Veckan då ett uppstartsbolag lämnade sin frontleverantör

Andy Fang, medgrundare av DoorDash, beskrev bolagets användning av Moonshot AI för ett experimentellt kommandoradsverktyg i enkla affärstermer: bättre kvalitet till lägre kostnad. Cursor använde Moonshots Kimi-modell när det byggde sin kodningsagent Composer 2. Uppstartsbolaget Lindy uppges ha lämnat Anthropics verktyg helt till förmån för DeepSeeks V4-modeller. Airbnb och Siemens experimenterar båda med system från Alibaba och DeepSeek för att hålla nere kostnaden i den dagliga driften. Inget av detta är ideologiska beslut. Det är inköpsbeslut, fattade en arbetslast i taget.

Omfattningen syns i routningsdatan. På OpenRouter, marknadsplatsen där en stor del av modelltrafiken förmedlas, skickade amerikanska bolag mer än 30 procent av sin tokenförbrukning till kinesiska modeller varje enskild vecka från den 8 februari och framåt, med en toppvecka på 46 procent. Under första halvåret 2025 var samma siffra 4,5 procent. En studie från Hugging Face i mars 2026 fann att kinesiska öppna modeller stod för 41 procent av nedladdningarna på den plattformen. Prisgapet som driver detta är inte marginellt: de kinesiska systemen kostar normalt 60 till 90 procent mindre än de ledande amerikanska modellerna, och på vissa nivåer är skillnaden ännu större.

Det som gör detta till en beslutshistoria snarare än en marknadshistoria är vem som fångade besparingen. Bolagen i den listan bytte inte för att de upptäckte en billigare leverantör detta kvartal. De bytte för att de redan kunde. Hos vart och ett av dem hade någon byggt förmågan att köra samma arbetslast mot en annan modell och se, i siffror, om resultatet höll.

Möjligheten att byta köps långt innan den lönar sig

De flesta europeiska bolag standardiserade på en enda frontleverantör under 2024 och 2025, och gjorde det av försvarbara skäl: ett avtal, en säkerhetsgranskning, en integration, en uppsättning instruktioner att underhålla. Kostnaden för det beslutet var osynlig så länge priserna var stabila. Den blev synlig i det ögonblick ett gap på 60 procent öppnade sig, för ett bolag med en leverantör och utan testbänk kan inte avgöra om en billigare modell är tillräckligt bra för den egna trafiken, och ingen leverantörsjämförelse besvarar den frågan åt det.

Detta är standardformen för en option man inte visste att man sålde. Standardisering är en verklig effektivitet, och den är rätt prissatt i en värld där alternativen är ungefär likvärdiga. När spannet vidgas omvandlar bolaget som behöll ett sätt att testa alternativ spannet till marginal, och det andra ser på. Asymmetrin handlar inte om att vara skarpsinnig. Den handlar om vem som i förväg betalade ett litet, tråkigt pris, och det tråkiga priset är här en fast utvärderingsuppsättning: några hundra förfrågningar hämtade ur er verkliga trafik, med bedömda förväntade svar, som vilken kandidatmodell som helst kan köras mot på en eftermiddag.

Motstå reflexen att dirigera om allt. Mönstret i rapporteringen är selektivt, inte heltäckande. Team skickar arbetet med hög volym och låg insats till den billigaste modell som klarar ribban och låter det bedömningstunga arbetet vara kvar. Det är rätt form, och skälet är basfrekvenser: en modell som matchar ett frontsystem på 95 procent av era förfrågningar kan vara påtagligt sämre på de 5 procent som ger klagomål, återbetalningar eller juridisk exponering. Segmentera efter felets konsekvens innan ni segmenterar efter pris.

Varför den europeiska versionen är en annan affär

Ett amerikanskt bolag som väljer en kinesisk modell väljer normalt ett API. Ett europeiskt bolag som gör samma nominella val möter en fråga som prisjämförelsen inte innehåller: vart går förfrågan, och på vilken överföringsgrund. Att skicka kunddata till ett modell-API som drivs utanför EU är en överföringsfråga med dokumentationskrav, och för reglerade arbetslaster är svaret ofta att det billiga API:et helt enkelt inte är tillgängligt för er.

Vägen som fungerar står inte i pristabellerna. De flesta av de kinesiska systemen i den här historien har öppna vikter, vilket innebär att ni kan köra dem på infrastruktur ni styr, innanför er egen gräns, utan att någon förfrågan lämnar er miljö. Yasir Atalan vid CSIS uttryckte dragningskraften nyktert: öppna modeller ger lättnad åt dem som vill behålla sina data. Men den vägen omvandlar en tokenfaktura till en helt annan kostnadsstruktur, nämligen GPU-kapacitet som ska köpas eller hyras, en inferensstack som någon måste driva och personal som håller båda friska. Vid volym kan det ändå vara betydligt billigare. Det är ett i grunden annat beslut än att byta en API-nyckel, och det hör hemma i ett investeringssamtal snarare än i inköp.

Därför är den användbara jämförelsen tredelad och inte tvådelad. Front-API, billigare API och självdrivna öppna vikter bär var sin kostnadskurva, var sin dataposition och var sitt felsätt. Kör alla tre mot samma utvärderingsuppsättning på er egen trafik, inklusive den volym där egen drift går jämnt ut, så har ni något en styrelse kan agera på. Kör ingen av dem, och de 60 procenten i rubrikerna är helt enkelt en besparing andra bolag tar.

Läs vidare: Två AI-jättar vill nu bli din integrator  |  Cadence och Synopsys har trimmat sina verktyg för Nvidia