Kitajski modeli umetne inteligence dohitevajo ameriške in stanejo bistveno manj

Analiza portala Setproduct, ki se opira na javne podatke neodvisne platforme Artificial Analysis, ocenjuje, da bi lahko podjetje pri mešanem naboru nalog s prehodom na kitajske modele stroške zmanjšalo za približno 87 odstotkov, povprečna kakovost rezultatov pa bi upadla za okoli štiri odstotke.

Toda povprečje skriva pomembne razlike. Pri nekaterih nalogah je razlika skoraj neopazna, pri programiranju pa ostaja dovolj velika, da bi lahko nepremišljen prehod ustvaril več težav kot prihrankov.

Razlika v kakovosti se hitro zmanjšuje

Ameriška podjetja še vedno razvijajo večino najzmogljivejših modelov, vendar se tehnološka prednost zmanjšuje. Med vodilnimi kitajskimi sistemi so danes modeli družb Alibaba, Moonshot AI, DeepSeek, Xiaomi, Zhipu AI, MiniMax in Kuaishou.

Na lestvicah, ki poleg inteligence merijo tudi strošek izvedbe posamezne naloge, se kitajski modeli vse pogosteje uvrščajo v območje visoke zmogljivosti in nizke cene. Najboljši modeli podjetij OpenAI in Anthropic še vedno dosegajo višje rezultate pri najzahtevnejšem sklepanju in programiranju, vendar za to zahtevajo precej višjo ceno.

Stanfordov indeks umetne inteligence za leto 2026 podobno ugotavlja, da se je razlika med vodilnimi ameriškimi in kitajskimi modeli močno zmanjšala. Marca je najboljši ameriški model kitajskega tekmeca prekašal le še za nekaj odstotnih točk.

Tekmovanje se zato vse manj vrti okoli vprašanja, ali Kitajska sploh lahko razvije konkurenčen model. V ospredju je vprašanje, koliko dodatne kakovosti so podjetja pripravljena plačati.

Od pet- do dvanajstkrat nižji stroški

Največja prednost kitajskih modelov je cena. Po primerjavi Setproducta so lahko alternative vodilnim zahodnim modelom pri posameznih nalogah od pet- do dvanajstkrat cenejše. Xiaomi MiMo naj bi na primer pri množičnem ustvarjanju vsebin zaostajal za primerljivim modelom GPT za približno šest odstotkov, a stal približno dvanajstkrat manj.

Pri izvajanju agentnih zank, kjer modeli samostojno ponavljajo naloge in uporabljajo druga orodja, je bila ocenjena razlika v kakovosti le okoli tri odstotke. Ker prav takšni sistemi porabljajo velike količine žetonov, lahko že petkrat nižja cena močno vpliva na mesečni račun podjetja.

Presenetljivo konkurenčno je tudi ustvarjanje videa. Kitajski Kling naj bi se po kakovosti približal modelu Sora, njegova uporaba pa naj bi bila približno šestkrat cenejša.

Takšne razlike so pomembne predvsem za podjetja, ki umetno inteligenco uporabljajo množično: za ustvarjanje opisov izdelkov, obdelavo dokumentov, podporo uporabnikom, prevajanje, analizo podatkov ali avtomatizirane delovne procese. Pri milijonih izvedenih nalog se lahko že majhna razlika v ceni hitro spremeni v velik prihranek.

Programiranje ostaja glavna šibka točka

Največja razlika se kaže pri ustvarjanju programske kode. Setproductova primerjava ocenjuje, da je Alibabin Qwen pri tej nalogi približno sedemkrat cenejši od modela GPT-5.5, vendar za njim po kakovosti zaostaja za okoli 18 odstotkov. To je več kot štirikrat večji zaostanek kot pri večini drugih analiziranih nalog.

Razlika ni enako pomembna pri vseh oblikah programiranja. Pri pripravi prototipov, ponavljajoče se kode, konfiguracijskih datotek ali testnih podatkov je cenejši model lahko povsem primeren, zlasti kadar rezultat vedno pregleda razvijalec.

Drugače je pri kompleksnih spremembah, ki posegajo v več delov velikega sistema, ter pri kodi za plačila, prijavo uporabnikov ali kibernetsko varnost. Na teh področjih lahko na videz majhna napaka povzroči veliko poslovno ali varnostno škodo.

Najbolj smiselna strategija zato ni popolna zamenjava ameriških modelov. Podjetje lahko cenejše modele uporabi za rutinsko in manj tvegano delo, najzahtevnejše dele kode pa še naprej usmerja k zmogljivejšim sistemom.

Odprte uteži spreminjajo tudi vprašanje zasebnosti

Pomembna razlika med obema ekosistemoma je dostopnost modelov z odprtimi utežmi. Pri zaprtem modelu, kot sta večina sistemov OpenAI in Anthropic, podjetje do umetne inteligence praviloma dostopa prek programskega vmesnika ponudnika. Prompte, dokumente ali programsko kodo tako pošilja v zunanjo infrastrukturo.

Številne kitajske modele je mogoče namestiti na lastne strežnike ali v zasebno oblačno okolje. Občutljivi podatki zato organizacije ne zapustijo, model pa je mogoče dodatno prilagoditi internim dokumentom in specializiranemu načinu dela.

Za banke, zdravstvene ustanove, javno upravo in podjetja z občutljivo intelektualno lastnino je lahko takšen nadzor pomembnejši od same razlike v ceni.

Toda odprte uteži ne odpravijo vseh tveganj. Podjetja morajo še vedno preveriti izvor modela, pogoje licence, njegovo varnost, morebitne omejitve vsebine ter skladnost z lokalno zakonodajo. Lastno gostovanje prinaša tudi stroške infrastrukture in zahteva ekipo, ki zna sistem vzdrževati.

Nova oblika tehnološkega “offshoringa”

Vzpon kitajskih modelov spominja na selitev proizvodnje v države z nižjimi stroški. Zahodna podjetja so lahko z zunanjimi dobavitelji močno znižala stroške, vendar so najbolj uspešna obdržala nadzor nad oblikovanjem, arhitekturo in preverjanjem kakovosti.

Podobno velja za umetno inteligenco. Ustvarjanje rutinskih rezultatov je mogoče prepustiti cenejšemu modelu, toda poslovna presoja, kakovostni standardi in odgovornost za končni rezultat morajo ostati znotraj organizacije.

Če podjetje ohrani znanje, s katerim lahko preverja rezultate in po potrebi zamenja ponudnika, je cenejši model uporabno orodje. Če mu prepusti tudi presojo o tem, kaj je kakovosten rezultat, se prihranek lahko spremeni v novo obliko odvisnosti.

Prihodnost verjetno pripada kombinaciji modelov

Primerjave kažejo, da iskanje enega samega modela za vse naloge postaja vse manj smiselno. Najzmogljivejši ameriški sistemi lahko ostanejo najboljša izbira za zahtevno sklepanje, kritično programsko kodo in naloge, pri katerih ima napaka visoko ceno. Cenejši kitajski modeli pa so lahko primernejši za obsežne, ponavljajoče se in dobro nadzorovane delovne procese.

Podjetja bodo zato vse pogosteje uporabljala sisteme, ki vsako nalogo samodejno usmerijo k najprimernejšemu modelu glede na ceno, kakovost, hitrost in občutljivost podatkov.

Kitajski modeli še niso premagali ameriških na vseh področjih. So pa postali dovolj dobri in dovolj poceni, da jih ni več mogoče obravnavati kot obrobno možnost. Njihov največji vpliv morda ne bo v tem, da bi povsem nadomestili ChatGPT ali Claude, temveč v tem, da bodo celotno industrijo prisilili k nižjim cenam in večji odprtosti.