Model AI open dan closed berlomba di dua kurva berbeda

Nathan Lambert berargumen bahwa AI open dan closed tidak sedang menuju satu kurva yang sama. Keduanya berjalan di dua eksponensial berbeda dan akan melahirkan dua jenis pemenang. Lab frontier closed, tulisnya, mirip perpaduan baru antara Apple dan Microsoft: stack terintegrasi yang menjual intelligence premium ke pengguna yang nilai outputnya cukup tinggi untuk membenarkan biayanya. Model open tidak akan menyusul di puncak kurva, tapi porsinya pada inference yang sudah "cukup baik" akan terus membesar.

Inti argumennya adalah willingness to pay. Lambert memperkirakan pengguna coding agent sudah bisa rasional membayar $2.000 sebulan karena output yang diberikan model frontier sepadan, dan plafon angka itu menurutnya akan terus naik. Anthropic dan OpenAI bergerak ke segmen ini sebagai platform, bukan hanya API, dengan klien sendiri, SDK sendiri, dan makin punya opini sendiri tentang cara agent semestinya dibangun. Lab frontier paling sukses dia proyeksikan masuk ke kisaran $2 sampai $10 triliun dalam lima sampai sepuluh tahun.

Model open di sisi lain memenangkan long tail. Begitu sebuah use case lulus ambang kualitasnya, biasanya pengguna berhenti meng-upgrade, dan harga komoditas jadi titik keseimbangan. Konsekuensinya bagi para builder, kata Lambert, intelligent routing antara open dan closed berhenti menjadi optimasi. Routing menjadi infrastruktur.

Kenapa ini penting

Kalau kamu merilis produk yang di dalamnya ada LLM, perlakukan model routing sebagai keputusan desain utama mulai sekarang, sebelum tekanan harga membuatnya mendesak. Keputusan mana panggilan yang masuk ke model frontier dan mana yang ke open akan lebih banyak menentukan gross margin produkmu daripada prompt engineering.