Моделі з відкритими вагами наздогнали найкращі закриті фронтирні моделі, які проходять публічну оцінку, приблизно за чотири місяці, а розрив між ними стає дедалі нестабільнішим.
Це перетворює гонку «відкритий проти закритого» в сфері ШІ на дедалі важливіше комерційне питання. Якщо відкриті моделі можуть наблизитися до рівня продуктивності фронтирних моделей, водночас надаючи компаніям більше контролю над даними, інфраструктурою та налаштуваннями, то за що бізнес досі платить провайдерам передових моделей? І де нарешті накопичується цінність?
Щоб зрозуміти загальну картину, корисно почати з того, що ми маємо на увазі під відкритими та закритими моделями. Відкритість існує як спектр: від повністю відкритих моделей, які користувачі можуть завантажувати та вільно модифікувати, до моделей із відкритими вагами, що мають різноманітні обмеження. Закриті моделі тримають свої ваги в таємниці та контролюють доступ до них.
Для бізнесу, який вирішує, на яких моделях будувати свою діяльність, відмінності виходять далеко за межі продуктивності та ціни.
Генеральний директор Palantir Алекс Карп попереджає, що підприємства ризикують віддати свою «альфу» — унікальні знання та процеси, що відрізняють їхній бізнес від конкурентів, — провайдерам передових моделей.
Сатья Наделла висловив подібну думку в есеї на X: «Ви фактично платите за інтелект двічі: спочатку грошима, а потім ще й чимось навіть більш цінним — пропрієтарними знаннями, якими ви змушені ділитися, щоб зробити цей інтелект корисним. Чим краще ви хочете, щоб модель працювала, тим більше таких знань їй потрібно надати!»
Обидва твердження є попередженнями про стратегічну залежність і допомагають пояснити, чому дедалі більше підприємств досліджують відкриті моделі.
Але попри занепокоєння щодо розголошення власних знань, докази свідчать, що компанії все ще готові платити за передову продуктивність, навіть коли найкращі моделі з відкритими вагами відстають лише на кілька місяців. Доходи лабораторій-лідерів продовжують стрімко зростати, навіть якщо витрати на токени розподіляються між значно ширшим спектром моделей.
Провідні компанії використовують обидва підходи, обираючи відкриті моделі для кастомізації та контролю, а закриті фронтирні моделі — коли потрібна найвища доступна потужність. Деякі повідомляють про багаторазове підвищення ефективності та суттєве скорочення витрат завдяки оптимальному підбору різних моделей до відповідних робочих процесів. Кілька таких прикладів ми розглядаємо нижче в розділі Deep Dive.
Деякі розробники моделей також дотримуються обох підходів. У Google є Gemini та Gemma, а у Meta — Muse Spark та Llama. Навіщо залишати одну модель закритою, а іншу робити безкоштовною? І якщо відкриті моделі можна завантажити безкоштовно, які умови до них додаються? Як їхні розробники конкурують фінансово із закритими лабораторіями?
Наш 99-сторінковий аналіз Deep Dive досліджує економічні основи цих рішень і те, як вони можуть вплинути на те, хто отримає прибуток від ШІ та які компанії зможуть зберегти цінову політику, коли використання ШІ ставатиме дедалі дешевшим.
Повний звіт також включає:
- Чи зможуть лабораторії-лідери підтримувати витрати на утримання лідерства, поки китайські конкуренти знижують ціни.
- П’ять факторів, за якими конкурують моделі, та компроміси, необхідні для кожного з них.
- Три місця, де може працювати модель, і як галузь розподіляє ресурси між ними.
- Кейс-стаді, що демонструє до 12-разового підвищення ефективності інженерної роботи та понад 20-разове скорочення витрат.
- Чому NVIDIA та Samsung інвестують у відкриті ваги та звідки можуть надходити прибутки.
Сподіваюся, вам буде цікаво читати, і напишіть мені, що ви думаєте, у нашій групі:
