Databricks ujawnił Databricks AI Index, obserwatorium poświęcone przyjęciu, wydajności i kosztom modeli sztucznej inteligencji w przedsiębiorstwach. Opierając się na zanonimizowanych danych z ponad 10 000 organizacji korzystających z Unity Gateway, badanie to podkreśla dywersyfikację dostawców oraz wzrost modeli o otwartych wagach, których parametry są publikowane. Wskazuje również na duże różnice w kosztach między rozwiązaniami.
Opublikowany 16 listopada 2026 roku, ten indeks łączy dane o zużyciu i oceny agentów programistycznych, czyli oprogramowania AI zdolnego do wykonywania sekwencji działań w celu wykonania zadania, przeprowadzone na podstawie zadań wewnętrznych. Celem jest zmierzenie wydajności modeli, ale także ich efektywności ekonomicznej w środowiskach zawodowych.
Wielodostawczość postępuje
Według Databricks, 64% przedsiębiorstw korzystających z Unity Gateway korzystało tylko z jednego dostawcy modeli AI w lipcu 2026. Do 2 listopada odsetek ten spadł do 28%, co świadczy o dywersyfikacji wykorzystywanych technologii. Wskaźnik ten uwzględnia jednak dostawców, z którymi nawiązano kontakt od 20 lipca, w tym przypadki, gdy przedsiębiorstwo przetestowało dodatkowego dostawcę tylko raz.
Modele o otwartych wagach również odnotowują znaczący wzrost. Ich udział w tokenach, tych jednostkach tekstu przetwarzanych przez model, wysyłanych do modeli hostowanych przez Databricks za pośrednictwem Unity Gateway wzrósł z 7,3% w lipcu do 30,9% na początku listopada. Liczba ta mierzy wolumen tokenów w tym środowisku, a nie odsetek przedsiębiorstw, które przyjęły te modele.
Ten wzrost wykazuje jednak oznaki spowolnienia. Według analizy Tomasza Tunguza, udział modeli o otwartych wagach osiągnął około 33% we wrześniu 2026, zanim ustabilizował się wokół 31%, w kontekście silnych cięć cenowych OpenAI. Ta ewolucja sugeruje, że strategie cenowe mogą wpływać na wybory technologiczne przedsiębiorstw, nie ustalając same w sobie związku przyczynowego.
Duże różnice w kosztach
W swoich ocenach programistycznych Databricks klasyfikuje trzy modele o otwartych wagach wśród dziesięciu najlepszych. DeepSeek V4.1 i GLM 5.3 osiągają w szczególności wskaźnik sukcesu 93,1%, wynik ilustrujący ich konkurencyjność wobec modeli własnościowych w testowanych zadaniach.
Badanie podkreśla również, że porównywalne wyniki mogą prowadzić do bardzo różnych kosztów. GPT-6 Luna i Claude Opus 5.5 osiągają każdy wskaźnik sukcesu 89,1%, ale ich średni koszt na zadanie wynosi odpowiednio 0,05 i 1,62 dolara, czyli różnica około 32 razy.
To spostrzeżenie należy jednak zniuansować w zależności od zastosowań. Databricks wskazuje, że wybrał Claude Opus 5.5 jako domyślny model Claude Code wewnętrznie, po zaobserwowaniu poprawy jakości i redukcji o 29% kosztu na sesję w porównaniu z poprzednikiem. Cena tokenów nie wystarcza więc do określenia rzeczywistej opłacalności modelu.
Skupione wydatki
Badanie ujawnia ponadto znaczące dysproporcje w wydatkach na AI między współpracownikami. Mediana tygodniowego zużycia osiąga 2,49 dolara na użytkownika, w porównaniu z 699,74 dolarami dla użytkowników znajdujących się na 99 percentylu, czyli różnica około 281 razy.
To skupienie odzwierciedla różnorodność zastosowań, między pracownikami korzystającymi sporadycznie z asystenta konwersacyjnego a programistami wykonującymi codziennie agentów programistycznych. Dla przedsiębiorstw te różnice wzmacniają znaczenie monitorowania budżetu, zarządzania zastosowaniami i optymalizacji zasobów.
Dzięki temu AI Index, Databricks twierdzi, że chce pomóc organizacjom porównywać modele według ich wydajności, kosztów i potrzeb biznesowych. Unity Gateway oferuje w szczególności narzędzia nadzoru, kontroli budżetowej i inteligentnego kierowania zapytań do najbardziej odpowiednich modeli. Wyniki pozostają jednak ograniczone do zakresu przedsiębiorstw korzystających z platformy i ocenianych zadań programistycznych i nie stanowią reprezentatywnego pomiaru całego światowego rynku sztucznej inteligencji.
