Ufafanuzi wa kile tunachokiona vs. kile tunachokifanya Tunapofikiria jinsi watu hutumia Models kubwa ya Lugha (LLMs), picha inayojulikana inakuja akilini: uzalishaji. Tunafikiri watengenezaji wanakodisha haraka zaidi, wauzaji wanaandika barua pepe, na wachambuzi wanachanganya nyaraka nyingi. Hadithi hii ya AI kama injini safi ya uzalishaji ni nguvu, lakini ni sehemu tu ya hadithi. Utafiti mpya wa ufumbuzi kutoka kwa OpenRouter, unaelezea zaidi ya bilioni 100 ya matumizi ya dunia halisi, unaonyesha picha ngumu zaidi na ya kushangaza. Kutoka kwa "app ya killer" hakuna mtu anazungumzia kuhusu hali ya ajabu ambayo inachagua mifano gani ya kushinda kwa muda mrefu, data inachukua madai yetu ya msingi kuhusu hali ya AI leo. Kwa kweli Mfano mkubwa wa matumizi ya AI ya chanzo cha wazi sio kazi; ni kucheza. Tofauti na hadithi kuu ya AI kama injini ya uzalishaji, kesi moja kubwa ya matumizi kwa mifano ya chanzo cha wazi (OSS) ni kucheza jukumu la ubunifu. Takwimu zinaonyesha kwamba "jukumu la ubunifu" na hadithi ya hadithi huchukua zaidi ya nusu (kulingana na 52%) ya matumizi yote ya token ya OSS, na programu ni sekunde moja. Hii ni ufunuo muhimu. Inaonyesha kwamba msingi mkubwa wa watumiaji unageuka kwa mifano ya kufungua kwa uzoefu huu, kwa sababu hutoa uhuru mkubwa wa ubunifu na mara nyingi hupunguzwa kidogo na filters za maudhui ya kibiashara zinazopatikana katika mifano ya kibinafsi. ufunuo huu unaonyesha mahitaji makubwa, ya chini ya watumiaji kwa burudani ya AI, ushirika, na fikra ya maingiliano. Wakati sekta inazingatia ufumbuzi wa biashara, idadi ya kimya hutumia AI kuunda na kuchunguza ulimwengu mpya. 2. Kuongezeka kwa kimya ya "Mhandisi wa AI" Njia ya watu kutumia LLMs inachukua mabadiliko ya msingi. Sisi ni kuhamia kutoka rahisi, moja-kugeuka, maswali-na-jibu mwingiliano na kwa njia ya hatua nyingi, zana-kuunganishwa kazi mtiririko. Katika haya "agentic" mtiririko wa kazi, mifano mipango, sababu, na matendo ya kukamilisha kazi ngumu, mara nyingi bila kuingilia moja kwa moja binadamu katika kila hatua. Mabadiliko haya ni dhahiri katika data: mifano iliyotimizwa kwa sababu sasa inashughulikia zaidi ya 50% ya matumizi yote, ongezeko kubwa kutoka kwa kiasi kidogo mwanzoni mwa 2025. Mchakato huu kwa sababu ni kuongozwa na kazi ngumu zaidi, kama watumiaji wa wastani amepanda karibu mara nne tangu mwanzoni wa 2024 ili kukabiliana na kazi kama vile uchambuzi wa mifumo yote ya nambari; mwelekeo unaongozwa hasa na maombi ya programu, ambayo ni mara 3-4 ya muda mrefu kuliko ya kawaida. Ripoti inaweka mabadiliko haya katika maneno ya dhahiri, na kuhitimisha kwamba ufuatiliaji wa agens ni haraka kuwa default mpya kwa kuingiliana na AI. Hivi karibuni, ikiwa si tayari, ufuatiliaji wa agensi utachukua zaidi ya ufuatiliaji. Hii ina maana bar kwa ajili ya mifano yote ya baadaye imeongezeka. mafanikio si tu kuzalisha maandishi ya uwezekano, lakini juu ya kukabiliana na kazi ngumu, ya hali ambayo inahitaji mipango na hatua. Open Source inachukua theluthi moja ya soko la AI Wakati mifano ya kibinafsi kutoka kwa maabara kuu kama Anthropic na OpenAI bado huongoza soko, mifano ya chanzo cha wazi imekuwa ikiongezeka kwa karibu theluthi moja ya matumizi yote ya token hadi mwisho wa 2025. Njia kuu ya upanuzi huu imekuwa kuongezeka kwa mifano ya OSS iliyotengenezwa na China kutoka kwa wauzaji kama Qwen na DeepSeek. mifano hii iliongezeka kutoka kwa sehemu ya soko ya kila wiki ya tu 1.2% hadi karibu 30% katika wiki chache, kwa haraka kupata kuvutia na watumiaji wa kimataifa. Mtazamo huu unaonyesha "mfumo wa mbili wa kudumu" katika mazingira ya AI. Chanzo kinaonyesha kuwa usawa kati ya mifano ya kibinafsi na OSS imekuwa imebadilika kwa karibu 30% kwa chanzo cha wazi. Uwiano huu unapatikana kwa sababu watengenezaji kuchagua mifumo ya kibinafsi kwa kazi za biashara za uaminifu wa juu, wakati wa kutumia ufanisi wa gharama na customization ya OSS kwa kazi nyingine muhimu. Ulimwengu wa AI haujabadilika kuwa soko la kushinda-kuchukua kila kitu. Kwa nini AI sio bidhaa (Lakini) Wengi wametabiri kwamba mifano ya AI itakuwa haraka kuwa bidhaa ya bei nafuu, na bei ni tofauti kuu. Hata hivyo, data inasema hadithi tofauti. Mahitaji ya LLMs ni kushangaza-inelastic, maana mabadiliko ya bei yana athari ndogo juu ya matumizi. Kulingana na utafiti, kupungua kwa bei ya 10% inawakilisha ongezeko ndogo la 0.5-0.7% katika matumizi. Badala ya soko la bidhaa, mfumo wa mazingira umegawanywa katika archaetypes tofauti: Viongozi wa Premium: Vifaa kama vile Claude 4 Sonnet ya Anthropic huongoza bei ya juu lakini bado wanaona matumizi makubwa, kuonyesha kwamba watumiaji wako tayari kulipa premium kwa ubora wa juu na kuaminika. Kiwango kikubwa cha ufanisi: mifano kama vile Google's Gemini Flash na DeepSeek kuunganisha gharama ya chini na kiasi kikubwa, na kuwa chaguo la default kwa kazi za gharama za kiwango kikubwa. Wataalamu wa Premium: mifano ya gharama kubwa kama GPT-5 Pro ya OpenAI hutumiwa kwa gharama nafuu kwa kazi za juu, ambapo utendaji ni kitu pekee ambacho kinachohusika na gharama ni ya sekondari. Long Tail: mifano kama Qwen 2 7B Instruct na IBM Granite 4.0 Micro ina bei ya chini lakini upatikanaji mdogo, ikionyesha kuwa uwezo na soko la soko la mfano ni tofauti muhimu zaidi ya gharama tu. Sehemu hii inaonyesha ufahamu muhimu juu ya hali ya sasa ya soko. Unyanyasaji wa mahitaji kwa kiasi kidogo unaonyesha kuwa LLMs bado si bidhaa; watumiaji wengi ni tayari kulipa premium kwa ubora, uwezo, au utulivu. Kwa sasa, uwezo maalum na utendaji wa kuaminika mara nyingi hupunguza gharama, hasa kwa kazi za kitaaluma au kazi muhimu. Kushinda katika AI ni kama "Glass Slipper" ya Cinderella Katika soko ambapo mifano mpya huchapishwa mara kwa mara, namna gani mifano yoyote inajenga faida ya kudumu? Utafiti huu unapendekeza mfumo mpya unaoitwa "athari ya Glass Slipper" ili kuelezea uhifadhi wa mtumiaji. Wazo ni rahisi: wakati mfano mpya ni wa kwanza wa kutatua mahitaji muhimu, ambayo hayakupatikana kabla kwa kundi la watumiaji, hufikia "mafanikio kamili." Watumiaji hawa wa mapema huunda "maandiko ya msingi" ambayo yanahifadhiwa na mfano kwa muda mrefu, kuonyesha uhifadhi mkubwa zaidi kuliko watumiaji ambao hutumia baadaye. kazi yao, zana, na tabia hufungwa ndani ya mfano ambao kwanza ulifunua tatizo lao, na kuwafanya kuwa na uvumilivu mkubwa kwa kubadilisha kwa mbadala mpya, hata kidogo bora. Mfano mzuri unaweza kuona katika Juni 2025 cohort kwa Gemini 2.5 Pro na Mei 2025 cohort kwa Claude 4 Sonnet, ambayo kudumisha karibu 40% ya watumiaji wao miezi mitano baadaye; kiwango cha juu zaidi kuliko cohorts zifuatazo. Athari hii inamaanisha kwamba katika ulimwengu unaoendelea haraka wa AI, faida ya "mwisho wa ufumbuzi" ni ya kuvutia sana na ya kudumu. ishara halisi ya mfano wa ufumbuzi sio tu hype au benchmarks, lakini uumbaji wa kimya wa makundi haya ya mtumiaji yaliyo na msingi ambayo yamepata mafanikio yao kamili. Mwisho: Hadithi ya kweli ya AI bado inafanywa Matumizi ya dunia halisi ya AI ni tofauti zaidi, tofauti, na ya kushangaza zaidi kuliko hadithi ya kawaida inavyosema. Takwimu zinaonyesha mazingira yaliyoongozwa na ubunifu wa kucheza kama na uzalishaji, moja ambayo ni haraka kuhamia kwenye harakati za kazi za ngumu, za kibiashara. Ni ulimwengu ambapo chanzo cha wazi ni nguvu na ambapo uaminifu wa mtumiaji unaotengenezwa si kwa hype, lakini kwa kuwa wa kwanza kutatua tatizo ngumu. Kama AI inabadilika kutoka kuwa chombo rahisi hadi mchanganyiko mgumu, tabia zisizotarajiwa na programu za killer zitaonekana baadaye? Podcast ya Apple: Hapa Spotify kwa ajili ya: hapa Maoni ya Podcast: Hapa ya Maoni ya Spotify: Hapa ya
