LLM-toote väljasaatmine: hinnastamine, marginaalid ja anti-vallikraavi lõks

1. ja 2024. aastal lansseerus laine LLM-toel iduettevõtteid. Nad mähkisid GPT-4 või Claude'i UI-sse, teenisid konkreetset kasutusjuhtumit, küsisid tellimust. Paljud said veojõudu. Paljud surid.

Surmad ei olnud sellepärast, et tooted olid halvad. Need olid sellepärast, et toodetel polnud vallikraavi. Igaüks võis sama asja sama alusmudeliga ehitada. Kliendid kolisid sinna, kes vähem küsis. Asutajad vaatasid, kuidas marginaalid kahanesid, kui alusmudelipakkujad oma hindu langetasid või konkureerivaid funktsioone lansseerisid.

1. aastaks on õppetunnid selgemad. LLM-toel toote ehitamine pole sama mis traditsioonilise SaaS-toote ehitamine. Ökonoomika on erinev. Konkurentsidünaamika on erinev. Vallikraavid on erinevad. Tiimid, kes erinevusi ei mõista, jõuavad „kadunud AI-iduettevõtete" juhtumianalüüsidesse.

See artikkel käsitleb, milline LLM-toote väljasaatmine 2026. aastal tegelikult välja näeb — hinnastamine, marginaalid, strateegilised mustrid ja vallikraavid, mis peavad vastu, võrreldes nendega, mis mitte.

Mis on LLM-toodete juures erinev

Mõned omadused, mis eristavad LLM-toel tooteid traditsioonilisest SaaS-ist:

Muutuvad kulud skaleeruvad kasutusega. Igal kasutajainteraktsioonil on kõnepõhine kulu (järeldus). Erinevalt tarkvarast, kus 10 000. kasutaja teenindamine on sisuliselt tasuta, maksab 10 000. LLM-kõne sama palju kui esimene.

Marginaalid on kitsamad. Järelduskulud on paljudel juhtudel 10–40% tulust. Pärast hostimist, arvutusvõimsust ja muid infrastruktuure on AI-toodete brutomarginaalid tüüpiliselt 50–75%, mitte puhta SaaS-i 80–90%.

Alusmudelid on kaubad. GPT, Claude, Gemini on saadaval kõigile. Sinu konkurent kasutab samu mudeleid. Mis tahes võimekus, mis mudelist tuleb, pole eristav.

Alusmudelid muutuvad. Uued versioonid, deprekeerimised, hinnamuutused juhtuvad kvartali tagant. Sinu toode sõltub infrastruktuurist, mida sa ei kontrolli.

Kvaliteeti on raske kaitsta. Tark prompt on lihtsalt tagasipööratav. Unikaalse peenhäälestuse saab reprodutseerida. Töövoo uuenduse saab kopeerida.

Kliendi ootused nihkuvad kiiresti. Mis on täna muljetavaldav, on 6 kuu pärast laud panus. Lat liigub kiiresti.

Hinnasurve. Alusmudelite pakkujad ise lansseerivad tooteid, mis konkureerivad oma klientidega. Salesforce + OpenAI; Microsoft + OpenAI; konkurendid massiivse levitamisega.

Need pole teoreetilised. Need on igapäevane reaalsus ehitamisel 2026. aastal.

Kulustruktuur

Tüüpilise LLM-toote kulustruktuur:

Muutuvad kulud (kasutaja kohta / kasutuse kohta):

• Järeldus (LLM API või hostimine).
• Embedding (RAG jaoks).
• Vektorandmebaas või salvestus.
• Muu infrastruktuur, mis skaleerub kasutusega.

Püsikulud:

• Tiimi palgad.
• Kontor/operatiivkulud.
• Tarkvaralitsentsid (CRM, tööriistad).
• Hostimise baas.
• Turundus/müük.

Muutuv kulu on see, mis on erinev. Kui sinu muutuv kulu on 0,05 €/aktiivne-kasutaja/päev ja küsid 20 €/kuus, on sul 19,50 € - aktiivsed_päevad × 0,05 € panust. Rasked kasutajad võivad seda märkimisväärselt ära nüristada.

Päris näide. Ettevõte, kes pakub AI-kirjutamistööriista hinnaga 20 €/kasutaja/kuus:

• Keskmine kasutaja: 5 sessiooni/päev × 20 päeva/kuus = 100 sessiooni/kuus.
• Keskmine sessioon: 5 LLM-kõnet × keskmiselt 2K tokenit.
• Kogutokenid: 1M tokenit/kuus/kasutaja (sisend + väljund).
• Kulu Claude Sonnet hinnastamise juures (3 €/M sisend, 15 €/M väljund): ~7–12 €/kasutaja/kuus.
• Brutomarginaal: ~50–65%.

Nende raskete kasutajate jaoks (10–20x rohkem sessioone):

• 10–20M tokenit/kuus.
• Järelduskulu: 70–200 €/kuus.
• Kahjum raske kasutaja kohta.

Ilma kasutuspõhise kontrollita võivad rasked kasutajad olla kahjumlikud. See on probleem, mida traditsioonilisel SaaS-il samas suuruses pole.

Hinnastamismudelid

Hinnastamisküsimus on raskem kui traditsioonilises SaaS-is. Valikud:

Lame kasutaja kohta. Lihtne. Vaikevalik. Aga rasked kasutajad võivad olla kahjumlikud; kerged kasutajad subsideerivad neid.

Kasutuspõhised limiidid koha kohta. Iga koht sisaldab N tegevust/kõnet/tokenit kuus. Rasked kasutajad maksavad ületöö või põrkuvad piiridesse.

Puhas kasutuspõhine. Maksa kõne kohta, tokeni kohta, tegevuse kohta. Joondab kulu ja tulu. Ennustatavad marginaalid. Aga ebakindlad arved võivad omaksvõttu kahjustada.

Astmeline. Tasuta aste, pro aste (piirangutega), ettevõte (kohandatud). Standardne SaaS-muster, kohandatud kasutuspiirangutega.

Hübriid. Koha kohane baas pluss kasutuspõhine võimsate funktsioonide jaoks. Püüab nii ennustatavust kui joondumist.

Tulemuspõhine. Maksa tulemuse kohta (suletud tehing, lahendatud pilet, genereeritud sisutükk). Kõrgväärtuslik, raske operatiivseks teha. Muutub tavalisemaks, kui AI teeb rohkem mõõdetavat tööd.

Igal on kompromissid. „Õige" mudel sõltub:

• Ennustatavuse vajadustest (sinu ja kliendi omast).
• Kasutuse varieeruvusest.
• Marginaali struktuurist.
• Konkurentsimaastikust.

Enamik edukaid LLM-tooteid kasutab astmelist või hübriidset. Rasked kasutajad põrkuvad piirangutesse või maksavad ületöö; kerged kasutajad saavad mõistliku väärtuse.

Ühikuökonoomika küsimus

Kasulik raamistus: mis on ühik, mille järgi sa küsid, ja mis see maksab?

Chat-assistendi jaoks:

• Ühik: „vestlus".
• Kulu: 0,10–1,00 € vestluse kohta sõltuvalt pikkusest.
• Tulu: ?

Kui küsid 20 €/kasutaja/kuus ja kasutajatel on 100 vestlust/kuus, on keskmine tulu vestluse kohta 0,20 €. Õhuke marginaal või kahjum.

Kui küsid 30 €/kasutaja/kuus 200 vestluse limiidiga ja enamikul kasutajatel on 50: mugav marginaal.

Harjutus: hinda kulu ühiku kohta, määra tulu ühiku kohta, veendu, et marginaal on mõistlik üle kasutajate jaotuse.

Rasked kasutajad on tavaliselt kahjumitegijad. Otsusta selgesõnaliselt: subsideeri neid? Sunni ettevõttesse? Pane kasutuslimiit?

Marginaali kaitse

Mõned taktikad marginaalide kaitsmiseks:

1. Astmesta mudel funktsiooni järgi

Odavalt jooksvad funktsioonid saadaval põhiastmel. Kallid funktsioonid (arutlusmudelid, pikk kontekst, suured väljundid) preemiumis.

Tasuta aste kasutaja, kes kasutab Claude Haiku-samaväärset, maksab järelduses ehk 0,10 €/kuus. Preemiumi astme kasutaja, kes kasutab Claude Opus-samaväärset, võib maksta 5–20 €/kuus. Astmesta vastavalt.

2. Kulu optimeerimine (käsitletud teises artiklis)

Vahemällu salvestamine, suunamine, väljundi kontroll. Toodangukvaliteediga kulu optimeerimine säästab tüüpiliselt 60–90%. See on paljudele toodetele kasumlikuks ja kahjumlikuks olemise erinevus.

3. Kasutuse läbipaistvus

Näita kasutajatele nende kasutust. Kaudne juhis neile oma käitumise optimeerimiseks.

See pole karistuslik; see on vastastikku informatiivne. Kasutajatele meeldib näha, mida nad kasutavad. Rasked kasutajad piiravad ennast ise või uuendavad.

4. Tark vahemällu salvestamine

Kasutaja- või organisatsioonipõhine vahemällu salvestamine vähendab võimsate kasutajate kulusid dramaatiliselt. Nad jätkavad sinu toote enam kasutamist, kui neid karistataks kasutuspiirangutega.

5. Hübriid hostitud/iseendal hostitud

Suurte ettevõtete klientide jaoks iseendal hostitud või BYO-cloud variantide pakkumine viib järelduskulu neile. Nad saavad privaatsuse/kontrolli; sa saad kulu leevenduse.

6. Tulemuspõhine kõrgväärtusliku jaoks

Mõned töövood toodavad mõõdetavaid tulemusi (tehingud suletud, piletid lahendatud). Tulemuspõhine hinnastamine püüab väärtust teisiti kui tokenipõhine. Marginaalid võivad olla palju paremad.

Vallikraavi küsimus

Raskem küsimus. Mis teeb sinu toote kaitstavaks?

Nimekiri „vallikraavidest", mis on tegelikult vallikraavid versus pseudo-vallikraavid:

Päris vallikraavid

Omandiandmed. Sul on andmeid, mida konkurendid ei saa lihtsalt saada. Kliendispetsiifilised andmed on kanooniline näide. Mida rohkem sinu toode iga kliendi andmetest õpib, seda raskem on vahetada.

Levitamine. Sa oled töövoogudesse või platvormidesse põimitud, mida konkurendid pole. Microsoft Copilotil on massiivne levitamise vallikraav Office'i kaudu.

Usaldus. Reguleeritud tööstuste, tundlike vertikaalide kliendid usaldavad sind. Vahetamine on kallis (turvalisuse ülevaatus, vastavuse ülevaatus, koolitus).

Integratsioon. Sa oled integreeritud paljudesse kliendi tööriistadesse, asendades või täiendades neid. Iga integratsioon on vahetuskulu.

Töövoo spetsialiseerumine. Sa oled ehitanud spetsiifiliselt töövoogu, mis nõuab sügavaid valdkonnateadmisi. Üldised AI-tööriistad ei suuda reprodutseerida ilma sarnase investeeringuta.

Võrgustikuefektid. Kasutajad saavad teistest kasutajatest kasu (kogukond, jagatud sisu, võrdlevad mõõdupuud). Harv individuaalse tootlikkuse AI-le, kuid tõeline mõnele kategooriale.

Bränd ja vahetuskulud. Ettevõtte müügis on ostja karjäär valikuga seotud. Vahetamine on tema jaoks riskantne; sul on kaitstav positsioon, kui valitud.

Vertikaalne integratsioon. Omad tähendusrikast infrastruktuuri (oma mudelid, oma järeldus, oma andmetorud). Raske reprodutseerida.

Pseudo-vallikraavid

Konkreetne prompt või töövoog. Lihtsalt tagasipööratav. Kliendid saavad ise ehitada.

Konkreetne mudeli valik. Saadaval konkurentidele.

Tark UI. Kopeeritav kvartali jooksul.

Iteratsiooni kiirus. Reaalne mõneks ajaks; konkurendid jõuavad järele. Üksi mitte vastupidav.

Turundus või brändimine. AI-ajastul ühekordseks; mainekuid tehakse ja lammutatakse kiiresti.

Pseudo-vallikraavid on see, millele enamik AI-mähkijaid toetub. See selgitab kõrge suremuse määra.

Strateegilised mustrid

Mõned mustrid, mis toodavad kaitstavaid LLM-tooteid:

Muster 1: töövoog + AI, mitte „AI-tööriist"

Pigem kui „AI, mis teeb X", ehita töövoog, mis sisaldab AI-d osana suuremast süsteemist.

Näide: mitte „AI-kokkuvõtja õiguslepingutele", vaid „lepingute haldamise platvorm sisseehitatud AI-ga".

Platvormi väärtus (salvestus, organiseerimine, koostöö, ajalugu, vastavus) on vallikraav; AI on funktsioon.

Puhtad AI-tööriistad kommodiseeruvad. Platvormid AI-funktsioonidega peavad vastu.

Muster 2: kliendiandmete hooratas

Iga kliendi kasutus toodab andmeid, mis parandavad nende kogemust (ja võib-olla teiste oma). Vahetamine tähendab kogunenud personaliseerimise kaotamist.

Näide: AI-müügiassistent, mis õpib iga kasutaja häält, kontosid ja mustreid. Pärast 6 kuud tähendab konkurendi peale vahetamine algusest alustamist.

Ehita see hooratas algusest peale. Tee toode paremaks, mida kauem sa seda kasutad.

Muster 3: sügav vertikaalne spetsialiseerumine

Vali vertikaal. Ehita sellele sügavalt. Tervishoid, õigus, finants, kinnisvara.

Vertikaalsed teadmised on sinu vallikraav. Üldised AI-tööriistad ei saa valdkonna spetsiifilisuses konkureerida. Spetsialiseeritud konkurendid saavad — kuid iga vertikaal on oma turg, kus on ruumi mõnele spetsialistile.

Muster 4: põimi olemasolevasse töövoogu

Ära palu kasutajatel sinu toote juurde tulla. Põimi sinna, kus nad juba töötavad — Slack, Microsoft 365, Google Workspace, nende CRM.

Levitamine põimimise kaudu on päris vallikraav. Kui sa oled nende igapäevasetes tööriistades, on sinu välja rebimine kallis.

Muster 5: AI-loomulik tegevus

Mõned ettevõtted on AI-loomulikud otsast lõpuni — nad ei müü AI-d inimestele; nad kasutavad AI-d teenuse pakkumiseks. AI-juhendamine, AI-klienditugi kui tulemus, AI-sisu kui kaup.

„Toode" on tulemus; AI on operatiivne. Konkurendid sarnase AI-ga, kuid halvema tegevusega, kaotavad.

Muster 6: multi-modaalsed vallikraavid

Toode kaevab vallikraavi mitmel dimensioonil: vertikaal + andmed + integratsioon + töövoog. Ükski dimensioon pole vallikraav, kuid kombineeritult on neid raske reprodutseerida.

Selline näevad välja enamik edukaid AI-tooteid. Mitte üks suur vallikraav; mitu üksteist tugevdavat.

Hinnastamise juhtumianalüüsid

Mõned päris (anonümiseeritud) juhtumid:

Juhtum 1: „võistlus põhja poole" mähkija

Iduettevõte lansseeris 2023. aastal chat-liidesega sisukirjutamise jaoks. Tasuta aste; 20 €/kuus pro aste.

Aasta 1: tulu kasvas. Aasta 2: 5 konkurenti lansseerisid sarnased tooted. Hinnasurve: 10 €/kuus, siis 5 €/kuus. Marginaalid pressitud; kasv jäi seisma.

Aasta 3: ChatGPT lisas sarnased funktsioonid oma tarbijatellimusse. Konkurentsipositsioon mitteholdable. Sulges.

Õppetund: mähkija ilma muude vallikraavideta ei oma kaitset.

Juhtum 2: vertikaalne spetsialist

Ettevõte ehitas spetsiifiliselt AI-d ravimiteadusele. Sügav integratsioon teadusandmebaasidega. Spetsialiseeritud promptid meditsiiniterminoloogiale. Vastavus FDA töövoogudele.

Hinnastamine: 1500 €/kasutaja/kuus. Marginaalid tervislikud. Klientide kaotus madal. Otsesed konkurendid hädas, et sügavust matchida.

Õppetund: vertikaalne sügavus + vastavus + integratsioon on päris vallikraav.

Juhtum 3: põimitud platvorm

AI-funktsioon lisatud olemasolevale projektihaldusplatvormile. Kasutajad olid juba seal projektihaldamise pärast; AI tegi selle väärtuslikumaks.

Hinnastamine: lülitatud olemasolevatesse astmetesse. Eraldi AI-hinnastamist pole. Neto efekt: hoidmine üles, ARPU üles.

Õppetund: olemasolev levitamine + AI lisava funktsioonina on tugev.

Juhtum 4: andmete hooratas

Müügitööriist, mis õpib iga kliendi kontosid, häält ja mustreid aja jooksul. Pärast 12 kuud kasutamist teab mudel nende konkreetset äri hästi.

Hinnastamine: koha kohta kohandatud ettevõttega. Kõrge hoidmine; vahetamine on päris kulu (12 kuu personaliseerimise kaotamine).

Õppetund: kliendispetsiifilised andmed on päris vallikraav.

Mis läheb valesti

Tavalised ebaõnnestumise režiimid:

Ebaõnnestumine 1: marginaali kokkusurumine. Alustas tervislike marginaalidega; konkurendid ja hinnasurve surusid neid kokku. Nüüd tulu kasvab, kuid kasum mitte.

Ebaõnnestumine 2: alusmudeli lansseerimine. OpenAI / Anthropic lansseeris funktsiooni, mis konkureerib sinu tootega. Sinu eristamine aurustus.

Ebaõnnestumine 3: raskete kasutajate ökonoomika. Mõned kasutajad ajavad ebaproportsionaalselt kulu üles. Nad on kahjumitegijad. Kas küsid neilt sobivalt või sööd kahjumit.

Ebaõnnestumine 4: kvaliteedi regressioon. Alusmudeli uuendus muutis käitumist. Sinu häälestatud promptid lõhkusid. Klientide usaldus langes. Taastumine on aeglane.

Ebaõnnestumine 5: klientide kaotus tasuta alternatiividele. ChatGPT või Claude saavad enamiku sellest, mida sinu toode teeb, odavamalt. Kasutajad liikusid edasi.

Ebaõnnestumine 6: müügitsükli ootused. Ettevõte ootab pikaajalist väärtust. Sinu toode võidakse 18 kuu jooksul Microsoft Copiloti vastu välja vahetada. Usaldust raske ehitada.

Ebaõnnestumine 7: mastaapimine ilma marginaalse distsipliinita. Kasv rahastas kasvu; marginaale ignoreeriti. Lõpuks raha lõpeb, kasumlikkuse teed pole.

Ebaõnnestumine 8: alusmudeli sõltuvuse risk. API hinnatõus, deprekeerimine või tööseisak sinu pakkujalt. Sinu äri häiritakse millegi tõttu, mida sa ei kontrolli.

Konkreetsed hinnastamismustrid, mis töötavad

Mõned mustrid toodetelt, mis on ökonoomika toimima saanud:

Tegevuse kohta limiitidega. Küsi „lõpetatud ülesande" või „eduka tulemuse" kohta. Piira kasutus astmel. Rasked kasutajad maksavad ületöö. Selge väärtuse joondamine.

Too oma API-võti. Keerukad kasutajad saavad lülitada oma OpenAI / Anthropic võtme, makstes järelduskulud otse. Sa küsid toote eest selle ümber. Eemaldab järelduskulu sinu raamatupidamisest.

Ettevõtte kohandatud hinnastamine. Suured kliendid läbirääkivad. Sa saad kulu hinna sisse ehitada; väiksemad kliendid sobituvad standardastmetesse.

Tasuta aste tugeva uuendusteega. Helde tasuta aste omaksvõtuks; selge väärtus tasulistes astmetes. Tasuta astme kasutajad teenindavad ennast ise ja saavad maksvateks klientideks.

Iga-aastased lepingud allahindlustega. Pühendub tulu; siludab kasutuse ennustust; vähendab klientide kaotust. Standardne SaaS-muster, töötab endiselt.

Raamistik hinnastamisotsuseks

Sammud:

1. Modelleeri oma kulustruktuur. Mida see tegelikult maksab tüüpilise kasutaja, raske kasutaja, kerge kasutaja teenindamiseks?

1. Vali oma ühik. Mille eest sa küsid? Kohad, tegevused, tulemused, tokenid?

1. Leia õige hind. Kus joonduvad kliendi väärtus, sinu kulu ja konkurentsisurve?

1. Astmesta intelligentselt. Tasuta / pro / ettevõte selge väärtuse progressiooniga.

1. Sea limiidid. Kus hakkavad rasked kasutajad marginaale kahjustama? Jõusta limiite või küsi ületööd.

1. Planeeri muutusi. Alusmudelite hinnad langevad. Sinu hind peab võib-olla järgima. Või võid hindu hoida ja kasvatada marginaali. Otsusta, milline.

1. Mõõda pidevalt. Klientide eluaja väärtus, panuse marginaal, klientide kaotus, laienemine. Kohanda, kui sa õpid.

Märkus AI-iduettevõtetest 2026. aastal

Aus maastik:

Mähkija-ärid tavaliselt hädas. Lihtne mähis alusmudeli ümber jääb harva üksi ellu. Erandid on neil, kellel on konkreetsed levitamise, brändi või integratsiooni vallikraavid — mähis on väikseim osa sellest, mida nad tegelikult müüvad.

Vertikaalsed spetsialistid õitsevad. Valdkonna-spetsiifilised AI-tooted sügavate kliendi teadmistega lähevad hästi.

Platvormimängud domineerivad. Microsoft, Google, Salesforce, suured müüjad levitamisega omavad palju ettevõtte AI-turust komplektide kaudu.

AI-loomulik tegevus töötab. Ettevõtted, kes kasutavad AI-d teenuste pakkumiseks (mitte AI-d müüa), omavad sageli paremat ökonoomikat kui AI-kui-tarkvara ettevõtted.

Avatud lähtekoodiga eesliin ümberkujundab. Võimekad avatud mudelid muudavad mõne segmendi konkurentsidünaamikat. Alusmudeli lock-in eroodub.

Alusmudeli pakkujad on platvormid. OpenAI, Anthropic, Google ehitavad oma mudelite peale tootekihte. Kliendid seisavad küsimuse ees: ehita OpenAI peale või lase end OpenAI-l asendada?

Edukad uued ettevõtted 2026. aastal navigeerivad neid dünaamikaid tahtlikult. Need, kes mitte, enamasti kaovad.

Mille jaoks optimeerida

Asutajatele hierarhia:

1. Ehita midagi, mis teeb päris tööd. Mitte „AI X-i jaoks". Mõõdetav tulemus, mida kliendid väärtustavad.

1. Sea vallikraavid tahtlikult üles. Kliendiandmete hooratas, vertikaalne sügavus, integratsioon, töövoo põimimine. Vali üks või rohkem; ehita need sisse.

1. Saa ühikuökonoomika õigeks. Marginaalid, mis töötavad mastaabis. Hinnastamine, mis peegeldab väärtust ja kaitseb kulu.

1. Ära sõltu liikuvast alusest. Hajuta mudelipakkujad. Ehita vahetatavalt. Ole valmis pakkuja muutusteks.

1. Mastaabi operatiivset suurepärasust. Vaadeldavus, hindamised, turvalisus, kvaliteet. Igav asi, mis eristab püsivat kaduvast.

1. Kaitse suhteid. Usaldus, integratsioonid, vahetuskulud. Kliendid, kes ei saa kergesti lahkuda, on vallikraav.

See pole erinev edukatest traditsioonilistest äridest — kuid kiireloomulisus on kõrgem, sest alustehnoloogia nihkub kiiremini.

Kokkuvõte

LLM-toote väljasaatmine 2026. aastal on raskem kui 2023. aastal. Mähkija ajastu on suuresti läbi; alusmudeli pakkujad ja platvormid konkureerivad otse. Marginaalid on traditsioonilisest SaaS-ist kitsamad; konkurents on laiem.

Tooted, mis õnnestuvad, omavad vallikraave, mis pole „AI". Need on omandiandmed, vertikaalne sügavus, levitamine, integratsioon, usaldus, töövoo spetsialiseerumine. Tahtlikult ehitatud, kihiti laotud, aktiivselt kaitstud.

Ökonoomika vajab rangust. Muutuvad kulud, mis skaleeruvad kasutusega. Marginaali kaitse vahemällu salvestamise, suunamise, astmestamise, targa hinnastamise kaudu. Rasked kasutajad kas sobivalt makstavad või limiteeritud.

Tiimid, kes selle õigesti saavad, ehitavad päris ärisid AI-le. Need, kes mitte, saavad juhtumianalüüsideks — huvitavad demod, lühike veojõud, siis unustatud.

See on raskem mäng, kui varane hüpe vihjas. Võimalus on päris, kuid spetsiifiline. Ehita vallikraav silmas pidades algusest peale. Halda marginaali nagu see loeks. Käsitle alusmudeleid kaupinfrastruktuuri, mitte eristajana.

Just nii saadetakse välja LLM-toode, mis on kolme aasta pärast endiselt siin.