The open-source fire is spreading to Silicon Valley
- Core viewpoint: U.S. enterprises are shifting from pursuing the "strongest model" to combining and calling models based on task difficulty. Low-cost open-source models handle a large amount of daily work, while frontier models are only responsible for complex reasoning. AI procurement logic is shifting from brand trust to cost-effectiveness and architectural design.
- Key elements:
- The number of times U.S. companies mentioned "open-weight" or "open-source" models on earnings calls was 6 times that of the same period last year, and the share of open-source model tokens on multiple platforms rose from around 30% at the beginning of the year to more than 60%.
- Because of heavy use of AI coding tools, Uber burned through its entire AI budget originally meant to cover all of 2026 in just 4 months and was forced to set usage limits, highlighting cost pressure.
- About 40% of AT&T's AI workloads already run on open-source models, and it plans to increase that to 70% within a year, processing 45 billion tokens per day and using proprietary data for fine-tuning.
- DeepSeek V4 Pro scored 80.6% on SWE-bench Verified, while its blended token rate is only about 1/46 of Claude Opus 4.7, a staggering price gap.
- Cursor tests showed that building a browser from scratch with GPT-5.5 cost more than $10,000, while switching to a self-developed model combined with Opus reduced the cost to $1,339, a difference of about 7.5 times.
- Enterprise software stocks rebounded strongly, with HubSpot rising nearly 30% in a month and Adobe gaining more than 20%. Cheaper and more open AI models are seen as a "clear positive" for software companies.
ผู้เขียนต้นฉบับ: Su Yang
บรรณาธิการต้นฉบับ: Xu Qingyang
แหล่งที่มาต้นฉบับ: Tencent Tech
ซิลิคอนวัลเลย์กำลังเกิดการเปลี่ยนแปลงอันละเอียดอ่อน
ในช่วงสองปีที่ผ่านมา เมื่อองค์กรต่างๆ พูดถึง AI คำถามที่พวกเขาสนใจมากที่สุดมักเป็น "โมเดลของใครแข็งแกร่งที่สุด" ปัจจุบัน เมื่อการประยุกต์ใช้ AI ขยายขนาดขึ้น คำถามอีกข้อหนึ่งเริ่มเป็นจริงมากขึ้นเรื่อยๆ: ในการทำงานเดียวกัน จำเป็นต้องใช้โมเดลที่แพงที่สุดจริงหรือไม่?
เมื่อค่าใช้จ่ายด้าน IT เพิ่มขึ้นอย่างต่อเนื่อง องค์กรในสหรัฐฯ เริ่มทบทวนต้นทุน AI ใหม่ และหันไปใช้โมเดล AI "โอเพนซอร์ส" ที่มีราคาถูกกว่าเพิ่มมากขึ้น หรือพูดให้ชัดเจนยิ่งขึ้น คือส่วนหนึ่งเป็นโมเดล "โอเพนเวท" (open-weight)
ตามข้อมูลจากแพลตฟอร์มวิจัย AlphaSense ในเดือนสิงหาคมและกันยายนปีนี้ จำนวนครั้งที่มีการกล่าวถึงโมเดล "โอเพนเวท" หรือ "โอเพนซอร์ส" ในการประชุมรายได้และประชุมนักลงทุนขององค์กรสหรัฐฯ สูงเป็น 6 เท่าของช่วงเดียวกันของปีที่แล้ว
ตั้งแต่บริษัทเทคโนโลยีไปจนถึงอุตสาหกรรมการเงิน โลจิสติกส์ อุตสาหกรรม และโทรคมนาคม องค์กรต่างๆ เริ่มทดลองผสมผสานโมเดลต่างๆ ตามความยากง่ายของงาน: โมเดล frontier ที่แพงที่สุดรับผิดชอบงานที่ซับซ้อน ขณะที่โมเดลโอเพนซอร์สที่ถูกกว่ารับผิดชอบงานประจำจำนวนมาก
โมเดล Frontier ไม่สามารถ "กินรวบ" ได้ทั้งหมด
สตาร์ทอัพ AI สัญชาติจีนสองแห่งคือ Zhipu AI และ Moonshot AI ได้เปิดตัวโมเดลใหม่ที่มีประสิทธิภาพเทียบเท่าผลิตภัณฑ์จากแล็บสหรัฐฯ
ในช่วงหลายปีที่ผ่านมา OpenAI และ Anthropic ได้ผลักดันขีดจำกัดความสามารถของโมเดล frontier อย่างต่อเนื่อง และได้สร้างตรรกะทางธุรกิจที่ชัดเจน: องค์กรยินดีจ่ายราคาสูงขึ้นสำหรับโมเดลที่แข็งแกร่งกว่า เพราะระดับสติปัญญาที่สูงขึ้นหมายถึงโค้ดที่ดีกว่า การ推理ที่ซับซ้อนกว่า และความสามารถในการทำงานอัตโนมัติที่更强
แต่เมื่อ AI ก้าวจากขั้นทดลองจำนวนน้อยเข้าสู่สภาพแวดล้อมการผลิตขนาดใหญ่ องค์กรต่างๆ เริ่มคำนวณบัญชีนี้ใหม่
งานประจำจำนวนมาก เช่น การสกัดข้อมูล การจำแนกข้อความ การแก้ไขโค้ดง่ายๆ การตอบกลับลูกค้า ไม่จำเป็นต้องเรียกใช้โมเดล frontier ที่แพงที่สุด
รอยเตอร์รายงานเมื่อเดือนมิถุนายนปีนี้ว่า ผู้บริหารระดับสูง เช่น Satya Nadella CEO ของ Microsoft, Nikesh Arora CEO ของ Palo Alto Networks และ Brian Armstrong CEO ของ Coinbase ต่างเริ่มเน้นย้ำว่าโมเดลที่เล็กกว่าและถูกกว่าสามารถตอบสนองความต้องการขององค์กรได้ในสัดส่วนที่มากพอ
Uber เป็นกรณีศึกษาที่ชัดเจน
เนื่องจากพนักงานใช้เครื่องมือเขียนโค้ด AI กันอย่างแพร่หลาย บริษัทใช้เวลาเพียง 4 เดือนก็ใช้หมดงบประมาณ AI ที่เดิมครอบคลุมทั้งปี 2026 จนสุดท้ายต้องกำหนดเพดานการใช้งานเครื่องมือ AI
งานที่ซับซ้อนยิ่งขึ้นจะผลักดันต้นทุนให้สูงขึ้นอีก เมื่อคำขอหนึ่งๆ เกี่ยวข้องกับขั้นตอนมากขึ้น บริบทยาวขึ้น และการเรียกใช้เครื่องมือมากขึ้น แม้ราคาต่อ Token จะลดลง แต่บิลสุดท้ายขององค์กรก็ยังอาจเพิ่มขึ้นอย่างรวดเร็ว
ดังนั้น "โมเดลไหนแข็งแกร่งที่สุด" จึงค่อยๆ กลายเป็น "โมเดลไหนเหมาะที่สุดสำหรับงานนี้" โมเดลโอเพนซอร์สจึงได้รับโอกาส
แตกต่างจากบริษัทอย่าง OpenAI และ Anthropic ที่ให้บริการโมเดลผ่านคลาวด์เป็นหลัก โมเดลโอเพนซอร์สอนุญาตให้องค์กรดาวน์โหลดพารามิเตอร์ของโมเดลไปรันบนเซิร์ฟเวอร์ของตนเองหรือโครงสร้างพื้นฐานคลาวด์ และปรับแต่งตามความต้องการทางธุรกิจ ซึ่งช่วยลดต้นทุนการเรียกใช้บางส่วน พร้อมทั้งได้อำนาจควบคุมการติดตั้งใช้งานและข้อมูลที่มากขึ้น
ไฟแนนเชียลไทม์สอ้างข้อมูลจาก Vercel ว่าในเดือนสิงหาคมปีนี้ จาก Token ทั้งหมดที่ AI Gateway ของบริษัทประมวลผล โมเดลโอเพนซอร์สคิดเป็นสัดส่วนถึง 56% เทียบกับเพียง 7% ในเดือนธันวาคมปีที่แล้ว รอยเตอร์อ้างข้อมูลจาก Citibank ว่า สัดส่วน Token ที่โมเดลโอเพนซอร์สประมวลผลบน OpenRouter ก็เพิ่มจาก 34% ในเดือนมกราคมปีนี้เป็น 65% ในเดือนมิถุนายน
"จานผสมโมเดล"
สิ่งที่重塑โมเดลธุรกิจ AI อย่างแท้จริง ไม่ใช่โมเดลโอเพนซอร์สตัวใดตัวหนึ่งที่เอาชนะยักษ์ใหญ่ closed-source ได้ แต่เป็นองค์กรที่เริ่มละทิ้งแนวคิด "โมเดลเดียวแก้ปัญหาทุกอย่าง" การเปลี่ยนแปลงนี้เห็นได้ชัดเป็นพิเศษในอุตสาหกรรมซอฟต์แวร์
Tinder ในเครือ Match Group เพื่อควบคุมต้นทุน AI ที่พุ่งสูง เริ่มนำคำค้นที่ไม่ใช่เชิงเทคนิคบางส่วนไปใช้โมเดลโอเพนซอร์ส CTO ของบริษัท Vinay Kuruvila เปิดเผยว่าค่าใช้จ่าย AI ของบริษัทในระดับ annualized เพิ่มจาก 1 ล้านดอลลาร์ในเดือนมกราคมเป็น 10 ล้านดอลลาร์ในเดือนกรกฎาคม แม้โมเดลระดับท็อปจะทำงานได้ประมาณ 90% ของงาน แต่เมื่อโมเดลโอเพนซอร์สไล่ตามอย่างต่อเนื่อง งานจำนวนมากก็ไม่จำเป็นต้องเรียกใช้ระบบที่แพงที่สุดอีกต่อไป
ยักษ์ใหญ่โทรคมนาคม AT&T ไปไกลกว่านั้น Andy Markus ประธานเจ้าหน้าที่ฝ่ายข้อมูลและ AI เปิดเผยว่าปัจจุบันประมาณ 40% ของ workload AI รันบนโมเดลโอเพนซอร์ส และมีแผนจะเพิ่มเป็น 70% ภายในหนึ่งปี เมื่อต้องรับมือกับปริมาณ 45,000 ล้าน Token ต่อวัน AT&T ยังใช้ข้อมูลเฉพาะทางปรับแต่งโมเดลโอเพนซอร์ส เพื่อให้มีประสิทธิภาพในงานเฉพาะทางเทียบเท่าหรือเหนือกว่าโมเดล closed-source
ดังนั้น "จานผสมโมเดล" กำลังกลายเป็นสถาปัตยกรรมทั่วไปของการประยุกต์ใช้ AI: โมเดล frontier รับผิดชอบการ推理และวางแผนที่ซับซ้อน โมเดลต้นทุนต่ำรับผิดชอบงานปฏิบัติจำนวนมาก
ไม่เพียงแต่แอปพลิเคชันระดับผู้บริโภค ซอฟต์แวร์ประเภทเครื่องมือและเครื่องมือสำหรับนักพัฒนาก็กำลังเผชิญการเปลี่ยนแปลงแบบเดียวกัน
การทดสอบของทีม Cursor ก็สะท้อนความแตกต่างด้านต้นทุนนี้เช่นกัน การสร้างเบราว์เซอร์จากศูนย์ หากใช้ OpenAI GPT-5.5 ตลอดกระบวนการ ต้นทุนจะเกิน 10,000 ดอลลาร์ หากเปลี่ยนมาใช้โมเดล Composer ที่พัฒนาขึ้นเองคู่กับ Anthropic Opus 4.8 ต้นทุนจะลดลงเหลือ 1,339 ดอลลาร์ ต่างกันประมาณ 7.5 เท่า
รูปแบบนี้ยังทำให้ "Model Agnostic" (ไม่ยึดติดกับโมเดลใดโมเดลหนึ่ง) กลายเป็นความสามารถสำคัญของแอปพลิเคชัน AI องค์กรสามารถจัดสรรอย่างยืดหยุ่นระหว่าง OpenAI, Anthropic, Google และโมเดลโอเพนซอร์สตามความยากและต้นทุนของงาน โดยไม่ผูกติดกับผู้ให้บริการรายเดียวอีกต่อไป
บริษัท Telnyx ก่อนหน้านี้ใช้โมเดลระดับท็อปของ Anthropic รัน Bot Agent จำนวน 1,000 ตัว ตามรูปแบบการคิดค่าบริการเดิม ต้นทุนเฉลี่ยต่อวันอาจสูงถึง 100,000 ดอลลาร์ หลังเปลี่ยนมาใช้โมเดลโอเพนซอร์ส Bot Agent เพิ่มเป็น 1,400 ตัว แต่ต้นทุนเฉลี่ยต่อวันต่อ Agent กลับลดลงเหลือประมาณ 100 ดอลลาร์
สตาร์ทอัพ AI ด้านกฎหมายอย่าง Harvey ก็ใช้กลยุทธ์คล้ายกัน: งานประจำใช้โมเดลโอเพนซอร์ส งานที่ยากมากเท่านั้นจึงเรียกใช้โมเดลระดับท็อป
การจัดสรรคุณค่าใหม่
การเปลี่ยนแปลงนี้สร้างผลกระทบอย่างลึกซึ้งต่อรากฐานทางธุรกิจของ OpenAI และ Anthropic
ในอดีต บริษัทโมเดล frontier ผลักดันให้องค์กรเพิ่มค่าใช้จ่าย AI โดยการยกระดับความสามารถของโมเดลอย่างต่อเนื่อง ยิ่งโมเดลแข็งแกร่ง ส่วนเพิ่มก็ยิ่งสูง และส่วนเพิ่มนั้นก็แปลงเป็นการลงทุนด้านพลังประมวลผลสำหรับโมเดลรุ่นถัดไป แต่โมเดลโอเพนซอร์สกำลังทำลายวงจรปิดนี้
ข้อมูลจาก Citibank แสดงให้เห็นว่าก่อนหน้านี้โมเดลโอเพนซอร์สบางตัวมีราคาต่ำถึง 18 เซนต์ต่อล้าน Token ขณะที่ราคาเฉลี่ยของโมเดล closed-source ระดับท็อปอยู่ที่ประมาณ 4 ดอลลาร์ แม้โมเดลโอเพนซอร์สจะมีความแตกต่างด้านประสิทธิภาพในงานสุดโต่งบางอย่าง แต่ช่องว่างราคาที่悬殊เช่นนี้ก็เพียงพอที่จะทำให้องค์กรประเมินใหม่ว่าจำเป็นต้องเรียกใช้โมเดลระดับท็อปสำหรับทุกงานหรือไม่
ที่สำคัญยิ่งกว่าคือ ความเร็วในการไล่ตามความสามารถระดับ hardcore ของฝั่งโอเพนซอร์สนั้นเกินความคาดหมายอย่างมาก
DeepSeek เปิดตัวโมเดล V4 Pro สู่สถานะ GA โดยไม่มีการโปรโมตล่วงหน้า โมเดลนี้ทำคะแนนได้ 80.6% บน SWE-bench Verified ซึ่งเป็นคะแนนระดับแนวหน้า และสร้างสถิติคะแนน Codeforces สูงสุดในบรรดาโมเดลที่ทดสอบ ขณะที่อัตราค่า Token โดยรวมของมันอยู่ที่เพียงประมาณ 1/46 ของ Claude Opus 4.7
เมื่อโมเดลโอเพนซอร์สที่มีต้นทุนเพียง 1/46 ของโมเดล closed-source ระดับท็อป ไม่เพียงแต่ทำงานได้ แต่ยังเทียบชั้นโมเดล frontier ระดับแนวหน้าโดยตรงในตัวชี้วัดสำคัญอย่างการเขียนโค้ดเชิงลึกและการ推理เชิงอัลกอริทึม ดุลยภาพในกลยุทธ์การจัดซื้อของผู้ซื้อก็ถูกทำลายอย่างสิ้นเชิง
Val Bercovici ประธานเจ้าหน้าที่ฝ่าย AI ของ WEKA เคยสรุปแนวโน้มนี้ว่า "ได้ผลลัพธ์ 90% ในราคา 10%" และการปรากฏตัวของผลิตภัณฑ์อย่าง DeepSeek V4 Pro กำลังทำลายข้อจำกัด "ผลลัพธ์ 90%" มุ่งสู่ระดับประสิทธิภาพสูงสุด
นอกจากต้นทุนแล้ว การควบคุมข้อมูลก็เป็นแรงดึงดูดสำคัญของโมเดลโอเพนซอร์ส
Scott Wallace ผู้อำนวยการอาวุโสฝ่ายสถาปัตยกรรมโซลูชันระดับโลกของ Digital Realty กล่าวว่าบริษัทได้สร้างอินเทอร์เฟซแชทภายในที่รันบนโมเดลโอเพนซอร์ส และผสมผสานระหว่างโมเดลโอเพนซอร์สกับโมเดลเฉพาะทางตามระดับความอ่อนไหวและความซับซ้อนของงาน
สำหรับงานที่เกี่ยวข้องกับบันทึกทางการแพทย์ การเงินที่อ่อนไหว หรือความลับทางการค้า โมเดลโอเพนซอร์สอนุญาตให้องค์กรติดตั้งโค้ดและพารามิเตอร์บนโครงสร้างพื้นฐานของตนเองเพื่อปรับแต่งและตรวจสอบ ซึ่งไม่ใช่แค่เรื่องเศรษฐศาสตร์ แต่เป็นเรื่องการปฏิบัติตามกฎระเบียบและการกำกับดูแล
บริษัทซอฟต์แวร์กลับมาได้อีกครั้ง
ในช่วงสองปีที่ผ่านมา อุตสาหกรรม AI มีความกังวลอยู่เสมอว่า บริษัทโมเดลพื้นฐานอาจกลืนตลาดซอฟต์แวร์แบบดั้งเดิมโดยตรง หากผู้ใช้สามารถยื่นความต้องการต่อ ChatGPT หรือ Claude ได้โดยตรง ทำไมยังต้องซื้อซอฟต์แวร์แบบดั้งเดิม? แต่เมื่อต้นทุนโมเดลลดลงอย่างรวดเร็ว ตรรกะนี้กำลังกลับทิศ
สำหรับบริษัทซอฟต์แวร์ AI โดยพื้นฐานแล้วเป็นต้นทุนการลงทุน (Input Cost) ยิ่งโมเดลถูก บริษัทซอฟต์แวร์ก็ยิ่งสามารถฝังความสามารถ AI เข้าไปในผลิตภัณฑ์ด้วยต้นทุนต่ำมาก พร้อมทั้งเพิ่มอัตรากำไรของตนเอง
นักวิเคราะห์ของ William Blair ระบุเมื่อไม่นานมานี้ว่า โมเดล AI ที่ถูกกว่าและเปิดกว้างกว่าถือเป็น "ข่าวดีอย่างชัดเจน" สำหรับบริษัทซอฟต์แวร์ บริษัทซอฟต์แวร์สามารถขยายขอบเขตฟีเจอร์ AI และมีโอกาสปรับปรุงพื้นที่กำไร การแข่งขันอันดุเดือดระหว่าง OpenAI, Anthropic, Google และโมเดลโอเพนซอร์สทำให้ผู้ซื้อซอฟต์แวร์มีอำนาจต่อรองและทางเลือกที่เหนือชั้นกว่าที่เคยเป็น
สิ่งที่สอดคล้องกับแนวโน้มนี้คือการฟื้นตัวที่แข็งแกร่งของหุ้นซอฟต์แวร์องค์กร
ในเดือนที่ผ่านมา HubSpot เพิ่มขึ้นเกือบ 30% Adobe เพิ่มขึ้นกว่า 20% ขณะที่ Intuit, Salesforce, ServiceNow และ Asana ต่างเพิ่มขึ้นอย่างน้อย 12%
Bill Gurley อดีตหุ้นส่วนของ Benchmark เชื่อว่าหากโมเดล AI ที่แข็งแกร่งสามารถรักษาความเปิดกว้างและราคาถูกได้ สตาร์ทอัพ ผู้ให้บริการคลาวด์ บริษัทชิป องค์กร และนักวิจัยต่างจะได้รับประโยชน์
สำหรับสตาร์ทอัพ AI จำนวนมาก พวกเขาไม่จำเป็นต้องลงทุนหลายพันล้านดอลลาร์เพื่อแข่งขันในการ pre-train โมเดลพื้นฐาน แต่สามารถนำโมเดลประสิทธิภาพสูงที่มีอยู่แล้วมาเชื่อมต่อกับผลิตภัณฑ์โดยตรง ใช้ความสัมพันธ์กับลูกค้า ความรู้ในอุตสาหกรรม ข้อมูลเฉพาะทาง และ workflow เพื่อสร้างกำแพงการแข่งขัน ยิ่งโมเดลถูกลง แรงกดด
