Автор: Daniel Barabander
Компиляция: Deep Tide TechFlow
Введение от Deep Tide: Три года назад Cursor был плагином для VS Code, работающим на API OpenAI. Сегодня он выпустил собственную модель, превзошедшую Claude Opus 4.6 по ключевым показателям, при стоимости в десять раз ниже.
Эта статья, отталкиваясь от данного кейса, системно отвечает на важнейший стратегический вопрос интернета: когда следует открывать свой API, а когда закрывать? Выводы служат предостережением для всех, кто создает платформы.
Полный текст:
Написано в соавторстве с Elijah Fox(@PossibltyResult).
В начале марта Cursor выпустил Composer 2 — проприетарную модель для программирования, построенную на основе открытой базовой модели, которая по ключевым benchmark превзошла Claude Opus 4.6, а стоит в десять раз дешевле. Три года назад Cursor был всего лишь форком VS Code, полностью работающим на API OpenAI.
Путь Cursor от зависимого клиента до настоящего конкурента является воплощением важнейшего стратегического вопроса в интернете: когда компании следует открывать свои возможности через API, а когда держать их закрытыми?
Мы разработали framework для ответа на этот вопрос. Он зависит от двух вещей. Первое: размывает ли открытый API вашу "рву с крокодилами" (competitive moat)? Если да: можете ли вы найти эту "рву" в другом месте?
Каждый раз, когда компания открывает доступ к своей интеллектуальной собственности через API, она сталкивается с риском размытия своего конкурентного преимущества через агрегацию спроса. Проще говоря: конкуренты могут использовать эту интеллектуальную собственность для запуска ранних стадий своих продуктов, и как только они накопят достаточный объем спроса, они могут отключиться от API путем вертикальной интеграции. Netflix поступил именно так: сначала лицензировал контент, а затем, набрав достаточную пользовательскую базу для распределения высоких фиксированных затрат, создал «Карточный домик».
Но по-настоящему опасная ситуация — когда вывод (output) API может напрямую использоваться как вход (input), улучшая качество продукта конкурента с эффектом сложного процента. Это двойной удар, потому что конкурент может использовать API и для запуска/агрегации спроса, и для прямого улучшения собственного производственного процесса. Именно это и происходит в сфере AI. Хотя OpenAI и Anthropic прямо запрещают в своих контрактах компаниям, использующим их API, применять вывод для обучения конкурирующих моделей, они не могут помешать таким компаниям, как Cursor, использовать передовые модели для запускачивания рабочих процессов, необходимых для сбора проприетарных продуктовых данных, и со временем улучшать свои собственные модели.
Похоже, именно это и произошло с Composer 2. Cursor использовал базовые модели вроде Claude и GPT, чтобы агрегировать достаточный спрос (годовая выручка около $2 млрд*), а затем, используя открытую базовую модель Kimi K2.5 и данные, полученные в результате непрерывного дообучения и обучения с подкреплением из своей IDE, построил модель для программирования передового уровня.
Когда существует такая динамика output/input, у провайдера API есть только два выбора: либо закрыть API, чтобы остановить «кровотечение», либо оставить его открытым и найти дополнительные активы, которые обеспечат его собственную «рву».
Twitter — классический пример первого пути. Изначально он славился щедрым, бесплатным API — в лучшие времена разработчики могли бесплатно получать до 500 000 твитов в месяц. Но Twitter закрыл большую часть доступа, потому что API размывал его основное преимущество: проприетарный социальный граф. Сегодня API фактически закрыт: доступ строго ограничен по rate limit, на meaningful scale он дорог, а для создания серьезных продуктов структурно необходимо проходить через жестко контролируемые B2B-интеграции.
Второй путь — оставить API открытым и дополнить его другим источником силы. Ни одна отрасль не понимает это лучше, чем крипто — в крипто API вынужденно открыты, и единственный способ выжить — найти «рву» в другом месте.
Протокол кредитования Morpho предоставляет репрезентативный кейс. Протокол родился из продукта-оптимизатора, построенного поверх открытых API Aave и Compound. Затем он использовал вывод этих протоколов — их агрегированную ликвидность — как входные данные для запуска своей собственной платформы. Таким образом, пути Cursor и Morpho в использовании API для построения конкурирующих продуктов поразительно похожи.
Однако по-настоящему интересная динамика — это то, что Morpho сделал дальше. Поскольку Morpho сам является открытым API, ему нужно было найти «рву», чтобы компенсировать отсутствие costs of switching (издержек переключения). Поэтому он решил сделать протокол максимально агрегируемым, а вместо этого строить «рву» другими способами — например, через эффект Линди (Lindy effect) и сетевые эффекты, возникающие от глубокой ликвидности, обеспеченной разнообразными кредиторами и заемщиками.
Проецируя этот framework вперед, мы можем сделать прогноз: со временем компании — разработчики базовых моделей, скорее всего, выберут первый путь, постепенно ограничивая доступ к API своих самых передовых моделей.
Чтобы верить во второй путь, вы должны считать, что модели типа Opus и GPT уже достаточно мощные и надежные, чтобы оставаться открытыми, позволять конкурирующим моделям использовать их вывод как входные данные, но третьи стороны все равно не уйдут. Это означает, что компании-разработчики моделей делают ставку на другие источники силы: эффект Линди (если они считают, что пользователи не захотят строить доверие к новой модели), сетевые эффекты среди разработчиков (если они считают, что пользователи построят экосистему, тесно зависящую от открытости их API) или экономию на масштабе (если они считают, что максимизация количества вызовов API позволит им распределить фиксированные затраты на обучение передовых моделей).
Но текущие свидетельства указывают на противоположное. Динамика «модели месяца» все еще сильна — пользователи без колебаний мигрируют на currently best model, что мы снова увидели при недавнем всплеске использования Claude после выпуска Opus 4.5. На уровне моделей также пока нет явных признаков сетевых эффектов среди разработчиков — интероперабельность между API усиливается, а не ослабевает, экосистема surrounding tools активно противодействует lock-in, намеренно делая смену поставщика простой. А экономия на масштабе на этапе обучения уже недостаточна в качестве «рва», поскольку дистилляционные технологии позволяют конкурентам обучать модели со сравнимой производительностью гораздо дешевле. Без альтернативных источников силы компании — разработчики базовых AI-моделей, скорее всего, будут сохранять ограниченный доступ для энтузиастов, концентрируясь на B2B-внедрениях со строгим контролем использования и мониторингом. Все чаще выигрышным выбором будет отказаться от этой игры.
Это тревожный результат, потому что нынешний взрыв consumer AI-продуктов построен поверх этих провайдеров моделей. Это также открывает возможность для обратного позиционирования (reverse positioning): если ведущие лабы будут все больше ограничивать доступ, то ценность может получить конкурент со слабой «рвой», но с сильными обязательствами по сохранению открытости.
Благодарим @systematicls(@openforage) и @AlexanderLong(@Pluralis) за вдумчивые отзывы к этой статье.
