Google płaci około 100 wydawcom za treści dla AI, a stawki mocno się różnią

Program pilotażowy działa krócej niż rok. Wydawcy widzą w Google Search Console, jak często Google sięga po 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 powstaje.

Wyniki rozkładają się bardzo szeroko. Kilka małych i średnich blogów oraz serwisów dostało mniej niż 0,1% przychodów z reklam. Niektóre małe strony zarobiły poniżej 1 000 dolarów w ciągu kilku miesięcy. Na drugim końcu jeden wydawca dostał 50 000 do 60 000 dolarów w kilka miesięcy, a inny zarabia ponad 1 000 000 dolarów rocznie. Tematy niszowe z wierną publicznością, jak anime i gry, zdają się zarabiać więcej, wynika z tego samego raportu. Wypłaty zależą od tego, ile dane źródło wnosi do odpowiedzi AI. Uczestnicy mówili też The Information, że kwoty zmieniają się z miesiąca na miesiąc bez wyjaśnienia.

Nie wszyscy podpisują.

Presja prawna wokół programu

Niektórzy więksi wydawcy odmawiają wejścia do programu, żeby wymusić na Google wyższe stawki, podał The Decoder. Ich ruch z wyszukiwarki już spada, a kolejne badania pokazują, że AI Overviews ostro ograniczają wejścia do otwartego internetu. Ścieżka regulacyjna jest już otwarta. Niezależni wydawcy złożyli skargę do Komisji Europejskiej w sprawie AI Overviews w lipcu 2025 roku, a Penske Media, właściciel Rolling Stone, pozwał Google we wrześniu tego samego roku za utratę ruchu i przychodów z reklam. W grudniu 2025 roku Komisja wszczęła postępowanie antymonopolowe. Bada, czy Google nie narzuca nieuczciwych warunków, wykorzystując treści wydawców w funkcjach AI bez odpowiedniej zapłaty i bez realnej możliwości rezygnacji.

Niemiecki sąd orzekł, że AI Overviews to własna treść Google, a nie streszczenia istniejących materiałów, podał The Decoder. Gdyby ta interpretacja się upowszechniła, wydawcy mieliby podstawę prawną, by żądać opłat licencyjnych za każdym razem, gdy ich praca pojawia się w odpowiedzi AI. Śledzenie dokładnego wkładu każdego źródła byłoby trudne, obsługa wypłat wymagałaby dodatkowej pracy, a opłaty mogłyby uszczuplić marże Google.

Na razie Google ustala warunki przez wybiórcze umowy licencyjne, funkcję rezygnacji i model wypłat, w którym samo decyduje, ile dana treść jest warta. Matthias Bastian z The Decoder nazywa to podejściem dziel i rządź, które tworzy dylemat więźnia: kilku wydawców korzysta, większość dostaje niewiele albo nic, a ci, którzy odchodzą, nie wywierają na Google dużej presji, bo luki nie zostają puste. Kontekst nie jest nowy. Odsyłacze z wyszukiwarki od lat obracają się przeciw wydawcom: materiały zebrane w dossier wskazują na spadek ruchu z Google Search o 40% rok do roku dla wydawców na 24 września 2026 roku, a wcześniejsze doniesienia mówiły o spadkach rzędu 60% w małych serwisach. Nic z tego nie należy do wrześniowego pilotażu, ale to tło, na którym wydawcy mają zaakceptować nowe stawki.

Co mówi szersza dyskusja o inżynierii

Historia AI kontra wydawcy to nie tylko pieniądze. 30 września Martinelli opublikował tekst, w którym przekonuje, że agenci do programowania pchają inżynierów oprogramowania z powrotem w stronę roli generalisty z lat dziewięćdziesiątych. Wtedy jedna osoba zajmowała się wymaganiami, architekturą, kodem i produkcją. Ten spór ma znaczenie dla mediów, bo ta sama zmiana zachodzi w redakcjach i zespołach platformowych: mniej przekazań, więcej automatyzacji, a specyfikacja staje się najważniejszym dokumentem w projekcie. Drugi wpis z tego dnia, autorstwa Gerbena Rijpkemy, stawia podobną tezę z perspektywy inżynierii sterowania: udane systemy AI buduje się wokół konkretnego problemu, a uniwersalne narzędzia gotowe do użycia zwykle zawodzą. "W projektach, które się udały, kończyłem na projektowaniu architektur pod konkretny przypadek użycia, a te, które padły, powstawały na gotowych narzędziach AI obiecujących rozwiązanie wszystkich wyzwań inżynierii AI jednym uniwersalnym rozwiązaniem", napisał 30 września. To trafny opis także problemu licencyjnego. Program Google to jeden rurociąg obsługujący wiele rodzajów wydawców, od blogów o anime po duże redakcje, a wypłaty odzwierciedlają kalkulację, której nikt spoza firmy nie może sprawdzić.

Inne premiery z 30 września pokazują, jak szybko zmieniają się narzędzia wokół tego tematu.

Modal opublikował wyniki testów Quail, warstwy wnioskowania świadomej zapytań. Według firmy przetwarza ona ponad miliard tokenów na minutę na jednym GPU H100 przy jednym zapytaniu z wieloma złączeniami. To ponad 10 razy więcej niż bazowy vLLM na tym samym sprzęcie i poniżej 6 centów za miliard tokenów na Modal. W swoim benchmarku AI-SQL Modal podaje Quail jako 1,84 razy szybszy od vLLM przy średniej geometrycznej. Elastic przetestował z kolei model Jev od TypeSafe AI jako reranker wyszukiwania na 250 zapytaniach Amazon Shopping i 4 754 ocenionych parach zapytanie-produkt. nDCG@10 wzrosło 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 platform nie odpowiada na pytanie wydawców. Jeśli już, to czyni masowe wykorzystywanie treści tańszym 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. Przy podążaniu za wskaźnikami to wystarcza, by wyciągnąć hash hasła roota z działającego procesu "su". W opisie zaznaczono, 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 Transformerem. Na 868 rodzinach strumieni liczbowych, 34 737 plikach i 17,9 GB Transformer kompresuje średnio o 35% lepiej niż zstd -19 i zbliża się na 1,1% do wytrenowanych grafów OpenZL, wynika z informacji o wydaniu. Flow Engineering, trzyletni startup z San Francisco sprzedający narzędzia AI do projektowania sprzętu, ogłosił w środę rundę Series B o wartości 50 000 000 dolarów przy wycenie 750 000 000 dolarów, poinformował TechCrunch 30 września. Rundę współprowadzili Antonio Gracias z Valor Equity Partners i Gavin Baker z Atreides Management, a udział wzięli Sequoia Capital i były partner Sequoii Roelof Botha. Anduril, Rivian, Joby Aviation, General Motors PPU, RV Tech i Stoke Space są wymieniani jako klienci.

OpenAI i Synopsys podpisały natomiast wieloletnie partnerstwo na rzecz zbudowania GPT-Synopsys, modelu do projektowania chipów, który łączy technologię OpenAI z narzędziami do automatyzacji projektowania elektroniki Synopsys, podał The Decoder 30 września. Dane klientów nie będą wykorzystywane do trenowania i będą przechowywane zaszyfrowane, zapewniły obie firmy, a pierwsze 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 na treści, które wykorzystuje, nie jest rynkiem w żadnym zwykłym sensie. Reportaż The Information, przekazany przez The Decoder, to najjaśniejszy jak dotąd publiczny obraz tego, ile ten układ wypłaca, i obraz ten nie jest pochlebny.