OpenAI tvrdi da je sniženje cijene Lune povećalo uporabu deset puta

Niža cijena otvorila je slavinu uporabe

Luna je najmanji i troškovno najštedljiviji član obitelji GPT-5.6. OpenAI ju je predstavio u srpnju, a 30. srpnja službeno je objavio smanjenje cijene od 80 posto; Terra je tada pojeftinila 20 posto. Friar sada tvrdi da je uporaba Lune nakon promjene narasla približno deset puta. To je snažan signal cjenovne osjetljivosti: aplikacije s velikim brojem upita često ne trebaju najmoćniji model, nego dovoljno pouzdan model čiji se trošak može predvidjeti na milijunima poziva.

Deseterostruki rast ipak se ne može pretvoriti u tržišni udio bez početne vrijednosti. OpenAI nije rekao koliko je tokena, zahtjeva, korisnika ili aplikacija Luna obrađivala prije sniženja, niti koliko je povećanje došlo od novih klijenata. Nije poznato ni je li riječ o kratkom naletu odmah nakon promjene cijene ili o stabilnom obrascu. Objavljena brojka zato govori o smjeru, ali ne omogućuje usporedbu s drugim modelima na zajedničkoj osnovi.

Cijena tokena nije cijena dovršenog posla

OpenAI svoju ponudu pokušava suprotstaviti predodžbi da su otvoreni modeli automatski jeftiniji. Friar je kao primjer navela Z.ai-jev GLM 5.3 i rekla da posluživanje Lune može koštati manje od pokretanja tog otvorenog modela preko pružatelja oblaka. Usporedba može biti valjana za određenu konfiguraciju, ali nije univerzalna: otvoreni model može se pokretati kod različitih pružatelja, na vlastitom hardveru ili uz drukčiju optimizaciju, dok se komercijalni API naplaćuje prema pravilima njegova vlasnika.

Za kupca je važniji trošak uspješno dovršenog zadatka. On uključuje broj ulaznih i izlaznih tokena, ponovljene pokušaje, alatne pozive, čekanje, nadzor ljudi i infrastrukturu. Jeftiniji model koji češće pogriješi može biti skuplji od skupljeg modela koji posao obavi iz prvog pokušaja; vrijedi i obrnuto. OpenAI zato iskušava naplatu prema poslovnom ishodu. Takav model može približiti cijenu stvorenoj vrijednosti, ali odmah otvara pitanja: tko definira uspjeh, kako se mjeri doprinos AI-ja i tko snosi trošak neuspjelog zadatka.

Poslovni segment sustiže potrošački

Friar je rekla da su poslovni prihodi od lipnja do srpnja porasli 32 posto, dok je ukupni godišnji tempo prihoda narastao 20 posto. Do sredine godine poslovni i potrošački dio navodno su činili približno jednake udjele prihoda, što je OpenAI očekivao tek do kraja godine. Financijska direktorica također je navela 25 milijuna korisnika Codexa. Nijedna od tih metrika nije popraćena apsolutnim prihodima, definicijom aktivnog korisnika ili revizorskim izvještajem, pa postotke treba čitati kao upravljačke pokazatelje, ne kao potpuno financijsko izvješće.

Strategija ide dalje od općeg chatbota. OpenAI cilja specijalizirane primjene u dizajnu čipova, prirodnim znanostima i financijskim uslugama, gdje se vrijednost lakše veže uz dovršen postupak. Tvrtke u tim sektorima neće procjenjivati model samo prema razgovoru ili benchmarku, nego prema tome smanjuje li vrijeme dizajna, ubrzava li analizu, povećava li prolaznost zadatka i može li se uključiti u postojeće kontrole. To objašnjava zašto OpenAI istodobno snižava cijene malih modela i govori o naplati prema rezultatu.

Jalapeno je primjer, ali ne i nova objava

Kao dokaz specijalizirane primjene Friar je ponovno istaknula Jalapeno, OpenAI-jev čip za inferenciju razvijen s Broadcomom. Tape-out označava trenutak kada je dizajn zaključen i predan proizvodnji. OpenAI i Broadcom još su 24. lipnja objavili da je taj korak dosegnut za devet mjeseci te da su OpenAI-jevi modeli ubrzali dijelove dizajna i optimizacije. Rujanska izjava zato nije prvo otkrivanje devetomjesečnog ciklusa, nego njegovo korištenje kao prodajnog primjera za industrijske kupce.

OpenAI je u kolovozu objavio laboratorijske rezultate i opisao Jalapeno kao radni silicij, no nije javno izdvojio koliko je tjedana ili iteracija uštedio AI u usporedivom projektu bez modela. Devet mjeseci rezultat su rada OpenAI-ja, Broadcoma i proizvodnog lanca, a ne automatski dokaz da bi svaki projekt čipa mogao ponoviti isti tempo. Vrijednost slučaja bit će jasnija kada kupci dobiju metodologiju, neovisno usporedive rezultate i podatke o tome u kojim fazama ljudski inženjeri moraju provjeravati prijedloge modela.

Što kupci tek trebaju provjeriti

Za hrvatske i europske organizacije nema zasebne najave proizvoda, cijene ili programa. Pouka je praktična: prije prelaska na jeftiniji model treba mjeriti cijeli radni tok na vlastitim zadacima, uključujući kvalitetu, ponavljanje, nadzor, privatnost i integraciju. Sljedeći važni podaci od OpenAI-ja bili bi apsolutna uporaba Lune, precizna definicija 25 milijuna korisnika Codexa, usporedivi ukupni troškovi otvorenih i zatvorenih modela te jasni uvjeti naplate prema ishodu. Bez toga deset puta veća uporaba ostaje važna, ali nepotpuna slika poslovnog zamaha.