Model AI może zdobyć przychylność firm w ciągu kilku tygodni, podczas gdy inny traci niemal całą swoją pozycję. Pokazuje to Databricks AI Index, publiczny pulpit nawigacyjny aktualizowany co tydzień. Opiera się on na ruchu przez Unity Gateway, bramę, przez którą klienci Databricks uzyskują dostęp do modeli AI, oraz na wewnętrznym benchmarku agentów kodujących. Dane te opisują praktyki klientów Databricks, a nie cały rynek.
Nowy model może zdobyć dominację w ciągu kilku tygodni
Od maja 2026 roku co tydzień pojawia się nowy flagowy model, według zestawienia Databricks. W połowie roku większość klientów opierała się głównie na garstce modeli Anthropic. OpenAI odzyskało później pozycję dzięki GPT-6 Sol i Astra, zanim pod koniec września premiera Claude Opus 5.5 przywróciła przewagę Anthropic.
W ciągu sześciu tygodni udział Claude Opus 5.5 w tokenach zużywanych na modelach własnościowych wzrósł z 7,2% do 38%, czyniąc go głównym modelem w bramie. W tym samym okresie Claude Fable 5.1, choć prowadzący w benchmarku kodowania wydawcy, spadł z 5,5% do 0,6%. „Jakość modeli wciąż silnie wpływa na udziały rynkowe dostawców » – zauważa Databricks. Token, jednostka tekstu przetwarzana przez model i podstawa rozliczeń, służy tu jako miara użycia.
Databricks twierdzi, że stosuje tę samą logikę wewnętrznie, oceniając każdy nowy model w ciągu kilku dni od premiery. Firma zrezygnowała więc z przejścia z Opus 4.8 na Opus 5, z powodu niewystarczającej poprawy dla swoich zastosowań w stosunku do dodatkowego kosztu. Natomiast uczyniła Opus 5.5 domyślnym modelem dla Claude Code, po stwierdzeniu, że koszt na sesję jest o 29% niższy niż w przypadku poprzednika.
Czy firmy mnożyły więc dostawców? Według Databricks około 64% jego klientów korzystało w lipcu tylko z jednego dostawcy modeli, w porównaniu z 28% w dniu 2 listopada. Wskaźnik jest skumulowany: obejmuje wszystkich dostawców wykorzystywanych przez firmę od 20 lipca. Punkt lipcowy dotyczy więc tygodnia użycia, listopadowy – ponad trzech miesięcy. Mierzy on odsetek firm, które wypróbowały wielu dostawców, nie mówiąc, czy korzystają z nich równolegle.
Najbardziej przyjęty model nie jest najbardziej ekonomiczny
Benchmark indeksu poddaje modele z dziewięciu laboratoriów zadaniom zaczerpniętym z pracy własnych deweloperów Databricks, a następnie mierzy ich wskaźnik sukcesu i średni koszt na zadanie. Na zbliżonym poziomie różnice w kosztach są znaczne. GPT-6 Luna i Claude Opus 5.5 osiągają sukces w 89% zadań, ale średni koszt Luny to 0,05 dolara na zadanie, wobec 1,62 dolara dla Opus 5.5, czyli około 32 razy mniej.
Gemini 3.8 Flash ma niską cenę tokena, ale potrzebuje średnio 140 rund wymiany na zadanie, co daje rachunek 11,97 dolara, jeden z najwyższych w benchmarku. Claude Fable 5.1 prowadzi z 96% sukcesów, za 7,47 dolara na zadanie. Muse Wonder od Meta osiąga 95% za 1,53 dolara, czyli, według indeksu, prawie pięć razy taniej.
Modele nie potrzebują tej samej ilości pracy, aby osiągnąć wynik. „Niższe ceny tokena nie gwarantują niższych kosztów », gdy model musi wykonać więcej pracy, aby ukończyć zadanie – podsumowuje wydawca. Databricks, który sprzedaje narzędzie do automatycznego routingu między modelami, radzi zarezerwować droższe modele dla zadań złożonych.
Modele open weight zyskują na popularności
Indeks odnotowuje również wzrost modeli open weight, których wagi są publikowane i które każdy może hostować. Wśród modeli bezpośrednio obsługiwanych przez Databricks ich udział w tokenach wzrósł z 7,3% w lipcu do 31% na początku listopada. Zakres ten wyklucza ruch kierowany do Anthropic lub OpenAI. Wzrost skoncentrował się między lipcem a końcem września, a udział od tego czasu utrzymuje się na stałym poziomie.
Dostawcy open weight szczegółowo wymienieni w indeksie, Zhipu, DeepSeek i Moonshot AI, są wszyscy chińscy. Trzy modele open weight znajdują się w pierwszej dziesiątce benchmarku kodowania, w tym DeepSeek V4.1 Flash i GLM 5.3, ex aequo na trzecim miejscu z 93% sukcesów. Po stronie europejskiej, Mistral AI opublikował 29 października wagi Mistral Large 4 na Hugging Face, ale ten model nie figuruje wśród rodzin uwzględnionych przez indeks.
Indeks jest publikowany przez Databricks, bez udziału zewnętrznego instytutu. Agreguje on anonimizowane dane użycia z ponad 10 000 firm klienckich, od startupów cyfrowych po grupy z Fortune 500. Dane użycia obejmują okres od 20 lipca do 2 listopada 2026 roku, a benchmark kodowania jest aktualny na 10 listopada.
