Google płaci około 100 wydawcom za treści do AI, a stawki bardzo się różnią

Program pilotażowy ma mniej niż rok. Wydawcy mogą w Google Search Console sprawdzić, jak często Google korzysta z ich treści i ile na tym zarabiają, podał The Decoder 30 września, powołując się na The Information. Kilku uczestników powiedziało The Information, że nie widzi, jak ta liczba jest wyliczana.

Wyniki bardzo się różnią. Kilka małych i średnich blogów oraz serwisów dostało kwoty poniżej 0,1% przychodów z reklam. Niektóre małe serwisy otrzymały mniej niż 1000 dolarów w ciągu kilku miesięcy. Na drugim końcu jeden wydawca dostał od 50 000 do 60 000 dolarów za kilka miesięcy, a inny zarabia ponad 1 mln dolarów rocznie. Tematy niszowe z wierną publicznością, takie jak anime i gry, wyglądają na lepiej płatne, wynika z tego samego raportu. Wysokość płatności zależy od tego, jak duży wkład wnosi dane źródło w odpowiedź AI. Uczestnicy mówili też The Information, że kwoty potrafią zmieniać się z miesiąca na miesiąc bez wyjaśnienia.

Nie wszyscy podpisują umowy.

Presja prawna wokół programu

Niektórzy więksi wydawcy odmawiają udziału, żeby skłonić Google do wyższych płatności, podał The Decoder. Ich ruch z wyszukiwarki już spada, a liczne badania pokazują, że AI Overviews mocno ograniczają wejścia do otwartego internetu. Ścieżka regulacyjna jest już otwarta. Niezależni wydawcy złożyli w lipcu 2025 skargę do Komisji Europejskiej w sprawie AI Overviews, a właściciel Rolling Stone, Penske Media, pozwał Google we wrześniu tego roku za utracony ruch i przychody z reklam. W grudniu 2025 Komisja wszczęła postępowanie antymonopolowe, żeby ustalić, czy Google narzuca nieuczciwe warunki, wykorzystując treści wydawców w funkcjach AI bez odpowiedniej zapłaty lub realnej możliwości rezygnacji.

Niemiecki sąd orzekł, że AI Overviews to własne treści Google, a nie streszczenia istniejących materiałów, podał The Decoder. Gdyby ta interpretacja się upowszechniła, wydawcy mieliby podstawę prawną do żądania opłat licencyjnych za każdym razem, gdy ich praca pojawia się w odpowiedzi AI. Śledzenie dokładnego wkładu każdego źródła byłoby trudne, obsługa płatności dodałaby koszty administracyjne, a opłaty mogłyby uszczuplić marże Google.

Na razie Google ustala warunki przez wybiórcze umowy licencyjne, funkcję rezygnacji i model płatności, w którym samo decyduje, ile treść jest warta. Matthias Bastian z The Decoder opisuje to jako podejście dziel i rządź, które tworzy dylemat więźnia: kilku wydawców korzysta, większość dostaje niewiele albo nic, a ci, którzy odchodzą, wywierają na Google niewielką presję, bo luki wypełniają inne źródła. Kontekst nie jest nowy. Skierowania z wyszukiwarki od lat obracają się przeciw wydawcom: dane zebrane w dossier wskazują na 40-procentowy spadek rok do roku w ruchu z Google Search dla wydawców na dzień 24 września 2026, a wcześniejsze doniesienia mówiły o spadkach rzędu 60% w małych serwisach. Nic z tego nie należy do wrześniowego pilotażu, ale jest tłem, na którym wydawcy mają zaakceptować nowe stawki.

Co mówi szersza rozmowa o inżynierii

Historia AI kontra wydawcy nie dotyczy tylko pieniędzy. 30 września Martinelli opublikował tekst, w którym przekonuje, że agenci do programowania popychają inżynierów oprogramowania z powrotem w stronę roli generalisty z lat dziewięćdziesiątych, gdzie jedna osoba zajmowała się wymaganiami, architekturą, kodem i produkcją. Ten argument ma znaczenie dla mediów, bo ta sama zmiana zachodzi w redakcjach i zespołach platformowych: mniej przekazań między ludźmi, więcej automatyzacji, a specyfikacja staje się najważniejszym artefaktem projektu. Drugi wpis z tego dnia, autorstwa Gerbena Rijpkemy, stawia podobną tezę z perspektywy inżynierii sterowania: udane systemy AI buduje się wokół konkretnego problemu, a ogólne narzędzia gotowe do użycia zwykle zawodzą. "W projektach, które się udały, projektowałem architektury dopasowane do przypadku użycia, a te nieudane opierały się na gotowych narzędziach AI, które obiecywały rozwiązać wszystkie moje wyzwania inżynierskie jednym uniwersalnym rozwiązaniem" napisał 30 września. To trafny opis problemu licencyjnego. Program Google to jeden potok obsługujący różne rodzaje wydawców, od blogów o anime po duże redakcje, a wypłaty odzwierciedlają wyliczenie, którego nikt spoza firmy nie może sprawdzić.

Inne premiery z 30 września pokazują, jak szybko zmieniają się okoliczne narzędzia.

Modal opublikował wyniki testów Quail, warstwy wnioskowania świadomej zapytań, która według firmy przetwarza ponad miliard tokenów na minutę na jeden GPU H100 przy jednym zapytaniu z wieloma złączeniami, czyli ponad 10 razy więcej niż jego baseline vLLM na tym samym sprzęcie, za mniej niż 6 centów za miliard tokenów na Modal. W swoim benchmarku AI-SQL Modal podaje Quail jako 1,84 razy szybszy niż vLLM przy średniej geometrycznej. Elastic tymczasem przetestował model Jev od TypeSafe AI jako reranker wyszukiwania na 250 zapytaniach Amazon Shopping i 4754 ocenionych parach zapytanie-produkt, podnosząc nDCG@10 z 0,9351 do 0,9565, a Exact MRR z 0,9201 do 0,9616. Jev kosztuje 0,042 dolara za milion tokenów wejściowych, tokeny wyjściowe są darmowe. Tańsze wnioskowanie po stronie platformy nie odpowiada na pytanie wydawców. Jeśli już, to czyni masowe ponowne wykorzystanie treści bardziej dostępnym dla firm, które to robią.

Mniejsze sygnały z tego samego tygodnia

30 września grupa badawcza VUSEC z VU Amsterdam opublikowała Branch Target Reuse, atak typu Spectre-v2 na kompilatory just-in-time. Zespół zbudował dwa pełne exploity przeciw jąderu Linuksa i wyciekał 8 bajtów na sekundę, co przy podążaniu za wskaźnikami wystarcza do wydobycia hasha hasła roota z działającego procesu "su". W tekście autorzy zauważają, że opcja bpf_jit_harden w jądrze Linuksa, która zasłania wartości natychmiastowe, jest domyślnie wyłączona.

Projekt OpenZL od Facebooka wydał wersję v0.3.0 29 września z nowym silnikiem LZ i neuronowym Compression Transformer. Na 868 rodzinach strumieni numerycznych, 34 737 plikach i 17,9 GB Transformer kompresuje średnio o 35% lepiej niż zstd -19 i mieści się w granicach 1,1% wytrenowanych grafów OpenZL, według informacji o wydaniu. Flow Engineering, trzyletni startup z San Francisco sprzedający narzędzia AI do projektowania sprzętu, ogłosił w środę rundę Series B o wartości 50 mln dolarów przy wycenie 750 mln dolarów, podał TechCrunch 30 września. Rundę współprowadzili Antonio Gracias z Valor Equity Partners i Gavin Baker z Atreides Management, a udział wzięły Sequoia Capital i były partner Sequoia Roelof Botha. Jako klientów wymienia się Anduril, Rivian, Joby Aviation, General Motors PPU, RV Tech i Stoke Space.

OpenAI i Synopsys podpisały tymczasem wieloletnią współpracę przy GPT-Synopsys, modelu do projektowania układów scalonych, który łączy technologię OpenAI z narzędziami do automatyzacji projektowania elektronicznego Synopsys, podał The Decoder 30 września. Dane klientów nie będą wykorzystywane do trenowania i będą przechowywane zaszyfrowane, zapewniły obie firmy, a wczesne testy z klientami z branży półprzewodników już trwają.

Dla wydawców nic z tego nie zmienia podstawowej asymetrii. Google decyduje o cenie, warunkach i rezygnacji, a rynek treści, z których korzysta, nie jest rynkiem w żadnym zwykłym sensie. Relacja The Information, przekazana przez The Decoder, to jak dotąd najjaśniejszy publiczny obraz tego, ile ten układ wypłaca, i obraz ten nie jest pochlebny.