυνατή. Όταν 1 στα 3 teams αλλάζει κύριο provider μέσα σε έναν μήνα και η τιμή ανά token πέφτει 47% — η αγορά λειτουργεί υπέρ του αγοραστή. Οπότε: μέτρα, δοκίμαζε, άλλαζε. Ο μόνος πραγματικός lock-in είναι τα αρχιτεκτονικά δεσμά που βάζεις μόνος σου.
Key Takeaways
- Τα open-weight κέρδισαν την πλειοψηφία των tokens (71,5%) και το ~23% του spend — από 5% τον Ιούνιο. Η τάση επιταχύνεται.
- Tokens ≠ δολάρια: DeepSeek 58% των tokens για 6,6% του spend· Moonshot το αντίθετο. Η αγορά στρωματοποιείται σε decision / workhorse / frontier.
- Το Jev άλλαξε το παιχνίδι: 35% των teams σε 14 μέρες με 0,15% του spend τον μήνα (0,27% στο 14ήμερο) — τα decision models «κόβουν» κόστος στο σημείο που μετράει.
- DeepSeek V4.1-Flash-1017: MIT, 763B, 1M context, κερδίζει τα agentic benchmarks (ακόμα και από Opus 5 σε DeepSWE/Apex) — χάνει μόνο στο «βαθύ» reasoning.
- Γεωπολιτικό ρίσκο: 40 υποψήφια items στα κινεζικά export controls (23 AI) + στροφή σε licensing. Diversification = άμυνα.
- Total spend 13x και τιμή -47%: η πίτα μεγαλώνει και φθηναίνει. Frontier + open = συμπληρωματικά, όχι εναλλάξιμα.
Πηγές
- vercel.com — AI Gateway Production Index (October 2026)
- theregister.com — Open-weight models win hearts, minds, and wallets
- techcrunch.com — Jev is Vercel's fastest-adopted AI model ever
- huggingface.co — DeepSeek-V4.1-Flash-1017 (model card & benchmarks)
FAQ
Είναι «δωρεάν» τα open-weight μοντέλα;
Τα βάρη ναι — το DeepSeek V4.1-Flash-1017 είναι MIT licensed. Το inference όμως κοστίζει: είτε πληρώνεις ανά token, είτε GPU και χρόνο για self-hosting. «Open-weight» σημαίνει ελεύθερη χρήση των βαρών, όχι δωρεάν υπολογισμός.
Γιατί το DeepSeek έχει 58% των tokens με 6,6% του spend;
Επειδή η τιμή ανά token είναι πολύ χαμηλή — KV cache compression και άλλες αρχιτεκτονικές επιλογές κρατούν το κόστος κάτω. Τα φθηνά μοντέλα γίνονται τα workhorses: πολλά tokens, λίγα δολάρια.
Πρέπει να ανησυχώ για AI vendor lock-in;
Τα δεδομένα δείχνουν πως όχι απαραίτητα: σχεδόν 1 στα 3 teams άλλαξε κύριο provider μέσα στον Σεπτέμβριο. Με multi-model routing και abstraction layer, το switching cost μένει χαμηλό.
Τι σημαίνουν τα κινεζικά export controls για μένα;
Αν εφαρμοστούν, μπορούν να περιορίσουν το licensing των κινεζικών open-source μοντέλων (Kimi K3, Qwen 3.8-Max στα πιθανά affected — μέσω top-10/compute κριτηρίων, όχι ορίου παραμέτρων). Καθώς τα 2/3 του spend σε κινεζικά μοντέλα περνά από αμερικανούς providers, ένα φράγμα θα πλήξει και τις δύο πλευρές. Πρακτικά: diversification και παρακολούθηση των όρων χρήσης.