Modele otwarte obsłużą 90% kroków workflow agentowego, twierdzi Gartner, za ułamek ceny

Twierdzenie pojawiło się we wtorek rano. W dokumencie "Open-Weight Models Will Run 90% of Enterprise Agentic Workflow Steps" Mark Petty, dyrektor senior w Gartnerze, i Raymond Paquet, wiceprezes grupy, przekonują, że większość pracy agentów jest rutynowa. Klasyfikacja, wywoływanie narzędzi, przekazywanie, walidacja i uzgadnianie danych wypełniają jej większość. Modele z otwartymi wagami, piszą autorzy, "poradzą sobie z setkami takich rutynowych kroków na każdy jeden, który wymaga rozumowania na poziomie frontier". O dokumencie poinformował The Register 3 listopada.

"W porównaniu z najtańszym modelem zamkniętym o tym samym wyniku model otwarty kosztuje jedną czwartą. W porównaniu z modelem frontier uruchamianym przy każdym kroku kosztuje zaledwie jedną dwudziestą" - napisali autorzy.

Potem pojawia się zastrzeżenie, które waży więcej niż liczba z nagłówka. Analitycy przyznają, że obecne modele otwarte "potrafią być bardziej gadatliwe i częściej ponawiać próby, więc oszczędność na zadanie w porównaniu z modelem frontier jest bliższa pięciu czy sześciu razy". To nadal duża różnica. Ale to inny rząd wielkości niż ten z relacji prasowych.

Gdzie idą pieniądze, a gdzie kontrola

Argument Gartnera nie dotyczy wyłącznie ceny. Analitycy stawiają otwarte wagi przede wszystkim jako kwestię kontroli nad danymi. "Lata historii workflow to duża część tego, za co nabywca płaci w firmie SaaS, a każdy rutynowy krok wysłany do API frontier przenosi jej fragment poza twoją granicę. Otwarte wagi zachowują twoją kontrolę. Oszczędność kosztów jest bonusem". Ich formalne założenie planistyczne mówi, że do 2030 roku 90% firmowych operacyjnych kroków workflow agentowego będzie wykonywanych na modelach z otwartymi wagami.

Ta prognoza kłóci się z wydaniami frontier z ostatniego tygodnia. Tom's Hardware podał 3 listopada, że Gemini 4 Carbon (high) od Google zdobywa 59 punktów w Intelligence Index V5 Artificial Analysis. To o jeden punkt więcej niż Claude Opus 5.5 (max z fallback) i o dwa więcej niż GPT-6 Astra (max) od OpenAI. Ten sam artykuł podaje koszt zadania w Gemini 4 Carbon na 7,76 dolara, wobec 12,99 dolara dla Claude Fable 5.1. To około 13 razy więcej niż koszt zadania w modelu z otwartymi wagami DeepSeek V4.1 Flash 1017, który w tym samym indeksie zdobywa 32 punkty.

Odpowiedź Gartnera na tę lukę jest taka, że model frontier staje się nakładem inwestycyjnym, a model otwarty kosztem operacyjnym. "Modele frontier nadal będą mieć rolę silnika badań i rozwoju" - streszcza dokument The Register. Modele z otwartymi wagami przejmują pracę, gdy ta najcięższa jest już zrobiona. Analitycy wskazują też na harnessy, oprogramowanie kierujące każde zadanie do odpowiedniego modelu, jako miejsce, w którym ostatecznie ląduje wartość produktu.

Stos badawczy zmierza w tę samą stronę

Dwa artykuły na arXiv, złożone 29 i 30 października, sugerują, że strona treningowa jest przebudowywana podobnie. QUAL, framework Junhyeoka Kanga i 11 współautorów, traktuje pulę modeli bazowych do szeregów czasowych jako punkt odniesienia prawdopodobieństwa. Przekształca prognozy każdego członka, zanim je połączy. Raportuje spadek średniego MASE członków o 7,4% i CRPS o 9,8% na GIFT-Eval. Nie wymaga treningu ani modyfikacji modeli.

Osobno Yuda Song i dziewięciu współautorów przekonują w 67-stronicowym artykule, że pretrening, midtrening, nadzorowane dostrajanie i uczenie ze wzmocnieniem mogą zmieścić się pod jednym algorytmem opartym na wiarygodności. To sprowadza etapowy pipeline do pytania, na jakich danych trenować i kiedy.

Żaden z artykułów nie testuje tezy Gartnera o kosztach. Oba wskazują jednak ten sam kierunek: mniej szytych na miarę etapów, więcej ponownego użycia modeli, które już istnieją.

Strona sprzętowa zakłada się o to samo. The Robot Report podał 2 listopada, że Tutor Intelligence zebrał 75 mln dolarów w rundzie B prowadzonej przez Andreessen Horowitz. Klienci płacą za godzinę albo za podjęcie sztuki, zamiast kupować roboty na własność. Agility Robotics tymczasem przeszła głosowanie w sprawie SPAC 2 listopada, z ponad 84% głosów za. Połączona spółka ma zacząć notować na Nasdaq 5 listopada pod tickerem AGLT, z około 465 mln dolarów kapitału brutto przed kosztami. Żadna z tych liczb nie rozstrzyga, czy rutynowa praca przeniesie się do tanich modeli. Obie zakładają, że ktoś liczy koszt zadania.