Ağırlıkları açık modeller, en iyi kamuya açık şekilde değerlendirilen kapalı sınır (frontier) modellerin performansına yaklaşık dört ay içinde yaklaştı ve aralarındaki fark giderek daha değişken hale geldi.
Bu durum, açık ve kapalı yapay zeka yarışını giderek daha önemli bir ticari soru haline getiriyor. Açık modeller, şirketlere verileri, altyapıları ve özelleştirme konularında daha fazla kontrol sağlarken sınır performansı yaklaşabiliyorsa, işletmeler sınır laboratuvarlarına ne için ödeme yapıyor? Değer nihayetinde nerede birikiyor?
Durumu anlamak için, açık ve kapalı modellerle neyi kastettiğimizi netleştirmek faydalı olacaktır. Açıklık, kullanıcıların indirip serbestçe değiştirebileceği tam açık modellerden çeşitli kısıtlamaları olan ağırlıkları açık modellere kadar uzanan bir spektrumda yer alır. Kapalı modeller ise ağırlıklarını gizli tutar ve erişimi kontrol eder.
Hangi modeller üzerine inşa edileceğine karar veren işletmeler için farklılıklar sadece performans ve fiyatla sınırlı değildir.
Palantir CEO'su Alex Karp, kurumsal şirketlerin işlerini farklı kılan özel bilgi ve süreçler olan “alfalarını” sınır model sağlayıcılarına teslim etme riskiyle karşı karşıya oldukları konusunda uyarıda bulundu.
Satya Nadella da X platformunda yayımladığı bir makalede benzer bir noktaya değindi: “Temelde zekâ için iki kez ödeme yapıyorsunuz; birincisi para ile, ikincisi ise ondan bile daha değerli olan şeyle: Bu zekâyı kullanışlı hale getirmek için ifşa etmek zorunda kaldığınız özel bilgilerinizle! Modelin daha iyi performans göstermesini istedikçe, ona beslemeniz gereken bu bilgilerin miktarı da artıyor!”
Her iki açıklama da stratejik bağımlılığa yönelik uyarılar niteliğinde ve neden daha fazla kurumsal şirketin açık modelleri keşfettiğini açıklamaya yardımcı oluyor.
Ancak özel bilgilerin paylaşılmasına dair endişelere rağmen, kanıtlar şirketlerin, en iyi ağırlıkları açık modeller birkaç aylık bir geride olsa bile sınır performansına ödemeye devam ettiğini gösteriyor. Token harcamaları çok daha geniş bir model yelpazesine yayılırken, sınır laboratuvarlarının gelirleri hızlanmaya devam ediyor.
Öncü şirketler her iki yaklaşımı da kullanıyor; özelleştirme ve kontrol için açık modelleri, mevcut en yüksek yeteneğe ihtiyaç duyduklarında ise kapalı sınır modellerini tercih ediyorlar. Bazı şirketler, farklı modelleri en uygun iş akışlarıyla eşleştirerek kat kat verimlilik artışları ve dramatik maliyet tasarrufları bildirdiler. Bu örneklerden bazılarını aşağıdaki Detaylı İnceleme bölümünde ele alıyoruz.
Bazı model üreticileri de her iki yaklaşımı benimsemektedir. Google'ın Gemini ve Gemma modelleri varken, Meta'nın Muse Spark ve Llama modelleri bulunuyor. Neden bir modeli kapalı tutup diğerini ücretsiz dağıtıyorlar? Ve eğer açık modeller indirmeye ücretsizse, hangi koşullar bağlıdır? Geliştiricileri, kapalı laboratuvarlarla finansal olarak nasıl rekabet ediyor?
99 sayfalık Detaylı İncelememiz, bu seçimlerin arkasındaki ekonomiyi ve yapay zekanın kullanımının giderek ucuzlamasıyla kimin AI kârlarını elde edeceğini ve hangi işletmelerin fiyatlandırma gücünü koruyabileceğini şekillendirebilecek dinamikleri inceliyor.
Tam rapor ayrıca şunları içeriyor:
- Çinli rakiplerin fiyatları düşürmesi karşısında sınır laboratuvarlarının öne geçme maliyetlerini sürdürebilip süremeyeceği.
- Modellerin rekabet ettiği beş faktör ve her birinin gerektirdiği ödünleşimler (trade-off).
- Bir modelin çalıştırılabileceği üç yer ve sektörün bunlar arasındaki dağılımı.
- Mühendislik verimliliğinde 12 kata kadar ve maliyetlerde 20 katın üzerinde tasarruf sağlayan bir vaka çalışması.
- NVIDIA ve Samsung'un neden açık ağırlıklara yatırım yaptığı ve getirilerin nereden gelebileceği.
Okumanızdan keyif almanızı dileriz ve grubumuzda görüşlerinizi bizimle paylaşın:
