オープンソース AI の台頭がアンソロピックをまだ傷つけていない理由
TechCrunch の分析によると、オープンソース AI モデルの台頭は現時点では Anthropic の市場地位や収益に大きな悪影響を与えておらず、企業向けセキュリティと信頼性が依然として差別化要因となっている。
キーポイント
オープンソースの現状と Anthropic の防御力
オープンソースモデルが普及しているにもかかわらず、Anthropic は Claude の堅牢性や安全性を強みとし、企業顧客からの信頼を維持している。
企業顧客の選定基準の違い
多くの大企業はコスト削減だけでなく、セキュリティコンプライアンスとモデルの予測可能性を優先しており、オープンソースモデルへの移行には慎重な姿勢を示している。
短期的な市場影響の限界
現時点ではオープンソース化が Anthropic の収益やシェアに即座に打撃を与えるほどの規模には達しておらず、同社の成長軌道は継続している。
影響分析・編集コメントを表示
影響分析
この記事は、オープンソース AI の急成長が即座にクローズドソースの大手企業を脅かすわけではないという現実を示しており、特にセキュリティ要件の高いエンタープライズ市場における競争構造の変化を理解する上で重要です。企業顧客がモデルの「性能」だけでなく「信頼性」や「コンプライアンス」を重視する傾向は、今後数年間 Anthropic などのクローズドソースプロバイダーにとって重要な防壁となり得ます。
編集コメント
オープンソースブームが即座に市場を席巻するわけではないという、業界の成熟度を示す重要な視点です。特にエンタープライズ顧客の行動分析は、今後の AI 戦略立案において極めて有用な情報となります。
月曜日、Decagon のCEOであるジェシー・張氏は、「企業におけるオープンソース AI について誰もが間違っている」というタイトルの投稿 「Everyone is wrong about open source AI in the enterprise.」 で、挑発的な新理論を発表しました。この投稿は、今日の AI 経済における最も興味深い矛盾の一つに取り組んでいます。張氏によると、より成熟した AI デプロイメント（導入）では、自社の企業でも同様ですが、軽量なモデルへ移行しているそうです。しかし、高価な最先端モデルへの全体的な支出はほとんど変わっていません。
これは、フロンティアモデルとオープンソースモデルの関係について考える新しい方法です。張氏の説明によれば、これらは競合関係にあるわけではなく、オープンソースモデルの成功がフロンティア研究所の犠牲を伴うものでもありません。むしろ、これらは同じライフサイクルの2つの段階であり、高価なフロンティアモデルはユースケースを実証するために使用され、それらが成熟するにつれてより安価なオープンソースの代替案へと引き継がれるのです。
より成熟したユースケース 軽量なモデルへ移行 するにつれて、新しいユースケースが次々と生まれ、フロンティアモデルへの全体的な支出はほとんど減少しません。
張氏はこの点を裏付けるデータをあまり提示していませんが、データを探すのはそれほど難しくありません。Vercel の AI ゲートウェイダッシュボードによると、過去 1 週間の間に DeepSeek はトークン処理量で急上昇し、同社のインフラを通過するトークンの 3 分の 1 をわずかに超える量を処理して首位に躍り出ました。人気のある GLM-5.2 モデルの開発元である Z.ai も、同じ期間中に堅実な第 4 位へと浮上しました。
しかし、全体のトークン支出額までスクロールダウンすると、Anthropic がプラットフォーム上の全 AI 支出の半分以上を占めていることがわかります。直近の変化の多くが Anthropic 自身の価格上昇によるものですが、そのシェアは過去 1 ヶ月でわずかに低下したものの、劇的な変化ではありません。
image画像クレジット: Vercel ダッシュボード / データエクスポート
OpenRouter も同様の物語を語っており、より大規模（ただしややエンタープライズ志向が低い）な市場セグメントを捉えています。全体の利用において最大の勝者となったのは DeepSeek V4 Flash で、週間に 5.3 兆トークンを処理しています。最も人気のあるフロンティアモデルである Opus 4.8 は、2 兆トークンをわずかに超える量を処理するに留まります。OpenRouter は総支出額でモデルをランク付けしていませんが、Opus 4.8 の平均トークンコストは V4 Flash よりも約 23 倍高い（100 万トークンあたり 1.37 ドルに対し、V4 Flash はわずか 6 セント）と記録されており、これにより Opus がまだ支出の大部分を占めている可能性が高いことが示唆されます。
これらの数値は、Nvidia の Nemotron という最新参入者さえも捉えきれていません。これは Nvidia の強力なコネクションとモデル自体の極めて高い適応力によって、群れの一歩先へと躍り出る準備ができているからです。
これらの数値は、張氏の AI ライフサイクルに関する主張を完全に証明するものではありませんが、Anthropic などの最前線の研究所がオープンソースの台頭によって甚大な打撃を受けているわけではないことを示しています。少なくとも現時点ではそうです。一つの説明として、AI が対応可能なタスクの市場があまりにも急速に成長しており、トップモデルは初期段階での展開を支配するだけで自らの地位を維持できているという点が挙げられます。張氏の言葉によれば、「最前線の研究所は発見を独占し続けるだろう。オープンソースは生産性をますます担うようになる」。もう一つの説明としては、クライアントがオープンソースへ移行する一方で、多くのユースケースはあまりにも困難であり、安価な代替品で完全に置き換えることができないという点が考えられます。
いずれにせよ、この二層構造のモデル経済は、AI 経済における比較的安定した特徴となる可能性があります。
つい先月の9月まで、私は基盤モデル開発企業が最終的に [スターバックスにコーヒー豆を売る] ことになる可能性について書いていました。つまり、アプリケーション層が利益を得る一方で、基盤企業はコモディティ（原材料）としての役割しか果たさないという予測です。この予測の一部は確かに現実となりました：垂直領域向けAIでは軽量モデルへの切り替えが進み、「GPT ラッパー」スタートアップの経済構造も概ね安定しています。
しかし同時に、トークン数で比較すると、最先端プロバイダーたちは市場の中で最も望ましい部分——プレミアムなトークン価格——を維持し続けています。そして、これがすぐに変わるようには見えません。
*当記事内のリンクを通じてご購入いただいた場合、私たちは少額のコミッションを獲得する可能性があります。これは当社の編集の独立性には影響しません。
ラッセル・ブランドムは2012年以来テクノロジー業界を取材しており、プラットフォーム政策と新興技術に焦点を当てています。以前は The Verge や Rest of World で勤務し、Wired、The Awl、MIT の Technology Review にも寄稿しています。
彼への連絡先は russell.brandom@techcrunch.com または Signal（412-401-5489）です。
原文を表示
On Monday, Decagon CEO Jesse Zhang published a provocative new theory, posted under the title “Everyone is wrong about open source AI in the enterprise.” The post grapples with one of the most interesting contradictions of today’s AI economy: More mature AI deployments are switching to lighter models, he says, even at his own company. But the overall spend on expensive state-of-the-art models has barely budged.
It’s a new way to think about the relationship between frontier and open source models. In Zhang’s telling, they aren’t competitors, and open source models’ success isn’t coming at the expense of frontier labs. Instead, they’re two phases of the same life cycle, with expensive frontier models being used to prove out use cases that can be passed along to cheaper open source alternatives as they mature.
As more mature use cases switch to lighter models, new use cases keep arising — and the overall spend on frontier models barely goes down.
Zhang doesn’t give much data to support the point, but the data isn’t hard to find. Vercel’s AI gateway dashboard shows that, in just the past week, DeepSeek has surged into the lead for token volumes, now processing just over a third of the tokens passing through the company’s infrastructure. Z.ai — the lab behind the popular GLM-5.2 model — jumped into a respectable fourth place over the same period.
But if you scroll down to overall token spend, you’ll see Anthropic still accounts for more than half of the overall AI spend on the platform. Given that much of the recent change comes from Anthropic’s own rising prices, the share has dropped slightly over the past month, but not significantly.
OpenRouter tells a similar story, capturing a much larger (but slightly less enterprise-y) segment of the market. DeepSeek V4 Flash is the main winner on overall usage, processing 5.3 trillion tokens weekly. The most popular frontier model, Opus 4.8, handles just over 2 trillion. OpenRouter doesn’t rank models by total spend, but it registers the average token cost for Opus 4.8 as roughly 23x higher than V4 Flash ($1.37 per million tokens, compared to just 6 cents), which would mean Opus was still probably capturing the lion’s share of spending.
Those figures don’t even capture the newest arrival, Nvidia’s Nemotron, which is poised to leap to the front of the pack by virtue of Nvidia’s strong connections and the model’s own extreme adaptability.
Those figures don’t fully prove Zhang’s point about the AI life cycles, but they do show frontier labs like Anthropic aren’t suffering too much from the rise of open source — at least not yet. One explanation is that the market of AI-addressable tasks is growing so fast that the top models are able to maintain their position just by dominating early-stage deployments. As Zhang puts it, “The frontier labs will keep owning discovery. Open source will increasingly own production.” Another explanation might be that, even as clients move to open source, many use cases are so difficult that they can’t be entirely replaced with cheaper alternatives.
Either way, this two-tiered economy of models may become a relatively stable feature of the AI economy.
As recently as last September, I was writing about the possibility that foundation labs would end up selling coffee beans to Starbucks — that is, serving as commodity inputs while the application layer reaped the benefits. Some parts of that prediction came true: Vertical AI plays switched to lighter models, for one, and the economics of “GPT wrapper” startups have remained mostly stable.
But we’re also seeing that, token for token, frontier providers have been able to hold on to the most desirable part of the marketplace — the premium token price. And that doesn’t seem likely to change any time soon.
*When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.*
Russell Brandom has been covering the tech industry since 2012, with a focus on platform policy and emerging technologies. He previously worked at The Verge and Rest of World, and has written for Wired, The Awl and MIT’s Technology Review.
He can be reached at russell.brandom@techcrunch.com or on Signal at 412-401-5489.
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み