Открытые модели с открытыми весами за последние четыре месяца сократили разрыв до минимума по сравнению с лучшими закрытыми передовыми моделями, доступными для публичной оценки, и этот разрыв становится всё более нестабильным.
Это превращает гонку между открытым и закрытым ИИ в всё более важный коммерческий вопрос. Если открытые модели могут приблизиться к производительности передовых решений, предоставляя компаниям больше контроля над данными, инфраструктурой и настройкой, то за что бизнес продолжает платить лабораториям-разработчикам передовых моделей? И где в конечном итоге аккумулируется ценность?
Чтобы понять текущую ситуацию, полезно начать с определения того, что мы понимаем под открытыми и закрытыми моделями. Открытость существует на спектре: от полностью открытых моделей, которые пользователи могут загружать и свободно модифицировать, до моделей с открытыми весами, имеющими различные ограничения. Закрытые модели сохраняют свои веса в тайне и контролируют доступ к ним.
Для компаний, решающих, на каких моделях строить свои продукты, различия выходят за рамки производительности и цены.
Генеральный директор Palantir Алекс Карп предупредил, что предприятия рискуют отдать свою «альфу» — проприетарные знания и процессы, отличающие их бизнес, — поставщикам передовых моделей.
Сатья Наделла сделал аналогичное замечание в эссе на платформе X: «Вы фактически платите за интеллект дважды: сначала деньгами, а затем чем-то ещё более ценным — проприетарными знаниями, которые вы должны раскрыть, чтобы сделать этот интеллект полезным. Чем лучше вы хотите, чтобы модель работала, тем больше таких знаний вам нужно ей предоставить!»
Оба предупреждают о стратегической зависимости и помогают объяснить, почему всё больше предприятий рассматривают возможность использования открытых моделей.
Но несмотря на опасения по поводу передачи проприетарных знаний, данные показывают, что компании по-прежнему готовы платить за передовую производительность, даже если лучшие модели с открытыми весами отстают всего на несколько месяцев. Выручка лабораторий-разработчиков передовых моделей продолжает ускоряться, даже когда расходы на токены распределяются по гораздо более широкому диапазону моделей.
Ведущие компании используют оба подхода, выбирая открытые модели для настройки и контроля, а закрытые передовые модели — когда им нужна максимально возможная производительность. Некоторые сообщают о многократном повышении эффективности и значительной экономии средств благодаря подбору различных моделей под наиболее подходящие рабочие процессы. Несколько таких примеров мы приводим в подробном обзоре ниже.
Некоторые разработчики моделей также применяют оба подхода. У Google есть Gemini и Gemma, а у Meta — Muse Spark и Llama. Почему одну модель оставляют закрытой, а другую распространяют бесплатно? И если открытые модели можно скачать бесплатно, какие условия к этому прилагается? Как их разработчики конкурируют финансово с закрытыми лабораториями?
Наш 99-страничный подробный обзор исследует экономику этих решений и то, как они могут определить, кто будет получать прибыль от ИИ и какие бизнесы смогут сохранить ценовую власть по мере того, как использование ИИ становится всё дешевле.
Полный отчет также включает:
- Сможут ли лаборатории-разработчики передовых моделей поддерживать затраты на сохранение лидерства, поскольку китайские конкуренты снижают цены.
- Пять факторов, по которым конкурируют модели, и компромиссы, необходимые для каждого из них.
- Три места, где может работать модель, и как отрасль разделяется между ними.
- Кейс-стади, демонстрирующий повышение эффективности инженерных работ до 12 раз и экономию затрат более чем в 20 раз.
- Почему NVIDIA и Samsung инвестируют в модели с открытыми весами и откуда может прийти доход.
Надеюсь, вам понравится читать, и дайте мне знать ваше мнение в нашей группе:
