Databricks представила Databricks AI Index — обсерваторию, посвященную внедрению, производительности и стоимости моделей искусственного интеллекта в корпоративной среде. Основанное на обезличенных данных более 10 000 организаций, использующих Unity Gateway, исследование выявляет диверсификацию поставщиков и рост популярности моделей с открытыми весами, параметры которых публикуются. Также подчеркивается значительный разброс в стоимости решений.
Опубликованный 16 ноября 2026 года, этот индекс объединяет данные о потреблении и оценки агентов программирования — то есть ИИ-программ, способных выполнять последовательности действий для решения задачи, — проведенные на основе внутренних задач. Цель — измерить не только производительность моделей, но и их экономическую эффективность в профессиональных средах.
Мультивендорность набирает обороты
Согласно Databricks, в июле 2026 года 64% компаний, использовавших Unity Gateway, обращались только к одному поставщику ИИ-моделей. К 2 ноября эта доля упала до 28%, что свидетельствует о диверсификации используемых технологий. Однако этот показатель учитывает всех поставщиков, к которым обращались с 20 июля, даже если компания протестировала дополнительного поставщика всего один раз.
Модели с открытыми весами также демонстрируют значительный рост. Их доля в токенах — единицах текста, обрабатываемых моделью, — отправленных на модели, размещенные в Databricks через Unity Gateway, выросла с 7,3% в июле до 30,9% в начале ноября. Эта цифра измеряет объем токенов в данной среде, а не долю компаний, внедривших такие модели.
Тем не менее, этот рост показывает признаки замедления. Согласно анализу Томаша Тунгуза, доля моделей с открытыми весами достигла примерно 33% в сентябре 2026 года, а затем стабилизировалась около 31% на фоне значительного снижения цен от OpenAI. Эта динамика предполагает, что ценовые стратегии могут влиять на технологический выбор компаний, хотя сама по себе не устанавливает причинно-следственную связь.
Существенные различия в стоимости
В своих оценках программирования Databricks помещает три модели с открытыми весами в первую десятку. В частности, DeepSeek V4.1 и GLM 5.3 достигают уровня успеха в 93,1%, что демонстрирует их конкурентоспособность по сравнению с проприетарными моделями в тестируемых задачах.
Исследование также подчеркивает, что сопоставимая производительность может обходиться по-разному. GPT-6 Luna и Claude Opus 5.5 показывают уровень успеха по 89,1% каждый, но их средняя стоимость за задачу составляет 0,05 и 1,62 доллара соответственно, то есть разница примерно в 32 раза.
Однако этот вывод требует уточнения в зависимости от сценариев использования. Databricks сообщает, что выбрала Claude Opus 5.5 в качестве модели по умолчанию для Claude Code для внутреннего использования, обнаружив улучшение качества и снижение стоимости на 29% за сессию по сравнению с предшественником. Таким образом, цена токенов сама по себе не определяет реальную рентабельность модели.
Концентрация расходов
Исследование также выявляет значительный разброс в расходах на ИИ среди сотрудников. Медианное еженедельное потребление составляет 2,49 доллара на пользователя, в то время как для пользователей на 99-м процентиле этот показатель достигает 699,74 доллара, что означает разрыв примерно в 281 раз.
Эта концентрация отражает разнообразие сценариев использования: от сотрудников, время от времени обращающихся к чат-ассистенту, до разработчиков, ежедневно запускающих агентов программирования. Для компаний эти различия подчеркивают важность бюджетного контроля, управления использованием и оптимизации ресурсов.
С помощью этого AI Index Databricks заявляет, что хочет помочь организациям сравнивать модели по производительности, стоимости и бизнес-потребностям. Unity Gateway, в частности, предлагает инструменты мониторинга, бюджетного контроля и интеллектуальной маршрутизации запросов к наиболее подходящим моделям. Однако результаты ограничены периметром компаний, использующих платформу, и оцененными задачами программирования и не являются репрезентативным показателем для всего мирового рынка искусственного интеллекта.
