Open-weight मॉडल्स ने बंद फ्रंटियर मॉडल्स के करीब पहुँचने में लगभग चार महीने लगाए, और उनके बीच का अंतर अब अधिक अस्थिर हो गया है।
यह open बनाम closed AI रेस को एक बढ़ती हुई महत्वपूर्ण व्यावसायिक प्रश्न में बदल रहा है। यदि open मॉडल्स फ्रंटियर प्रदर्शन के करीब पहुँच सकते हैं और कंपनियों को अपने डेटा, इन्फ्रास्ट्रक्चर और कस्टमाइजेशन पर अधिक नियंत्रण दे सकते हैं, तो व्यवसाय अभी भी फ्रंटियर लैब्स को किसके लिए भुगतान कर रहे हैं? और अंततः मूल्य कहाँ जमा होता है?
इस परिदृश्य को समझने के लिए, यह जानना उपयोगी है कि हम open और closed मॉडल्स से क्या तात्पर्य रखते हैं। खुलापन एक स्पेक्ट्रम पर मौजूद है, पूरी तरह से open मॉडल्स से जो उपयोगकर्ता डाउनलोड कर सकते हैं और स्वतंत्र रूप से संशोधित कर सकते हैं, लेकर प्रतिबंधों के साथ open-weight मॉडल्स तक। Closed मॉडल्स अपने वजन (weights) को निजी रखते हैं और एक्सेस को नियंत्रित करते हैं।
व्यावसायिक निर्णय लेने के लिए कि किन मॉडल्स पर आधारित बनाना है, अंतर केवल प्रदर्शन और मूल्य से परे हैं।
Palantir के CEO Alex Karp ने चेतावनी दी है कि उद्यम अपने "alpha" – यानी अपनी विशिष्ट ज्ञान और प्रक्रियाओं जो उनके व्यवसाय को अलग पहचान देती हैं – को फ्रंटियर मॉडल प्रदाताओं को सौंपने का जोखिम उठा रहे हैं।
Satya Nadella ने X पर एक निबंध में इसी बात को दोहराया: “आप बुद्धिमत्ता के लिए दो बार भुगतान करते हैं, एक बार पैसे से, और दूसरी बार उससे भी अधिक मूल्यवान चीज़ से: वह proprietary knowledge जिसे आपको उस बुद्धिमत्ता को उपयोगी बनाने के लिए प्रकट करना पड़ता है। जितना बेहतर आप चाहते हैं कि मॉडल प्रदर्शन करे, उतना ही अधिक ज्ञान आपको उसे खिलाना होगा!”
ये दोनों रणनीतिक निर्भरता के बारे में चेतावनियाँ हैं और यह समझाने में मदद करती हैं कि अधिक उद्यम open मॉडल्स की ओर क्यों जा रहे हैं।
लेकिन proprietary knowledge देने की चिंताओं के बावजूद, सबूत दिखाते हैं कि कंपनियाँ अभी भी फ्रंटियर प्रदर्शन के लिए भुगतान करने को तैयार हैं, जबकि सर्वश्रेष्ठ open-weight मॉडल्स केवल कुछ महीनों पीछे हैं। फ्रंटियर लैब्स की आय तेजी से बढ़ रही है, जबकि टोकन खर्च मॉडल्स की एक बहुत विस्तृत श्रेणी में फैल रहा है।
अग्रणी कंपनियाँ दोनों का उपयोग कर रही हैं, कस्टमाइजेशन और नियंत्रण के लिए open मॉडल्स चुन रही हैं, और जब उन्हें उपलब्ध सबसे उच्च क्षमता चाहिए होती है तो closed फ्रंटियर मॉडल्स का उपयोग कर रही हैं। कुछ ने अलग-अलग मॉडल्स को उन वर्कफ्लो से मिलाने से कई गुना दक्षता लाभ और नाटकीय लागत बचत की रिपोर्ट की है। हम नीचे Deep Dive में इनमें से कुछ उदाहरणों को कवर करते हैं।
कुछ मॉडल निर्माता भी दोनों दृष्टिकोण अपना रहे हैं। Google के पास Gemini और Gemma हैं, जबकि Meta के पास Muse Spark और Llama हैं। एक मॉडल को बंद रखें और दूसरे को मुफ्त दें? और यदि open मॉडल्स डाउनलोड करने के लिए मुफ्त हैं, तो कौन सी शर्तें जुड़ी हैं? उनके डेवलपर्स closed लैब्स के साथ वित्तीय रूप से कैसे प्रतिस्पर्धा करते हैं?
हमारा 99-पेज का Deep Dive इन विकल्पों के पीछे के अर्थशास्त्र और इस बात की जाँच करता है कि ये विकल्प AI लाभों को कौन हासिल करेगा और कौन से व्यवसाय AI के सस्ता होते जाने के साथ मूल्य निर्धारण शक्ति को बनाए रख पाएंगे।
पूरी रिपोर्ट में शामिल है:
- क्या फ्रंटियर लैब्स चीनी प्रतिस्पर्धियों द्वारा मूल्यों को कम करने के बावजूद आगे रहने की लागत को बनाए रख सकती हैं।
- पाँच कारक जिन पर मॉडल्स प्रतिस्पर्धा करते हैं, और प्रत्येक के लिए आवश्यक trade-offs।
- तीन स्थान जहाँ एक मॉडल चल सकता है, और उद्योग इनके बीच कैसे विभाजित है।
- एक केस स्टडी जिसमें इंजीनियरिंग दक्षता में 12x तक की वृद्धि और 20x से अधिक लागत बचत दर्ज की गई है।
- NVIDIA और Samsung open weights में क्यों निवेश कर रहे हैं, और रिटर्न कहाँ से आ सकते हैं।
उम्मीद है कि आप इसे पढ़कर आनंद लेंगे और हमारे ग्रुप में बताएं कि आपका क्या विचार है:
