Why the rise of open source AI isn’t hurting Anthropic … yet
TL;DR
Decagon-CEO Jesse Zhang argumentiert: Reife Enterprise-Use-Cases wandern von teuren Frontier-Modellen zu kleineren Open-Source-Modellen, während neue Use-Cases weiter mit Spitzenmodellen getestet werden. Vercel-Daten stützen das Bild: DeepSeek verarbeitet dort inzwischen gut ein Drittel der Tokens, Z.ai liegt mit GLM-5.2 auf Rang vier. Beim Umsatzanteil dominiert Anthropic aber weiter mit mehr als der Hälfte.
Nauti's Take
Anthropic verliert noch nicht, weil Kunden nicht für Tokens zahlen, sondern für Risikoabbau am Anfang eines Workflows. Dort zählt die beste Antwort mehr als der billigste Durchsatz.
Open Source frisst danach die Routinejobs, und genau das ist gefährlich genug: Wenn Unternehmen ihre Experimente schneller in günstige Produktion überführen, schrumpft der Premium-Anteil pro Use-Case. Anthropic muss also ständig neue Problemklassen besetzen, sonst wird aus Preismacht langsam ein teurer Erstkontakt.
Einordnunganzeigen
Die AI-Ökonomie trennt sich stärker nach Phase: Frontier-Modelle gewinnen die unsichere Entdeckung, günstigere offene Modelle übernehmen stabile Produktion. Für Teams heißt das: Der kluge Stack ist dynamisch. Erst Qualität und Risiko mit Claude, Opus oder ähnlichen Modellen prüfen, dann Kosten mit DeepSeek, GLM oder Nemotron senken, sobald der Workflow berechenbar ist.
Quellen