Modely umělé inteligence s otevřenou váhou uzavírají mezeru díky uzavřeným hraničním modelům pozoruhodným tempem: s každou další érou velkých jazykových modelů trvá otevřeným modelům o polovinu déle, než dohoní první uzavřený model té doby, podle nové analýzy společnosti SemiAnalysis pro výzkum polovodičů.

Studie s názvem "Dohánějí otevřené modely?" a publikoval 21. srpna Evan Cloutier, Max Kan, Jordan Nanos a Dylan Patel, je jedním z dosud nejsystematičtějších pokusů kvantifikovat otázku, která visí nad celým průmyslem umělé inteligence: pokud otevřené modely zůstanou téměř stejně schopné jako uzavřené hranice za zlomek nákladů, mají hraniční laboratoře trvalé podnikání? Chcete-li získat podrobné informace o modelových verzích, které řídí tuto změnu, sledujte [AI Buzz Wire] (https://aibuzzwire.news).

Tři éry Frontier AI

Autoři tvrdí, že historie LLM spadá do tří odlišných období – rané škálování, uvažování a agentní – z nichž každá představuje skokový nárůst toho, co modely mohou užitečně dělat.

Jejich hlavním metodologickým bodem je, že srovnávání modelů napříč érami s jediným benchmarkem je chyba. Každý benchmark je produktem své éry: je vytvořen, aby rozeznal rozdíly ve schopnostech, které v té době existovaly, a poté jej výrobci modelů šplhají, dokud se nenasytí. Místo toho tým SemiAnalysis spustil kurátorské sady benchmarků pro modely každé doby, aby vytvořil složené skóre schopností.

Z tohoto pohledu se mezera otevřená versus uzavřená pohybuje v cyklech. Na začátku každé éry dokončí hraniční laboratoř slibný výzkum, vycvičí působivý model a poskočí vpřed. Další laboratoře pak identifikují klíčové pokroky, převedou je zpětným inženýrstvím a zacelí mezeru. "Nic nezůstane navždy tajemstvím - zvláště když vezmete v úvahu destilaci," píší autoři. "Je jen otázka, jak dlouho to trvá."

Jejich měření této otázky přineslo hlavní zjištění studie: s každou generací trvá modelům s otevřeným zdrojovým kódem polovinu času, než dohoní první uzavřený model té doby.

Proč je tento cyklus jiný

Zpráva přímo popisuje rozdíl mezi minulými momenty otevřeného modelu a současným. „Moment DeepSeek“ z ledna 2025 se dostal do titulků, ale „nikdo ve skutečnosti nepoužíval R1 k žádné ekonomicky hodnotné práci,“ poznamenávají autoři.

Naproti tomu poukazují na modely jako GLM 5.3 a Kimi K3 jako na „skutečně schopné mnoha stejných kódovacích a agentních úkolů, které raketově vyšplhaly Anthropic na 65 miliard USD+ ARR“ – což je odkaz na trajektorii příjmů, kterou pro výrobce Claude vedly pracovní zátěže kódování a agentů. Toto tvrzení má zvláštní váhu, protože tyto otevřené modely nejsou jen demo-ware; jsou nasazovány do výroby pro stejné úkoly, které generují skutečné příjmy pro uzavřené laboratoře.

Čísla využití tento posun posilují. Fireworks, poskytovatel inferencí, který obsluhuje mnoho otevřených modelů, nyní zpracovává více než 40 bilionů tokenů denně – dvojnásobek objemu API OpenAI na konci března, podle SemiAnalysis. Jak se uvádí ve zprávě, je to „vzrušující čas být spotřebitelem tokenů“, přičemž boj o tokeny nyní přesahuje duopol OpenAI–Anthropic.

Otázka komoditizace

Studie se přímo zabývá obavou – kterou z některých koutů označuje jako FUD – že schopné, levné otevřené modely zcela zkomodifikují modelovou vrstvu, což je výsledek, který by byl katastrofální pro marže hraničních laboratoří.

Veřejná část analýzy se zastaví před úplnou odpovědí a odkazuje čtenářům na placený tokenomický model společnosti, kde je podrobně zpracováno finanční hospodaření OpenAI a Anthropic. Ale směr cesty je jasný: pokud otevřené modely každé éry dorazí za poloviční dobu než v předchozí éře, okno, ve kterém si uzavřené laboratoře mohou účtovat prémiové ceny za hraniční schopnosti, se stále zmenšuje.

Autoři také varují před čtením trendu jako rozsudku smrti pro hraniční výzkum. Benchmarky, jak píší, „nevyprávějí celý příběh“ a závěry zprávy jsou popisovány jako „méně medvědí“ na hraničních modelech, než by si čtenáři mohli zpočátku myslet – částečně proto, že hrubá srovnávací parita není stejná jako parita ve spolehlivosti, integraci produktů, podnikové distribuci nebo kapitálu potřebném k poskytování modelů ve velkém měřítku.

Proč na tom záleží

Pro kupující tato zjištění potvrzují strategii, kterou již mnoho podniků přijalo: výchozí nebo levnější modely pro většinu objemu tokenů a vyhrazení prémiových uzavřených modelů pro nejtěžší úkoly. Pro laboratoře kvantifikuje tlak, kterému čelí na dvou frontách – otevřené modely níže a enormní výpočetní náklady výše.

A pro ekosystém s otevřeným zdrojovým kódem nabízí data SemiAnalysis něco, čeho bylo často málo: spíše než ideologii důkaz, že se mezera zmenšuje podle předvídatelného plánu. Pokud se poločasový vzorec udrží i v další éře hraniční umělé inteligence, nejcennější otázkou v tomto odvětví není, zda otevřené modely dohoní, ale to, co zůstane obhajitelné poté, co tak učiní.

Track the Open-Weight AI Race Přečtěte si další zprávy o AI →