Cadoul care sperie. Cum China ieftinește inteligența până aproape de zero

Toată povestea care ține sus bursa americană, evaluările de mii de miliarde, centrele de date cât orașe, promisiunea că cheltuiala de azi e profitul de mâine, se sprijină pe o singură presupunere, atât de fundamentală încât rareori mai e rostită cu voce tare. Presupunerea sună așa: când și dacă profiturile din IA vor veni, le vor încasa companiile americane, pentru că restul lumii nu are nicio altă opțiune.

E o presupunere confortabilă. A fost, o vreme, chiar adevărată. Problema e că lumea are de ceva timp o opțiune, iar opțiunea se numește China.

Aritmetica unui duel de cinci minute

Comparația de cost e brutală în simplitatea ei. Un dezvoltator a dat aceeași sarcină de programare unui model american de vârf și unui model chinezesc open, GLM. Amândouă au terminat treaba în circa 5 minute și jumătate. Modelul american a facturat 2,33 dolari. Cel chinezesc, 31 de cenți. De șapte până la douăsprezece ori mai ieftin, pentru același rezultat, în același timp.

Un singur test nu face o piață, desigur. Însă testul nu e un caz izolat, e un eșantion dintr-un tipar care se vede în orice clasament independent de calitate. Cel mai bun model american punctează în jur de 60. Cel mai bun model chinezesc open, în jur de 51. Nu e egalitate, ci vecinătate, iar vecinătatea costă o fracțiune din preț. Și, poate mai important decât vârful clasamentului, e mijlocul lui. Modelele chinezești, DeepSeek, Qwen, Kimi, Minimax, GLM nu sunt în vârf, sunt peste tot. Umplu tot mijlocul clasamentelor globale, exact zona în care trăiește cererea reală a firmelor care nu au nevoie de un geniu, ci de un lucrător digital competent și ieftin.

Iar piața a început să voteze. CNBC confirmă, în iulie 2026, că firmele americane trec deja la modele chinezești, pentru un motiv care nu are nimic de-a face cu ideologia. Modelele OpenAI și Anthropic au devenit prea scumpe. Când clientul american al industriei americane migrează la concurentul chinezesc din motive de preț, presupunerea de bază a bursei începe să scârțâie.

Copiatul temei, la scară industrială

Cum reușește China asta cheltuind de aproape zece ori mai puțin? Răspunsul are un nume tehnic, „distillation”, și o explicație pe care o înțelege oricine a fost vreodată la școală.

Când antrenezi un model de la zero, plătești miliarde ca să-l înveți totul pe calea grea: îl pui să citească internetul, să greșească, să fie corectat, iarăși și iarăși, pe zeci de mii de plăci grafice care ard curent cât un oraș. Există însă o scurtătură. Îți poți antrena modelul studiind răspunsurile unui model deja existent. Modelul mare a plătit deja prețul învățării; modelul tău învață de la el, nu de la lume. E ca și cum ai copia tema unui coleg, doar că tema a costat zece miliarde de dolari, iar copiatul e legal, rapid și aproape gratuit.

Rezultatul e o asimetrie pe care istoria economică o va studia cu fascinație. Statele Unite fac cea mai scumpă cercetare din istoria omenirii, iar China o comprimă în modele mai mici și mai ieftine, pe care apoi le dă gratis. Open-source, adică oricine le poate descărca, rula pe propriile servere și le poate modifica după propriile nevoi. Privit astfel, fiecare dolar de cheltuială americană pentru IA e aproape o donație către industria chinezească. America plătește antrenamentul, China vinde, sau de-a dreptul dăruiește, rezultatul.

De ce ar dărui cineva o tehnologie de miliarde? Pentru că atunci când nu poți câștiga cursa vânzând produsul, poți câștiga distrugând prețul lui. Dacă inteligența devine aproape gratuită, nimeni nu mai plătește primele de monopol companiilor americane, iar valoarea se mută în altă parte: în cipuri, în energie, în aplicații, în implementare. Strategia open-source chinezească nu e generozitate, e artilerie de preț.

Umilința LongCat

Și apoi e povestea care rezumă totul mai bine decât orice statistică. Există un model numit LongCat care se bate de la egal la egal cu Gemini, modelul de frontieră al Google, pe unele benchmark-uri. Autorul lui nu e un laborator secret al armatei, nicio universitate de elită. E Meituan, echivalentul chinezesc al unei firme de livrări de mâncare.

Merită să lăsăm propoziția să respire. Compania care îți aduce supa acasă a construit, cu banii rămași de la logistică, un model care concurează cu produsul-far al uneia dintre cele mai valoroase corporații din istorie. Nu pentru că Meituan ar fi un geniu ascuns, ci pentru că construirea unui model foarte bun a devenit suficient de ieftină încât să devină un proiect secundar pentru o firmă de food delivery.

Iar aici întrebarea se pune singură: când o firmă de livrări face ce face o companie americană de mii de miliarde, mai valorează acea companie mii de miliarde? Evaluarea uriașă presupune un șanț de apărare uriaș. Ce fel de șanț e acela peste care trece scuterul care livrează mâncare?

Aceasta este lovitura care demontează povestea de la începutul articolului. Nu poți recupera un trilion de dolari vânzând ceva ce concurentul tău oferă la 90% din calitate pentru 10% din preț. Poți câștiga toate benchmark-urile și poți pierde toți clienții. Statele Unite câștigă cursa banilor cheltuiți. China câștigă cursa clientului. Iar în economie, dintre cele două curse, doar una se termină cu venituri.

Ce spune despre asta Economia Centaurului

Capitolul 6 al cărții Republica roboților și capitolul 12, Revoluția ieftinătății, se întâlnesc perfect în această poveste și nu întâmplător.

Paradoxul abundenței, formulat în capitolul 12, spune că IA împinge prețul la tot ce atinge spre zero, inclusiv al ei înseși. Când l-am scris, paradoxul privea mai ales la piața muncii: traducătorul, concurat de traducerea gratuită; programatorul, concurat de codul generat. Strategia chinezească arată că paradoxul nu are loialități. Open-source-ul chinezesc nu e doar competiție comercială, e arma acestui paradox îndreptată împotriva modelului american de profit. Aceeași forță care ieftinea munca omului ieftinește acum marfa giganților.

Și aici e ironia pe care cartea o subliniază și pe care merită s-o privim fără ocolișuri. Aceeași ieftinire care erodează salariile lucrătorilor erodează acum și marjele giganților care i-au concediat. Companiile care au folosit IA ca să comprime costul muncii descoperă că altcineva folosește IA ca să comprime costul lor. Bucla mortală, mecanismul central al cărții, nu lovește doar angajatul; lovește și modelul de afaceri care a pariat că poate vinde scump o inteligență pe care altcineva o face aproape gratis. Eficiența nu are prieteni permanenți. Cine trăiește din a ieftini munca altora nu ar trebui să se mire când vine cineva să-i ieftinească marfa.

Pentru cititorul român, morala are și o față practică, cea din capitolele despre implementare. Dacă inteligența brută devine o marfă ieftină și abundentă, disponibilă atât de la furnizori americani, cât și de la cei chinezi, atunci avantajul nu mai stă în a o produce, ci în a o cupla cu afaceri reale. Marfa ieftină are nevoie de instalatori. Iar instalatorii, clasa implementatorilor din capitolul 17, nu pot fi concurați de un model descărcat gratis, pentru că munca lor nu e modelul, e cuplajul lui la fabrica, spitalul sau primăria de peste drum. Rămâne întrebarea pe care ieftinătatea o pune tuturor celorlalți. Dacă inteligența devine o marfă aproape gratuită, ce mai valorează companiile care au promis să o vândă scump? Și ce mai valorează economiile care nu au învățat, între timp, nici să o producă, nici să o cupleze?

Sources:

Chinese AI models are cheaper, US firms adopting (CNBC),

Zhipu closing in on top US models (CNBC);

Meituan open-sources LongCat-2.0 (SiliconANGLE);

LongCat vs Gemini benchmarks (Yahoo Tech).

The whole story propping up the American stock market—the trillion-dollar valuations, the city-sized data centers, the promise that today's spending is tomorrow's profit—rests on a single assumption, one so fundamental it’s rarely spoken aloud. The assumption goes like this: when and if the profits from AI do arrive, they will be collected by American companies, because the rest of the world has no other option.

It’s a comfortable assumption. For a while, it was even true. The problem is that for some time now, the world has had another option, and that option is called China.

The Arithmetic of a Five-Minute Duel

The cost comparison is brutal in its simplicity. A developer gave the same programming task to a top-tier American model and an open-source Chinese model, GLM. Both finished the job in about 5 and a half minutes. The American model billed $2.33. The Chinese one, 31 cents. Seven to twelve times cheaper, for the same result, in the same amount of time.

A single test doesn’t make a market, of course. But this test isn't an isolated case; it’s a sample from a pattern visible in any independent quality ranking. The best American model scores around 60. The best open-source Chinese model, around 51. It’s not equality, but it is proximity, and that proximity costs a fraction of the price. And, perhaps more importantly than the top of the leaderboard, is its middle. The Chinese models—DeepSeek, Qwen, Kimi, Minimax, GLM—aren't just at the top; they are everywhere. They fill the entire middle of the global rankings, the exact zone where the real demand lives—from firms that don’t need a genius, but a competent and cheap digital worker.

And the market has started to vote. CNBC confirms, in July 2026, that American companies are already switching to Chinese models, for a reason that has nothing to do with ideology. OpenAI and Anthropic models have become too expensive. When the American customer of the American industry migrates to the Chinese competitor for price reasons, the stock market’s basic assumption begins to creak.

Copying Homework on an Industrial Scale

How does China manage this while spending almost ten times less? The answer has a technical name, “distillation,” and an explanation that anyone who’s ever been to school will understand.

When you train a model from scratch, you pay billions to teach it everything the hard way: you have it read the internet, make mistakes, be corrected, over and over, on tens of thousands of graphics cards burning as much power as a city. But there's a shortcut. You can train your model by studying the responses of an existing one. The large model has already paid the price of learning; your model learns from it, not from the world. It’s like copying a classmate's homework, except the homework cost ten billion dollars, and copying it is legal, fast, and almost free.

The result is an asymmetry that economic history will study with fascination. The United States conducts the most expensive research in human history, and China compresses it into smaller, cheaper models, which it then gives away for free. Open-source, meaning anyone can download them, run them on their own servers, and modify them to their own needs. Seen this way, every dollar of American AI spending is almost a donation to the Chinese industry. America pays for the training; China sells, or outright gifts, the result.

Why would anyone give away a billion-dollar technology? Because when you can't win the race by selling the product, you can win by destroying its price. If intelligence becomes nearly free, no one will pay monopoly premiums to American companies, and value shifts elsewhere: to chips, to energy, to applications, to implementation. The Chinese open-source strategy isn't generosity; it's price artillery.

The LongCat Humiliation

And then there’s the story that sums it all up better than any statistic. There’s a model called LongCat that goes toe-to-toe with Gemini, Google's frontier model, on some benchmarks. Its author isn’t a secret military lab, nor an elite university. It's Meituan, the Chinese equivalent of a food delivery company.

It's worth letting that sentence sink in. The company that brings you your soup at home has built, with money left over from logistics, a model that competes with the flagship product of one of the most valuable corporations in history. Not because Meituan is some hidden genius, but because building a very good model has become cheap enough to be a side project for a food delivery firm.

And here the question asks itself: when a delivery firm does what a trillion-dollar American company does, is that company still worth trillions? A massive valuation assumes a massive defensive moat. What kind of moat is it that a food delivery scooter can cross?

This is the blow that dismantles the story from the beginning of the article. You can’t recoup a trillion dollars selling something your competitor offers at 90% of the quality for 10% of the price. You can win all the benchmarks and lose all the customers. The United States is winning the spending race. China is winning the customer race. And in economics, of the two races, only one ends in revenue.

What The Centaur Economy Has to Say About This

Chapter 6 of the book Republic of Robots and Chapter 12, “The Cheapness Revolution,” meet perfectly in this story, and not by coincidence.

The paradox of abundance, formulated in Chapter 12, states that AI pushes the price of everything it touches toward zero, including itself. When I wrote it, the paradox mainly concerned the labor market: the translator, competing with free translation; the programmer, competing with generated code. The Chinese strategy shows that the paradox has no loyalties. Chinese open-source isn’t just commercial competition; it’s this paradox’s weapon aimed at the American profit model. The same force that cheapened human labor is now cheapening the giants' product.

And here lies the irony that the book underscores and which we should look at head-on. The same cheapening that erodes workers’ salaries now erodes the margins of the giants who laid them off. Companies that used AI to compress the cost of labor are discovering that someone else is using AI to compress their costs. The death loop, the book’s central mechanism, doesn’t just hit the employee; it hits the business model that bet it could sell intelligence at a high price while someone else makes it almost free. Efficiency has no permanent friends. Those who live by cheapening the labor of others shouldn’t be surprised when someone comes along to cheapen their product.

For the Romanian reader, the moral also has a practical side, the one from the chapters on implementation. If raw intelligence becomes a cheap and abundant commodity, available from both American and Chinese suppliers, then the advantage no longer lies in producing it, but in coupling it with real businesses. A cheap commodity needs installers. And the installers, the class of implementers from Chapter 17, cannot be competed against by a freely downloaded model, because their work isn't the model itself, but its integration with the factory, hospital, or city hall across the street. The question that cheapness poses to everyone else remains. If intelligence becomes an almost free commodity, what is the value of the companies that promised to sell it dearly? And what is the value of the economies that, in the meantime, have learned neither to produce it nor to integrate it?

Sources: Chinese AI models are cheaper, US firms adopting (CNBC), Zhipu closing in on top US models (CNBC); Meituan open-sources LongCat-2.0 (SiliconANGLE); LongCat vs Gemini benchmarks (Yahoo Tech).

Die ganze Geschichte, die den amerikanischen Aktienmarkt stützt, die Billionen-Bewertungen, die städtegroßen Rechenzentren, das Versprechen, dass die Ausgaben von heute der Gewinn von morgen sind – all das beruht auf einer einzigen Annahme, die so fundamental ist, dass sie nur noch selten laut ausgesprochen wird. Diese Annahme lautet: Wenn und falls die Gewinne aus der KI kommen, werden sie von amerikanischen Unternehmen eingestrichen, weil der Rest der Welt keine andere Wahl hat.

Es ist eine bequeme Annahme. Für eine Zeit lang war sie sogar wahr. Das Problem ist nur, dass die Welt seit einiger Zeit eine Alternative hat, und diese Alternative heißt China.

Die Arithmetik eines Fünf-Minuten-Duells

Der Kostenvergleich ist in seiner Einfachheit brutal. Ein Entwickler gab einem amerikanischen Spitzenmodell und einem chinesischen Open-Source-Modell, GLM, dieselbe Programmieraufgabe. Beide erledigten die Aufgabe in etwa fünfeinhalb Minuten. Das amerikanische Modell berechnete 2,33 Dollar. Das chinesische 31 Cent. Sieben- bis zwölfmal billiger, für dasselbe Ergebnis, in derselben Zeit.

Ein einziger Test macht natürlich noch keinen Markt. Aber dieser Test ist kein Einzelfall, er ist ein Beispiel für ein Muster, das sich in jedem unabhängigen Qualitätsranking zeigt. Das beste amerikanische Modell erreicht eine Punktzahl von etwa 60. Das beste chinesische Open-Source-Modell etwa 51. Das ist keine Gleichheit, aber eine Annäherung, und diese Annäherung kostet nur einen Bruchteil des Preises. Und vielleicht wichtiger als die Spitze der Rangliste ist ihre Mitte. Die chinesischen Modelle, DeepSeek, Qwen, Kimi, Minimax, GLM, sind nicht an der Spitze, sie sind überall. Sie füllen die gesamte Mitte der globalen Ranglisten, genau den Bereich, in dem die tatsächliche Nachfrage von Unternehmen liegt, die kein Genie brauchen, sondern einen kompetenten und günstigen digitalen Arbeiter.

Und der Markt hat begonnen, mit den Füßen abzustimmen. CNBC bestätigt im Juli 2026, dass amerikanische Unternehmen bereits auf chinesische Modelle umsteigen, aus einem Grund, der nichts mit Ideologie zu tun hat. Die Modelle von OpenAI und Anthropic sind zu teuer geworden. Wenn der amerikanische Kunde der amerikanischen Industrie aus Preisgründen zum chinesischen Konkurrenten abwandert, beginnt die Grundannahme der Börse zu wackeln.

Hausaufgaben abschreiben im industriellen Maßstab

Wie schafft China das, obwohl es fast zehnmal weniger ausgibt? Die Antwort hat einen technischen Namen, „Distillation“, und eine Erklärung, die jeder versteht, der jemals zur Schule gegangen ist.

Wenn man ein Modell von Grund auf trainiert, zahlt man Milliarden, um ihm alles auf die harte Tour beizubringen: Man lässt es das Internet lesen, Fehler machen, korrigiert werden, immer und immer wieder, auf Zehntausenden von Grafikkarten, die so viel Strom verbrauchen wie eine ganze Stadt. Aber es gibt eine Abkürzung. Man kann sein Modell trainieren, indem man die Antworten eines bereits existierenden Modells studiert. Das große Modell hat den Preis für das Lernen bereits bezahlt; das eigene Modell lernt von ihm, nicht von der Welt. Es ist, als würde man die Hausaufgaben eines Mitschülers abschreiben, nur dass diese Hausaufgaben zehn Milliarden Dollar gekostet haben und das Abschreiben legal, schnell und fast kostenlos ist.

Das Ergebnis ist eine Asymmetrie, die die Wirtschaftsgeschichte mit Faszination studieren wird. Die Vereinigten Staaten betreiben die teuerste Forschung der Menschheitsgeschichte, und China komprimiert sie in kleinere, billigere Modelle, die es dann kostenlos zur Verfügung stellt. Open Source, das heißt, jeder kann sie herunterladen, auf den eigenen Servern ausführen und an die eigenen Bedürfnisse anpassen. So betrachtet ist jeder Dollar, der in den USA für KI ausgegeben wird, fast eine Spende an die chinesische Industrie. Amerika bezahlt das Training, China verkauft oder verschenkt das Ergebnis direkt.

Warum sollte jemand eine milliardenschwere Technologie verschenken? Weil man, wenn man das Rennen nicht durch den Verkauf des Produkts gewinnen kann, es gewinnen kann, indem man dessen Preis zerstört. Wenn Intelligenz fast kostenlos wird, zahlt niemand mehr die Monopolprämien an amerikanische Unternehmen, und der Wert verlagert sich woandershin: in Chips, in Energie, in Anwendungen, in die Implementierung. Chinas Open-Source-Strategie ist keine Großzügigkeit, sie ist Preis-Artillerie.

Die LongCat-Demütigung

Und dann ist da die Geschichte, die alles besser zusammenfasst als jede Statistik. Es gibt ein Modell namens LongCat, das es in einigen Benchmarks mit Gemini, Googles Spitzenmodell, aufnehmen kann. Sein Urheber ist kein geheimes Militärlabor, keine Eliteuniversität. Es ist Meituan, das chinesische Äquivalent eines Essenslieferdienstes.

Es lohnt sich, diesen Satz einen Moment sacken zu lassen. Das Unternehmen, das einem die Suppe nach Hause bringt, hat mit dem Geld, das von der Logistik übrig blieb, ein Modell entwickelt, das mit dem Vorzeigeprodukt eines der wertvollsten Konzerne der Geschichte konkurriert. Nicht weil Meituan ein verstecktes Genie wäre, sondern weil die Entwicklung eines sehr guten Modells so billig geworden ist, dass es zu einem Nebenprojekt für einen Essenslieferdienst werden konnte.

Und hier stellt sich die Frage von selbst: Wenn ein Lieferdienst das schafft, was ein amerikanisches Billionen-Dollar-Unternehmen leistet, ist dieses Unternehmen dann noch Billionen wert? Eine gigantische Bewertung setzt einen gigantischen Verteidigungsgraben voraus. Was für ein Graben ist das, den der Essensliefer-Roller einfach überquert?

Das ist der Schlag, der die Geschichte vom Anfang des Artikels demontiert. Man kann keine Billion Dollar wieder hereinholen, wenn man etwas verkauft, das der Konkurrent bei 90 % der Qualität für 10 % des Preises anbietet. Man kann alle Benchmarks gewinnen und trotzdem alle Kunden verlieren. Die Vereinigten Staaten gewinnen das Rennen um das ausgegebene Geld. China gewinnt das Rennen um den Kunden. Und in der Wirtschaft führt von diesen beiden Rennen nur eines zu Einnahmen.

Was die Zentauren-Ökonomie dazu sagt

Kapitel 6 des Buches „Die Republik der Roboter“ und Kapitel 12, „Die Revolution des Billigen“, treffen in dieser Geschichte perfekt und nicht zufällig aufeinander.

Das Paradox des Überflusses, formuliert in Kapitel 12, besagt, dass KI den Preis von allem, was sie berührt, gegen Null drückt – einschließlich ihrer selbst. Als ich es schrieb, bezog sich das Paradox hauptsächlich auf den Arbeitsmarkt: der Übersetzer, der mit kostenloser Übersetzung konkurriert; der Programmierer, der mit generiertem Code konkurriert. Chinas Strategie zeigt, dass das Paradox keine Loyalitäten kennt. Das chinesische Open-Source-Modell ist nicht nur kommerzieller Wettbewerb, es ist die Waffe dieses Paradoxons, die gegen das amerikanische Profitmodell gerichtet ist. Dieselbe Kraft, die die menschliche Arbeit verbilligte, verbilligt nun die Ware der Giganten.

Und hier liegt die Ironie, die das Buch hervorhebt und die wir schonungslos betrachten sollten. Dieselbe Verbilligung, die die Löhne der Arbeiter erodiert, erodiert nun auch die Margen der Giganten, die sie entlassen haben. Unternehmen, die KI einsetzten, um Lohnkosten zu drücken, entdecken nun, dass ein anderer KI einsetzt, um ihren Preis zu drücken. Die Todesspirale, der zentrale Mechanismus des Buches, trifft nicht nur den Angestellten; sie trifft auch das Geschäftsmodell, das darauf gewettet hat, eine Intelligenz teuer verkaufen zu können, die jemand anderes fast umsonst herstellt. Effizienz hat keine dauerhaften Freunde. Wer davon lebt, die Arbeit anderer billiger zu machen, sollte sich nicht wundern, wenn jemand kommt, um die eigene Ware billiger zu machen.

Für den rumänischen Leser hat die Moral auch eine praktische Seite, die sich in den Kapiteln über die Implementierung findet. Wenn rohe Intelligenz zu einer billigen und reichlich vorhandenen Ware wird, die sowohl von amerikanischen als auch von chinesischen Anbietern erhältlich ist, dann liegt der Vorteil nicht mehr darin, sie zu produzieren, sondern sie mit realen Unternehmen zu koppeln. Billige Ware braucht Installateure. Und gegen die Installateure, die Klasse der Implementierer aus Kapitel 17, kann ein kostenlos heruntergeladenes Modell nicht konkurrieren, denn ihre Arbeit ist nicht das Modell, sondern dessen Anbindung an die Fabrik, das Krankenhaus oder das Rathaus auf der anderen Straßenseite. Es bleibt die Frage, die diese Billigkeit allen anderen stellt: Wenn Intelligenz zu einer fast kostenlosen Ware wird, was sind dann die Unternehmen noch wert, die versprochen haben, sie teuer zu verkaufen? Und was sind die Volkswirtschaften noch wert, die in der Zwischenzeit weder gelernt haben, sie zu produzieren, noch sie zu implementieren?

Quellen: Chinesische KI-Modelle sind billiger, US-Firmen steigen um (CNBC), Zhipu schließt zu US-Spitzenmodellen auf (CNBC); Meituan veröffentlicht LongCat-2.0 als Open Source (SiliconANGLE); LongCat vs. Gemini-Benchmarks (Yahoo Tech).

Het hele verhaal dat de Amerikaanse beurs overeind houdt, de waarderingen van duizenden miljarden, datacenters zo groot als steden, de belofte dat de uitgaven van vandaag de winst van morgen zijn – het steunt allemaal op één enkele veronderstelling, zo fundamenteel dat ze zelden nog hardop wordt uitgesproken. Die veronderstelling luidt als volgt: wanneer en als de winsten uit AI er komen, zullen Amerikaanse bedrijven die opstrijken, omdat de rest van de wereld geen andere optie heeft.

Het is een comfortabele aanname. Een tijdlang was ze zelfs waar. Het probleem is dat de wereld sinds enige tijd een optie heeft, en die optie heet China.

De rekensom van een vijf minuten durend duel

De kostenvergelijking is brutaal in haar eenvoud. Een ontwikkelaar gaf dezelfde programmeertaak aan een Amerikaans topmodel en aan een Chinees open-sourcemodel, GLM. Beide klaarden de klus in ongeveer 5 en een halve minuut. Het Amerikaanse model factureerde 2,33 dollar. Het Chinese 31 cent. Zeven tot twaalf keer goedkoper, voor hetzelfde resultaat, in dezelfde tijd.

Eén test maakt nog geen markt, natuurlijk. Maar de test is geen opzichzelfstaand geval; het is een voorbeeld van een patroon dat zichtbaar is in elke onafhankelijke kwaliteitsranking. Het beste Amerikaanse model scoort rond de 60. Het beste Chinese open-sourcemodel rond de 51. Dat is geen gelijkspel, maar ze komen in de buurt, en die nabijheid kost een fractie van de prijs. En, misschien nog belangrijker dan de top van de ranglijst, is het middenveld. De Chinese modellen, DeepSeek, Qwen, Kimi, Minimax, GLM, staan niet aan de top, ze zijn overal. Ze vullen het hele middenveld van de wereldwijde ranglijsten, precies het segment waar de reële vraag leeft van bedrijven die geen genie nodig hebben, maar een competente en goedkope digitale werkkracht.

En de markt begint zijn stem uit te brengen. CNBC bevestigt, in juli 2026, dat Amerikaanse bedrijven al overstappen op Chinese modellen, om een reden die niets met ideologie te maken heeft. De modellen van OpenAI en Anthropic zijn te duur geworden. Wanneer de Amerikaanse klant van de Amerikaanse industrie overstapt naar de Chinese concurrent omwille van de prijs, begint de basisveronderstelling van de beurs te wankelen.

Huiswerk afkijken op industriële schaal

Hoe slaagt China daarin terwijl het bijna tien keer minder uitgeeft? Het antwoord heeft een technische naam, 'distillation', en een uitleg die iedereen die ooit op school heeft gezeten begrijpt.

Wanneer je een model van nul traint, betaal je miljarden om het alles op de harde manier te leren: je laat het het internet lezen, fouten maken, gecorrigeerd worden, steeds opnieuw, op tienduizenden grafische kaarten die evenveel stroom verbruiken als een stad. Maar er is een kortere weg. Je kunt je model trainen door de antwoorden van een reeds bestaand model te bestuderen. Het grote model heeft de leerkosten al betaald; jouw model leert van het, niet van de wereld. Het is alsof je het huiswerk van een klasgenoot afkijkt, alleen heeft dat huiswerk tien miljard dollar gekost en is het afkijken legaal, snel en bijna gratis.

Het resultaat is een asymmetrie die de economische geschiedenis met fascinatie zal bestuderen. De Verenigde Staten doen het duurste onderzoek in de geschiedenis van de mensheid, en China comprimeert het in kleinere, goedkopere modellen, die het vervolgens gratis weggeeft. Open-source, wat betekent dat iedereen ze kan downloaden, op eigen servers kan draaien en naar eigen behoeften kan aanpassen. Zo bezien is elke dollar die Amerika aan AI uitgeeft bijna een donatie aan de Chinese industrie. Amerika betaalt voor de training, China verkoopt, of schenkt ronduit, het resultaat.

Waarom zou iemand een technologie van miljarden weggeven? Omdat wanneer je de race niet kunt winnen door het product te verkopen, je kunt winnen door de prijs ervan te vernietigen. Als intelligentie bijna gratis wordt, betaalt niemand nog de monopoliepremies aan Amerikaanse bedrijven, en verschuift de waarde elders naartoe: naar chips, energie, applicaties, implementatie. De Chinese open-sourcestrategie is geen vrijgevigheid, het is prijsartillerie.

De vernedering van LongCat

En dan is er het verhaal dat alles beter samenvat dan welke statistiek dan ook. Er is een model genaamd LongCat dat op sommige benchmarks de strijd aangaat met Gemini, het grensverleggende model van Google. De maker ervan is geen geheim legerlaboratorium, geen elite-universiteit. Het is Meituan, het Chinese equivalent van een maaltijdbezorgbedrijf.

Het is de moeite waard om deze zin even te laten bezinken. Het bedrijf dat je soep thuisbezorgt, heeft met het geld dat overbleef van de logistiek een model gebouwd dat concurreert met het vlaggenschipproduct van een van de meest waardevolle bedrijven uit de geschiedenis. Niet omdat Meituan een verborgen genie is, maar omdat het bouwen van een zeer goed model zo goedkoop is geworden dat het een bijproject kan zijn voor een maaltijdbezorger.

En hier rijst de vraag vanzelf: wanneer een bezorgbedrijf doet wat een Amerikaans bedrijf van duizenden miljarden doet, is dat bedrijf dan nog duizenden miljarden waard? Een enorme waardering veronderstelt een enorme verdedigingsgracht. Wat voor gracht is dat, waar de bezorgscooter overheen rijdt?

Dit is de klap die het verhaal aan het begin van het artikel ontmantelt. Je kunt geen biljoen dollar terugverdienen door iets te verkopen wat je concurrent aanbiedt met 90% van de kwaliteit voor 10% van de prijs. Je kunt alle benchmarks winnen en alle klanten verliezen. De Verenigde Staten winnen de race van het uitgegeven geld. China wint de race om de klant. En in de economie eindigt van die twee races er maar één met inkomsten.

Wat De Centauren-economie hierover zegt

Hoofdstuk 6 van het boek De Republiek van de Robots en hoofdstuk 12, 'De revolutie van de goedkoopheid', komen perfect samen in dit verhaal, en dat is geen toeval.

De paradox van de overvloed, geformuleerd in hoofdstuk 12, stelt dat AI de prijs van alles wat het aanraakt naar nul duwt, inclusief die van zichzelf. Toen ik het schreef, had de paradox vooral betrekking op de arbeidsmarkt: de vertaler, beconcurreerd door gratis vertalingen; de programmeur, beconcurreerd door gegenereerde code. De Chinese strategie toont aan dat de paradox geen loyaliteit kent. De Chinese open-source is niet alleen commerciële concurrentie, het is het wapen van deze paradox, gericht tegen het Amerikaanse winstmodel. Dezelfde kracht die menselijke arbeid goedkoper maakte, maakt nu de waar van de giganten goedkoper.

En hier ligt de ironie die het boek onderstreept en die we recht in de ogen moeten kijken. Dezelfde prijsdaling die de salarissen van werknemers erodeert, erodeert nu ook de marges van de giganten die hen hebben ontslagen. Bedrijven die AI gebruikten om de arbeidskosten te drukken, ontdekken dat iemand anders AI gebruikt om hun kosten te drukken. De dodelijke spiraal, het centrale mechanisme van het boek, treft niet alleen de werknemer; het treft ook het bedrijfsmodel dat erop gokte een intelligentie duur te kunnen verkopen die een ander bijna gratis maakt. Efficiëntie heeft geen permanente vrienden. Wie leeft van het goedkoper maken van andermans werk, moet niet verbaasd zijn als iemand zijn waar goedkoper komt maken.

Voor de lezer heeft de moraal ook een praktische kant, die uit de hoofdstukken over implementatie blijkt. Als ruwe intelligentie een goedkope en overvloedige grondstof wordt, beschikbaar bij zowel Amerikaanse als Chinese leveranciers, dan ligt het voordeel niet langer in het produceren ervan, maar in het koppelen ervan aan echte bedrijven. Goedkope waar heeft installateurs nodig. En die installateurs, de klasse van implementeerders uit hoofdstuk 17, kunnen niet beconcurreerd worden door een gratis gedownload model, omdat hun werk niet het model is, maar de koppeling ervan aan de fabriek, het ziekenhuis of het gemeentehuis aan de overkant. Rest de vraag die deze goedkoopheid aan alle anderen stelt. Als intelligentie een bijna gratis grondstof wordt, wat zijn de bedrijven dan nog waard die beloofden haar duur te verkopen? En wat zijn de economieën nog waard die in de tussentijd noch hebben geleerd haar te produceren, noch haar te koppelen?

Bronnen: Chinese AI-modellen zijn goedkoper, Amerikaanse bedrijven stappen over (CNBC), Zhipu nadert Amerikaanse topmodellen (CNBC); Meituan maakt LongCat-2.0 open-source (SiliconANGLE); LongCat vs Gemini benchmarks (Yahoo Tech).