Direkt hos labbet eller via återförsäljare – vad är skillnaden?

Bakom varje AI-upphandling ligger en skiljelinje som styr både pris och styrning: köper ni direkt från labbet som tränar modellen, eller via en återförsäljare som paketerar den? Anthropic och OpenAI säljer direkt. GitHub Copilot och Azure AI Foundry är i praktiken återförsäljare – de säljer samma underliggande modeller plus egna tillägg. Båda vägarna är rimliga; de optimerar bara för olika saker. Skiljelinjen är äldre än AI – direkt eller via distributör – men prisdynamiken i AI-världen gör den ovanligt dyr att ignorera.

Direktspåret: närmare labbet

Ett direktavtal ger en kortare kedja mellan er och modellen:

• Tydligare avtal. DPA, zero data retention och underbiträdeskedja förhandlas med en part – labbet självt.
• Dag-ett-åtkomst. Nya modeller finns tillgängliga direkt vid släpp, inte när återförsäljaren hunnit certifiera dem.
• Tokenpris utan påslag. Ni betalar labbets listpris för faktisk förbrukning.

Motprestationen: ni bygger själva. EU-residensbenet går via hyperskalare eller särskilda EU-miljöer, integrationen mot era system är ert ansvar och varje labb är ett eget avtal. Direktspåret passar organisationer med egen plattformskompetens och få, tunga användningsfall. Underskatta bara inte bygget: residenskonfiguration, nyckelhantering och övervakning är riktiga arbetsuppgifter, och de ska bemannas även efter lansering.

Återförsäljarspåret: ett avtal, flera modeller

Plattformsvägen optimerar för styrning och enkelhet:

• Ett avtal, en faktura. Flera labbs modeller under samma kommersiella paraply.
• En styrningsmodell. Identitet, behörigheter, loggning och policyer på ett ställe, ofta i ert befintliga moln.
• Färdiga residensverktyg. Regionval och datazoner ingår i plattformens konfiguration.

Motprestationen här: ärvda villkor från labben i botten, utfasning i återförsäljarens takt och dokumenterade påslag. För Azure-vägen har tillägget uppskattats till i storleksordningen 15–40 procent av den totala ägandekostnaden, och Copilots kreditdebitering kan mångdubbla kostnaden för agenttunga flöden jämfört med rena tokenpriser. Påslaget köper något verkligt – styrning, konsolidering och en enda motpart – men det ska vara ett medvetet köp som syns i kalkylen, inte en överraskning i efterhand.

Räkneexempel: agentflöden och krediter

Skillnaden syns tydligast i agenttunga flöden. En kodagent som löser en uppgift gör inte ett anrop – den läser filer, föreslår ändringar, kör tester och itererar, ofta tiotals anrop per uppgift.

Med direktavtalets tokenpris betalar ni för faktiskt förbrukade tokens, varken mer eller mindre. I en kreditmodell debiteras varje premiumanrop i krediter, och multiplikatorn gör att månadskostnaden per utvecklare kan bli flera gånger högre än kalkylen som gjordes på ”normal” chattanvändning. Samma team, samma modell – helt olika slutnota beroende på inköpsväg. Mekanismen gäller också åt andra hållet: för en organisation där de flesta bara ställer enstaka frågor per dag kan en paketerad licens vara billigare än att bygga och drifta en egen API-lösning.

Slutsatsen är inte att kreditmodeller alltid är fel, utan att kalkylen måste göras på er egen användningsprofil. Och eftersom både påslag och prismodeller ändras löpande: räkna med aktuella prislistor, inte med förra årets blogginlägg.

Så väljer ni

Några tumregler som håller i de flesta fall:

• Få modeller, högt tempo, egen plattformskompetens – direktavtal ger bäst pris och snabbast modellåtkomst.
• Många användare, befintlig molnstyrning, krav på en faktura – återförsäljarvägen betalar sig i administration och kontroll.
• Reglerad verksamhet – väg direktspårets korta avtalskedja mot plattformens färdiga residenskonfiguration; det är dokumentationsbördan som skiljer, inte möjligheten.
• Ofta blir svaret hybrid – plattform för bredden, direktavtal för kärnprodukten.

Skriv dessutom in i beslutet vilka mätpunkter som skulle få er att byta väg – kostnad per användare, kostnad per uppgift, tid till ny modell. Då blir omprövningen en rutin i stället för en förhandling.

Vi på Weapp har byggt AI-lösningar längs båda spåren och hjälper gärna till med kalkylen för just er volym och användningsprofil – hör av dig så räknar vi tillsammans.