מי אילץ את OpenAI לחתוך 80% במחיר?

כאשר OpenAI חתכה בשבוע שעבר ב-80% את מחיר השימוש ב-Luna, המודל הזול במשפחת GPT-5.6, היא הסבירה את המהלך בשיפור היעילות. זה כנראה חלק מהסיפור, אבל לא כולו. הפחתת מחיר כה חדה, שלושה שבועות בלבד לאחר ההשקה, מלמדת גם על הלחץ שמגיע מסין ועל הקושי לשמור על מחיר גבוה בשוק שבו פערי הביצועים מצטמצמים במהירות.

להרחבה: OpenAI חותכת את המחיר ב־80%: מלחמת ה-AI עוברת מהמודל הטוב ביותר למודל הזול ביותר

הורדת המחיר המחישה כיצד התחרות ב-AI עוברת מהשאלה מי פיתח את המודל החכם ביותר לשאלה מי מסוגל לספק מספיק אינטליגנציה במחיר הנמוך ביותר. כעת מתבררת זהותם של השחקנים שמאיצים את המעבר: חברות סיניות כמו DeepSeek ו-Moonshot AI מציעות מודלים זולים, שחלקם זמינים במשקולות פתוחות וניתנים להפעלה אצל כמה ספקיות ענן או על שרתים פרטיים.

המשמעות היא שהוזלת Luna אינה רק מבצע נקודתי של OpenAI. היא עשויה להיות סימן לשחיקה מבנית בכוח התמחור של מפתחי המודלים האמריקאיים. אם לקוחות יכולים לקבל חלק גדול מהיכולת במחיר נמוך יותר, להעביר משימות בין כמה ספקים ולהריץ מודל פתוח על התשתית שיבחרו, קשה יותר להצדיק את מיליארדי הדולרים שמושקעים בכל דור חדש של מודלים.

עבור OpenAI ואנתרופיק זהו איום ישיר על המרווחים. עבור אנבידיה, מיקרוסופט, אמזון וגוגל התמונה מורכבת יותר: הן יכולות ליהנות מהזינוק בשימוש שמביאים המחירים הנמוכים, אבל להיפגע אם וושינגטון תחסום את המודלים הסיניים, תייקר את השימוש ב-AI ותאיץ את פיתוח התשתית המתחרה של חוואווי.

הסינים לא צריכים להיות טובים יותר

חברות כמו DeepSeek ו-Moonshot אינן חייבות לפתח מודל שטוב יותר מ-GPT או מ-Claude בכל משימה. מספיק שהמודלים שלהן יהיו טובים מספיק עבור מרבית הפעולות העסקיות ויעלו הרבה פחות.

רוב החברות אינן זקוקות בכל פעולה למודל החזק ביותר בעולם. הן צריכות לבצע סיכום מסמכים, חילוץ מידע, מיון פניות, כתיבת קוד, חיפוש במאגרי מידע ושירות לקוחות. אם מודל סיני מבצע את המשימה ברמה מספקת ובמחיר נמוך משמעותית, מנהלי מערכות המידע יתקשו להצדיק שימוש קבוע במודל אמריקאי יקר יותר.

במשימות שבהן טעות עלולה לעלות ביוקר, הלקוח עדיין עשוי לבחור במודל האמריקאי המתקדם. אבל את יתר הפעילות הוא יכול להעביר למודל זול. כך נוצר שוק שבו כמה מודלים פועלים זה לצד זה: מודל חזק למשימות המורכבות, מודל ביניים לפעילות השוטפת ומודל זול לעומסים גדולים.

הגישה הזאת מחלישה את כוח התמחור של כל ספק בודד. הלקוח אינו מחויב עוד למודל אחד, אלא משתמש בשכבת ניתוב שבוחרת את המודל המתאים לפי מחיר, רמת קושי, מהירות ורגישות המידע.

• OpenAI מורידה מחירים: מודל לונה הוזל ב-80%
• סופטבנק מגייסת עוד 21 מלווים להלוואת 40 מיליארד דולר ל-OpenAI

זהו האיום הכלכלי האמיתי. OpenAI ואנתרופיק יכולות להמשיך להוביל במבחני ביצועים, אבל להידרש להוריד מחירים כדי למנוע ממרבית נפח השימוש לעבור למתחרות הזולות.

נתוני השימוש כבר משקפים את השינוי

אחד המדדים שממחישים את העלייה בשימוש במודלים הסיניים מגיע מ-OpenRouter, פלטפורמה שמאפשרת למפתחים להפעיל מודלים של ספקים שונים באמצעות ממשק אחד. לפי נתונים שהציג הכלכלן הראשי של אפולו, טורסטן סלוק, צריכת הטוקנים של מודלים סיניים בפלטפורמה היתה ביוני גבוהה בכ-70% מזו של מודלים אמריקאיים.

חשוב לסייג את הנתון. הוא אינו מתייחס לכל שוק ה-AI ואינו אומר שהשימוש הכולל במודלים הסיניים כבר עבר את ChatGPT, Claude או Gemini. OpenRouter משמשת בעיקר מפתחים ולקוחות שעובדים באמצעות ממשקי API ומשווים בין מודלים, ולכן היא נוטה יותר למודלים פתוחים ולמעבר בין ספקים.

אבל דווקא משום כך מדובר במדד מעניין. הוא מלמד אילו מודלים נבחרים על ידי מי שבונים מוצרים ושירותים חדשים, ולא רק על ידי משתמשים פרטיים שנכנסים לצ'אט. כאשר מפתחים מתחילים לשלב מודל ביישום, נוצרים סביבו כלי פיתוח, ידע והרגלי עבודה שמחזקים את האקוסיסטם לאורך זמן.

לפי OpenRouter, המודלים המובילים במשקולות פתוחות נמצאים בפיגור של כשלושה עד שישה חודשים אחרי מודלי החזית הסגורים, והפער לא התרחב בשנה וחצי האחרונות. הפער משתנה ממשימה למשימה, ולא כל מודל שמצטיין בקוד מצטיין גם בכתיבה, בניתוח תמונות או בהפעלת סוכנים. אבל מבחינת הלקוחות, בחלק גדל מהשימושים הפער באיכות כבר קטן מהפער במחיר.

• אפל הוצפה בדיווחי פרצות שנוצרו ב־AI - והחליטה להגביל את החוקרים
• ה-AI כבר כותב הודעות לחברים ולדייטים - האם אנחנו מאבדים את היכולת לדבר?

אם OpenAI ואנתרופיק מוציאות מיליארדים כדי להציג מודל מתקדם, אבל בתוך חודשים ספורים מופיעה חלופה פתוחה וזולה שמתקרבת ליכולותיו, חלון הזמן שבו ניתן לגבות מחיר גבוה הולך ומתקצר.

משקולות פתוחות משנות את חלוקת הרווחים

רבים מהמודלים הסיניים מוצגים כמודלים בקוד פתוח, אבל ההגדרה המדויקת יותר היא משקולות פתוחות. החברות אינן חושפות בהכרח את מלוא נתוני האימון, שיטות הפיתוח והקוד, אבל מאפשרות להוריד את המודל המאומן ולהריץ אותו באופן עצמאי.

מבחינת הלקוח העסקי, זה יכול להספיק. הוא יכול להפעיל את המודל על שרתים פרטיים, לבחור ספקית ענן, לשמור את המידע הרגיש בתוך הארגון ולהחליף את החברה שמספקת לו את כוח המחשוב.

כאשר כמה ספקיות יכולות לארח את אותו מודל, התחרות אינה מתנהלת רק בין המודלים אלא גם בין ספקי התשתית. מחיר ההפעלה מתקרב בהדרגה לעלות החישוב, ולמפתחת המודל קשה יותר לגבות תשלום גבוה עבור הקניין הרוחני.

הערך עובר לשכבות שמסביב: הענן, האבטחה, הנתונים, שירות הלקוחות, התוכנה הארגונית והיכולת לשלב את המודל בתהליך העבודה. התרחיש הזה עשוי להיות חיובי לחברות הענן, אבל בעייתי עבור מעבדות AI שמוציאות סכומי עתק על אימון המודלים ומתקשות לייצר מהם הכנסה ישירה.

גם עבור החברות הסיניות לא ברור שמשקולות פתוחות הן מודל עסקי רווחי. בניגוד לתוכנה רגילה, שבה העתקת מוצר כמעט אינה כרוכה בעלות, כל הפעלה של מודל AI דורשת שבבים, זיכרון וחשמל. פרסום המשקולות מאפשר לספקיות אחרות להפעיל את המודל ולהרוויח מהשימוש, בלי להעביר בהכרח חלק מההכנסה לחברה שפיתחה אותו.

אבל ייתכן שהמטרה הסינית בשלב הנוכחי אינה למקסם את הרווח מכל טוקן, אלא להשיג הפצה. מודל זול ופתוח יכול למשוך מפתחים, ליצור סטנדרטים ולהפעיל לחץ על המתחרות האמריקאיות להוריד מחירים. גם אם מפתחת המודל הסינית אינה מרוויחה הרבה, היא יכולה לפגוע בכלכלה של היריבות שהשקיעו סכומים גדולים בהרבה.

הורדת המחיר פוגעת בהחזר על ההשקעה

מבחינת OpenAI ואנתרופיק, הבעיה אינה רק אובדן לקוחות. מדובר גם בהחזר על ההשקעות הנדרשות כדי להישאר בחזית.

אימון מודל מתקדם דורש מרכזי נתונים, שבבים, חשמל, חוקרים ותשתיות תקשורת. לאחר האימון מגיעה עלות השימוש השוטפת: בכל פעם שמשתמש שולח שאלה או שסוכן מפעיל כלי, החברה משלמת עבור כוח חישוב.

אם המחיר לכל מיליון טוקנים יורד, החברה צריכה להגדיל את נפח השימוש בקצב מהיר יותר כדי לפצות על השחיקה. ירידה של 80% במחיר דורשת, בחישוב פשוט, גידול של פי חמישה בכמות השימוש רק כדי לשמור על אותה הכנסה, לפני שמביאים בחשבון את עלויות התשתית.

ייתכן שזהו בדיוק ההימור של OpenAI. מחיר נמוך יותר עשוי להפוך אלפי שימושים חדשים לכדאיים, להכניס את Luna למערכות ארגוניות ולהגדיל את מספר הסוכנים האוטומטיים. אבל אם הביקוש לא יגדל מהר מספיק, החברה תמצא את עצמה משקיעה יותר בתשתית ומקבלת פחות הכנסה עבור כל יחידת שימוש.

מיקרוסופט חשופה ישירות למשוואה הזאת. לפי ההסכם המעודכן בין החברות, היא מחזיקה בכ-27% מ-OpenAI, ו-OpenAI התחייבה לרכוש ממנה שירותי Azure נוספים בהיקף של 250 מיליארד דולר. אמזון כבר השקיעה 8 מיליארד דולר באנתרופיק, ובאפריל הודיעה על השקעה נוספת של 5 מיליארד דולר ועל אפשרות להגדיל אותה. אנתרופיק התחייבה במקביל לרכוש לאורך עשור יותר מ-100 מיליארד דולר של טכנולוגיות AWS.

לכן מלחמת המחירים אינה מוגבלת לשתי חברות פרטיות. היא משפיעה גם על החברות הציבוריות שמממנות אותן, מחזיקות בהן ומקימות את מרכזי הנתונים שעליהם הן פועלות.

המלכוד של וושינגטון

מבחינת הממשל האמריקאי, הפתרון הפשוט לכאורה הוא להגביל את הגישה למודלים הסיניים. מהלך כזה יכול להגן על OpenAI ואנתרופיק מפני תחרות זולה, לצמצם סיכונים של העברת מידע לסין ולמנוע מחברות סיניות להשתלט על שכבת התוכנה של שוק ה-AI.

אבל להגבלה כזאת יש מחיר. חברות אמריקאיות משתמשות במודלים פתוחים וזולים כדי להפחית את עלויות ההטמעה. חסימתם עלולה לאלץ אותן לעבור לחלופות אמריקאיות יקרות יותר ולהעלות את העלות של כל פעולה שמתבצעת באמצעות AI.

ככל שהמחיר עולה, פרויקטים בעלי כדאיות גבולית נדחים וחברות קטנות מתקשות להצטרף לשוק. חברה שתכננה להפעיל סוכן על כל פנייה של לקוח עשויה להסתפק בשימוש חלקי. יישום שהיה כדאי במחיר של כמה סנטים לפעולה עלול להיות לא כלכלי כאשר המחיר עולה פי כמה.

במקביל, חברות באירופה, באסיה ובשווקים מתעוררים עשויות להמשיך להשתמש במודלים הסיניים הזולים. כך עלולה להיווצר תוצאה הפוכה מהכוונה המקורית: ארה"ב מגינה על מפתחי המודלים שלה, אבל מייקרת את השימוש ב-AI עבור התעשייה האמריקאית ומעניקה יתרון עלויות למתחרות מעבר לים.

זוהי לא רק דילמה של ביטחון לאומי, אלא גם שאלה של קצב אימוץ. מודל זול מרחיב את מספר הפעולות שעבורן כדאי להשתמש ב-AI. מודל יקר מצמצם אותו.

החשש מזיקוק המודלים האמריקאיים

אחד הנושאים הרגישים בעימות הוא זיקוק מודלים, Distillation. בשיטה זו מודל קטן לומד מהתשובות שמפיק מודל גדול וכך מצליח לשחזר חלק מהיכולות שלו בעלות נמוכה יותר.

זיקוק הוא כלי מקובל בתעשייה, וגם חברות אמריקאיות משתמשות בו כדי לפתח מודלים קטנים ויעילים. המחלוקת מתחילה כאשר חברה אוספת בהיקף גדול פלטים של מודל מתחרה ומשתמשת בהם כדי לפתח מוצר מסחרי שמתחרה במודל המקורי.

לפי טענות שעלו בארה"ב, חברות סיניות ובהן Moonshot השתמשו בגישה רחבת היקף למודלים אמריקאיים לצורכי זיקוק. הטענות סביב Kimi K3 ואנתרופיק עדיין אינן הוכחה פומבית לכך שהמודל הועתק, ולכן צריך להתייחס אליהן כטענות אמריקאיות ולא כעובדה מוגמרת.

מבחינת החברות האמריקאיות, הסיכון ברור. הן מוציאות מיליארדי דולרים על אימון מודל, ומתחרה יכולה להשתמש בפלטים שלו כדי לקצר את הדרך למודל דומה. סין דוחה את הטענות ורואה בהן ניסיון להרחיב את מגבלות היצוא משבבים גם לתוכנה ולשמר את השליטה האמריקאית בענף.

למה גם אנבידיה עלולה להיפגע

בפעם הקודמת שבה שוק ההון הבין את עוצמת האיום הסיני, התגובה היתה חדה. בינואר 2025, לאחר הצגת מודל R1 של DeepSeek והטענות כי פותח באמצעות פחות משאבים, מניית אנבידיה נפלה בכ-17% ביום אחד ומחקה קרוב ל-590 מיליארד דולר משוויה.

מאז התברר שהתמונה מורכבת יותר. מודל יעיל וזול אינו בהכרח שלילי עבור אנבידיה. אם הירידה במחיר מובילה לזינוק במספר המשתמשים, הסוכנים והיישומים, הביקוש הכולל למחשוב יכול לגדול גם כאשר כל פעולה נעשית יעילה יותר.

אנבידיה עצמה מקדמת מודלים במשקולות פתוחות, ובהם משפחת Nemotron. האינטרס שלה ברור: יותר מודלים ויותר שימוש פירושם יותר ביקוש לשבבים, לתוכנת CUDA ולשירותי התשתית שלה. מבחינת אנבידיה, השאלה החשובה אינה בהכרח מי פיתח את המודל, אלא על אילו שבבים הוא מופעל.

אבל כאן נכנס הסיכון הגיאופוליטי. אם ארה"ב תחסום שימוש במודלים סיניים, חלק מהביקוש שנוצר בזכות המחיר הנמוך עלול להיעלם. חברות עשויות לדחות פרויקטים או לוותר על שימושים שאינם מצדיקים את העלות של מודל אמריקאי.

הסיכון השני משמעותי יותר בטווח הארוך. מגבלות היצוא דוחפות את סין להשקיע בשבבים ובתוכנה משלה. חוואווי הציגה מפת דרכים לשבבי Ascend חדשים עד 2028, לצד מערכות שמחברות אלפי שבבים לאשכולות מחשוב גדולים. היא עדיין מפגרת אחרי אנבידיה ביכולות הייצור, בזיכרונות מתקדמים, בחיבור בין שבבים ובעיקר באקוסיסטם התוכנה, אבל היא מקבלת שוק מקומי גדול שבו היא יכולה לפתח ולשפר את מוצריה.

האיום על אנבידיה אינו שהמודלים הסיניים יהיו יעילים כל כך עד שלא יהיה עוד צורך בשבבים. האיום הוא שהם יופעלו בהדרגה על שבבים סיניים ויחזקו מערכת שאינה תלויה ב-CUDA.

בטווח הקצר, מגבלות היצוא מגינות על היתרון האמריקאי. בטווח הארוך, הן מעניקות לסין תמריץ ולקוחות לבניית חלופה.

סין מוכרת אקוסיסטם, לא רק מודל

יתרון המחיר של המודלים הסיניים משמעותי במיוחד מחוץ לארה"ב. במדינות שבהן תקציבי המחשוב נמוכים, מודל מעט פחות מתקדם אבל זול בהרבה עשוי להיות הבחירה ההגיונית.

סין יכולה לחבר את המודלים לחבילת תשתיות רחבה: שבבים, שרתים, ענן, מרכזי נתונים, תקשורת, אנרגיה ומימון. ככל שמפתחים מקומיים בונים יישומים על בסיס מודלים סיניים, הם נעשים תלויים יותר בכלים, בפורמטים ובתשתיות שמגיעים מסין.

הדפוס מוכר מתחומים אחרים. סין לא תמיד ניצחה באמצעות המוצר המתקדם ביותר, אלא באמצעות מחיר, קנה מידה, מימון והצעת חבילה מלאה. זה קרה בציוד תקשורת, בפאנלים סולאריים ובכלי רכב חשמליים, והיא מנסה להשתמש באותה נוסחה גם בבינה מלאכותית.

לכן המודל הזול אינו רק מוצר. הוא אמצעי להפצת אקוסיסטם.

חדשות טובות ללקוחות, איום על המרווחים

מבחינת הלקוחות, התחרות היא חדשות טובות. המחירים יורדים, מספר האפשרויות גדל וחברות יכולות לבחור בכל משימה את המודל שמתאים לה. פרויקטים שלא היו כלכליים לפני שנה עשויים להפוך לכדאיים, וה-AI יכול לעבור משלב הניסוי לכלי תפעולי קבוע.

מבחינת המשקיעים, התמונה מורכבת יותר. OpenAI ואנתרופיק צריכות להוכיח שהמודלים שלהן מספקים ערך שמצדיק פרמיה: ביצועים טובים יותר במשימות מורכבות, אמינות, אבטחה, פרטיות, תמיכה ושילוב במערכות ארגוניות.

מיקרוסופט ואמזון צריכות להראות שהגידול בצריכת שירותי הענן מפצה על ירידת המחיר לכל פעולה ועל ההשקעות הנדרשות בתשתית. אנבידיה יכולה ליהנות מגידול במספר הטוקנים, אבל היא עלולה להפסיד חלק מהשוק אם המאבק הגיאופוליטי יאיץ את פיתוח החלופות הסיניות.

הורדת המחיר של Luna הראתה שמלחמת ה-AI עוברת מהמודל הטוב ביותר למודל הזול ביותר. עליית המודלים הסיניים מסבירה מדוע השינוי הזה אינו זמני.

התרחיש המסוכן ביותר עבור OpenAI ואנתרופיק אינו שסין תציג מחר את המודל החכם בעולם. מספיק שהיא תציע מודלים טובים מספיק, במחיר נמוך מספיק, ותאלץ את החברות האמריקאיות להמשיך להשקיע יותר - ולגבות פחות.