მილიონი მეინტეინერებს და ტოკენების 71,5% ღია მოდელებთან: რატომ მჭირდება უფასო ინსტრუმენტები

Sentry-მ ღია კოდის მეინტეინერებს წელიწადში მილიონი დოლარი მისცა. Vercel-მა დაითვალა, რომ მისი gateway-ის ტოკენების 71,5%-ს ღია მოდელები ამუშავებს. Anthropic-მა Agent Skills სტანდარტი Linux Foundation-თან არსებულ ფონდს გადასცა, NVIDIA-მ Run:ai-ის კოდი გახსნა, Red Hat-მა კი ორი სტატიით ახსნა, რატომ უნდა მიიღონ კომპანიებმა მონაწილეობა ღია კოდის საზოგადოებებში. ბიზნესის მფლობელისთვის ეს ფულზეა: რაც მეტი სამუშაოს გაკეთება შეიძლება ღია ინსტრუმენტებზე, მით ნაკლები გამოწერაა ბიუჯეტში და მით ნაკლებია დამოკიდებულება ერთ მომწოდებელზე.

რა გამოვიდა

Sentry-მ 21 ოქტომბერს დაწერა, რომ მეინტეინერების მხარდაჭერის წლიური ბიუჯეტი 750 000-დან 1 000 000 დოლარამდე გაზარდა. 495 000 thanks.dev-ით იმ პაკეტების ასობით მეინტეინერს გადაეცა, რომლებსაც Sentry იყენებს, 100 000 ecosyste.ms Funds-ით კრიტიკულ პაკეტებს, დანარჩენი კი ფონდებს: Python Software Foundation-იდან 60 000-ით Alpine Linux-მდე 5000-ით. Open Source Pledge-ს, რომელიც Sentry-მ წამოიწყო, ოქტომბერში ორი წელი შეუსრულდა: 37 მონაწილე კომპანიამ ჯამში 8 421 535 დოლარი გადაიხადა. Python Software Foundation-ის ხარჯები AWS-ზე წელიწადში დაახლოებით 69%-ით გაიზარდა: აგენტები პაკეტებს აყენებენ, CI უფრო ხშირად ეშვება.

Vercel-მა 15 ოქტომბერს თავისი AI Gateway-ის ოქტომბრის ინდექსი გამოაქვეყნა. ღია წონების მქონე მოდელები ათიდან შვიდზე მეტ ტოკენს ამუშავებენ და ოთხიდან თითქმის ერთ დოლარს იღებენ; ხარჯებში მათი წილი ივნისიდან ოთხჯერ მეტად გაიზარდა. Gateway-ით ხარჯები სექტემბერში დეკემბრისაზე დაახლოებით 13-ჯერ მეტია, ტოკენის საშუალო ფასი კი 47%-ით დაბალია. DeepSeek-V4.1-Flash-მა სექტემბრის ყველა ტოკენის თითქმის ნახევარი დაამუშავა და ხარჯების 2,6% აიღო.

Simon Willison-მა 22 ოქტომბერს Anthropic-ის სიახლე აღნიშნა: Agent Skills სტანდარტი გადაეცა Agentic AI Foundation-ს Linux Foundation-ის ქვეშ, იქ, სადაც ადრე MCP პროტოკოლი გადავიდა. ფონდი Anthropic-მა Block-თან და OpenAI-სთან ერთად დააარსა.

NVIDIA-მ 13 ოქტომბერს განაცხადა, რომ AI-დატვირთვებისა და GPU-ს ორკესტრაციის მთელი Run:ai პლატფორმის კოდს ხსნის, როგორც NVIDIA DSX AI Factory Platform-ის ნაწილს. ჩემთან მხოლოდ ანონსია, ლიცენზიის პირობები მასში არ არის.

Red Hat-მა 23 ოქტომბერს დაწერა, რომ საზოგადოებაში მონაწილეობა კომპანიას ხმას აძლევს იმ ტექნოლოგიების განვითარებაში, რომლებზეც ის დამოკიდებულია. 20 ოქტომბერს კი Linux Foundation-ის ანგარიში „Navigating Open Source Software Development in the Generative AI Era“ გაარჩია: AI შეიძლება იმავე გზით გაიზარდოს, როგორც ოპერაციული სისტემები და ღრუბლოვანი ინფრასტრუქტურა. ორივე სტატიიდან მხოლოდ შესავლები მაქვს.

მაგალითი: ზარების გაშიფვრა სერვისულ კომპანიაში

სერვისული კომპანია ზარებს იწერს და უნდა, რომ თითოეულზე გაშიფვრა და მოკლე ანალიზი ჰქონდეს. ღრუბლოვანი სერვისი ფულს წუთში იღებს, და ანგარიში ზარების რაოდენობასთან ერთად იზრდება. ამოცნობის ლოკალური მოდელი საკუთარ სერვერზე იმდენი ღირს, რამდენიც სერვერი, და წუთების რაოდენობაზე არ არის დამოკიდებული.

ღია ინსტრუმენტები იქ არის მომგებიანი, სადაც მოცულობა იზრდება, ამოცანა კი მეორდება. ამ მხრივ ღია მოდელი Nginx-ისგან ან MariaDB-ისგან არაფრით განსხვავდება.

როგორ მაქვს ეს მოწყობილი

მიყვარს საკუთარი და უფასო ინსტრუმენტები, და ამას ორი პროექტი აჩვენებს. 2023 წლის ბოლოს და 2024 წლის დასაწყისში ლონდონის ერთი საკონსულტაციო კომპანიისთვის ბლოგერების სუბტიტრების სისტემა გავაკეთე. შესავალზე ვიდეო Google Drive-ის საქაღალდიდან ან YouTube-ის ბმული, გამოსავალზე SRT ფაილი დროის ნიშნულებით. მეტყველებას ლოკალური Whisper მოდელი ცნობდა, ფასიანი გაშიფვრის სერვისების გარეშე, ამიტომ ჩანაწერის წუთში გადახდა არ იყო საჭირო. სერვერიც ფული ღირს, მაგრამ მოცულობაზე ცალკე გადასახადი არ ყოფილა. ვიდეოზე სუბტიტრების დადება გეგმებში იყო, მაგრამ დამკვეთმა პროექტი შეაჩერა.

მეორე მაგალითი ახალია. 2026 წლის სექტემბერსა და ოქტომბერში დავაპროექტე და გავაკეთე შიდა სერვისი „ყავა ერთად“. IT-კომპანიის თანამშრომლები ყავას ერთად, ფულის შეგროვებით უკვეთავენ საბითუმო მომწოდებელ Tasty Coffee-სთან, სერვისი კი საერთო შეკვეთას აგროვებს და მომწოდებლის კალათას თავად ავსებს. ის სტუდიის საერთო სერვერზე მუშაობს 2 GB მეხსიერებით, Docker-ში Nginx-ის უკან; ბაზა SQLite-ია, აპლიკაცია React-სა და TypeScript-ზეა. სერვისი თანამშრომლებსა და ადმინისტრატორებს ჯამში თვეში 100 საათზე მეტს უზოგავს. ვამაყობ, როცა ძვირადღირებული რამ იაფად გამოდის.

ამასთან ღია არ ნიშნავს უპატრონოს. PDR-კომპანიასა და ფერმას Debian-ზე სერვერები აქვთ, MariaDB თითქმის ყველა ჩემს პროექტშია, kononov.dev კი Next.js-ზე, Node.js-სა და SQLite-ზე მუშაობს Docker-ში Nginx-ის უკან. Sentry მართალია: კომპანიებმა, რომლებიც სხვის შრომაზე შოულობენ ფულს, ამ შრომას მხარი უნდა დაუჭირონ.

რას გავაკეთებდი

დავითვლიდი, რომელ სერვისებში იხდის კომპანია მოცულობის მიხედვით: გაშიფვრის წუთები, ამოცნობის გვერდები, ტოკენები. იქ, სადაც მოცულობა იზრდება, ღია მოდელს განვიხილავდი საკუთარ სერვერზე.

ღრუბლოვან მოდელებს სულ არ გადავყრიდი. PDR-კომპანიის პარსერებში დოკუმენტების შესამოწმებლად სამ გარე სერვისს ვიყენებ, და დაზოგვის გამო მათ ლოკალურ მოდელზე სიზუსტის შედარების გარეშე არ შევცვლიდი.

ვერსიებს დავამაგრებდი: ღია მოდელი, რომელიც „უბრალოდ განაახლეს“, შედეგს ისევე ცვლის, როგორც განახლებული ბიბლიოთეკა.

ყოველი მოდელის ლიცენზიას კომერციულ გამოყენებაზე შევამოწმებდი, სანამ ის კლიენტის სერვერზე მოხვდება. ბიუჯეტში კი დავტოვებდი სტრიქონს იმის მხარდასაჭერად, რითაც სარგებლობთ: თუნდაც ერთი-ორი პროექტისთვის, რომელთა გარეშეც სისტემა გაჩერდება.

დაკავშირებული მასალები

მოდელებზე დოკუმენტების გარჩევაში და შედეგის შემოწმებაზე: სტატია AI მონაცემთა დამუშავებაში: ამოღება და შემოწმება. მიმართულებები: AI პროცესში, სადაც შედეგის შემოწმება შეიძლება და Python დოკუმენტებისთვის, მონაცემებისა და განმეორებადი დამუშავებისთვის. პროექტები: SRT სუბტიტრები ვიდეოდან ლოკალურ Whisper-ზე და შიდა სერვისი „ყავა ერთად“. იმავე თემაზე: როგორ ვირჩევ საკუთარ მოდელსა და API-ს შორის და მეტყველების გაშიფვრა საკუთარ სერვერზე, ადრე კი ვწერდი, რატომ უნდა გამოიყოს მოდელების კატალოგი და ფასები აპლიკაციის რელიზისგან. თუ AI-სერვისში მოცულობის მიხედვით იხდით და გინდათ გაიგოთ, რისი გადატანა შეიძლება საკუთარ სერვერზე, მომიყევით, რა ამოცანებია და რა მოცულობა. ამოცანის განხილვა.