सेमीकंडक्टर रिसर्च फर्म सेमीएनालिसिस के एक नए विश्लेषण के अनुसार, ओपन-वेट एआई मॉडल बंद फ्रंटियर मॉडल के साथ अंतर को तेजी से कम कर रहे हैं: बड़े भाषा मॉडल के प्रत्येक क्रमिक युग के साथ, ओपन मॉडल को उस युग के पहले बंद मॉडल तक पहुंचने में आधा समय लगता है।
अध्ययन, जिसका शीर्षक है "क्या ओपन मॉडल बढ़ रहे हैं?" और 21 अगस्त को इवान क्लॉटियर, मैक्स कान, जॉर्डन नैनोस और डायलन पटेल द्वारा प्रकाशित, पूरे एआई उद्योग पर लटके एक प्रश्न को मापने के लिए अब तक के सबसे व्यवस्थित प्रयासों में से एक है: यदि खुले मॉडल लागत के एक अंश पर बंद सीमा के समान ही सक्षम रहते हैं, तो क्या सीमांत प्रयोगशालाओं के पास एक टिकाऊ व्यवसाय है? इस बदलाव को आगे बढ़ाने वाले मॉडल रिलीज़ की गहन कवरेज के लिए, [एआई बज़ वायर] (https://aibuzzwire.news) का अनुसरण करें।
फ्रंटियर एआई के तीन युग
लेखकों का तर्क है कि एलएलएम का इतिहास तीन अलग-अलग युगों में आता है - प्रारंभिक स्केलिंग, तर्क, और एजेंटिक - प्रत्येक मॉडल उपयोगी रूप से क्या कर सकता है, इसमें चरण-कार्य वृद्धि का प्रतिनिधित्व करता है।
उनका मुख्य कार्यप्रणाली बिंदु यह है कि एक ही बेंचमार्क के साथ युगों के मॉडल की तुलना करना एक गलती है। प्रत्येक बेंचमार्क अपने युग का एक उत्पाद है: यह उस समय मौजूद क्षमता अंतर को समझने के लिए बनाया गया है, फिर मॉडल निर्माताओं द्वारा तब तक चढ़ाया जाता है जब तक कि यह संतृप्त न हो जाए, जिस बिंदु पर उद्योग परवाह करना बंद कर देता है और आगे बढ़ जाता है। इसके बजाय, सेमीएनालिसिस टीम ने समग्र क्षमता स्कोर तैयार करने के लिए प्रत्येक युग के मॉडल के लिए क्यूरेटेड बेंचमार्क सेट चलाए।
इस तरह से देखने पर, खुला बनाम बंद अंतर चक्रों में चलता है। प्रत्येक युग की शुरुआत में, एक सीमांत प्रयोगशाला आशाजनक अनुसंधान पूरा करती है, एक प्रभावशाली मॉडल को प्रशिक्षित करती है, और आगे बढ़ती है। फिर अन्य प्रयोगशालाएँ प्रमुख प्रगति की पहचान करती हैं, उन्हें रिवर्स-इंजीनियर करती हैं और अंतर को पाटती हैं। लेखक लिखते हैं, "कुछ भी हमेशा के लिए गुप्त नहीं रहता - खासकर जब आप आसवन को ध्यान में रखते हैं।" "यह सिर्फ एक सवाल है कि इसमें कितना समय लगता है।"
उस प्रश्न के उनके माप ने अध्ययन की मुख्य निष्कर्ष निकाला: प्रत्येक पीढ़ी के साथ, ओपन-सोर्स मॉडल को युग के पहले बंद-सोर्स मॉडल तक पहुंचने में आधा समय लगता है।
यह चक्र अलग क्यों लगता है
रिपोर्ट पिछले ओपन-मॉडल क्षणों और वर्तमान के बीच अंतर के बारे में स्पष्ट है। जनवरी 2025 का "डीपसीक मोमेंट" सुर्खियाँ बना, लेकिन "किसी ने भी वास्तव में किसी भी आर्थिक रूप से मूल्यवान कार्य को करने के लिए R1 का उपयोग नहीं किया," लेखकों ने नोट किया।
इसके विपरीत, वे GLM 5.3 और किमी K3 जैसे मॉडलों को "समान कोडिंग और एजेंटिक कार्यों में से कई के लिए वास्तविक रूप से सक्षम बताते हैं, जिन्होंने एंथ्रोपिक को $65B+ ARR तक पहुंचाया" - राजस्व प्रक्षेपवक्र का एक संदर्भ जो कोडिंग और एजेंटिक वर्कलोड ने क्लाउड निर्माता के लिए प्रेरित किया है। यह दावा विशेष महत्व रखता है क्योंकि ये खुले मॉडल सिर्फ डेमो-वेयर नहीं हैं; उन्हें उन्हीं कार्यों के लिए उत्पादन में तैनात किया जा रहा है जो बंद प्रयोगशालाओं के लिए वास्तविक राजस्व उत्पन्न करते हैं।
उपयोग संख्याएँ बदलाव को सुदृढ़ करती हैं। सेमीएनालिसिस के अनुसार, फायरवर्क्स, एक अनुमान प्रदाता जो कई खुले मॉडलों की सेवा करता है, अब प्रति दिन 40 ट्रिलियन से अधिक टोकन संसाधित कर रहा है - मार्च के अंत में ओपनएआई के एपीआई की मात्रा का दोगुना। जैसा कि रिपोर्ट में कहा गया है, यह "टोकन उपभोक्ता होने के लिए एक रोमांचक समय" है, टोकन के लिए लड़ाई अब ओपनएआई-एंथ्रोपिक एकाधिकार से कहीं आगे तक बढ़ रही है।
वस्तुकरण का प्रश्न
अध्ययन सीधे उस डर को संबोधित करता है - जिसे यह कुछ कोनों से एफयूडी लेबल करता है - कि सक्षम, सस्ते खुले मॉडल मॉडल परत को पूरी तरह से कमोडिटीज़ कर देंगे, एक परिणाम जो फ्रंटियर लैब मार्जिन के लिए विनाशकारी होगा।
विश्लेषण का सार्वजनिक भाग पूर्ण उत्तर के अभाव में रुक जाता है, जो पाठकों को ओपनएआई और एंथ्रोपिक की वित्तीय स्थिति के विस्तृत उपचार के लिए फर्म के भुगतान किए गए टोकनोमिक्स मॉडल की ओर इशारा करता है। लेकिन यात्रा की दिशा स्पष्ट है: यदि प्रत्येक युग के खुले मॉडल पिछले युग के आधे समय में आते हैं, तो वह खिड़की जिसमें बंद प्रयोगशालाएं सीमांत क्षमता के लिए प्रीमियम कीमतें वसूल सकती हैं, सिकुड़ती रहती हैं।
लेखक इस प्रवृत्ति को सीमांत अनुसंधान के लिए मौत की सजा के रूप में पढ़ने के प्रति भी आगाह करते हैं। बेंचमार्क, वे लिखते हैं, "पूरी कहानी न बताएं," और रिपोर्ट के निष्कर्षों को फ्रंटियर मॉडल पर "कम मंदी" के रूप में वर्णित किया गया है जितना पाठक शुरू में सोच सकते हैं - आंशिक रूप से क्योंकि कच्चे बेंचमार्क समता विश्वसनीयता, उत्पाद एकीकरण, उद्यम वितरण, या बड़े पैमाने पर मॉडल की सेवा के लिए आवश्यक पूंजी में समानता के समान नहीं है।
यह क्यों मायने रखती है
खरीदारों के लिए, निष्कर्ष उस रणनीति को मान्य करते हैं जिसे कई उद्यम पहले ही अपना चुके हैं: सबसे कठिन कार्यों के लिए प्रीमियम बंद मॉडल को आरक्षित करते हुए टोकन वॉल्यूम के बड़े हिस्से के लिए खुले या सस्ते मॉडल का चयन करना। प्रयोगशालाओं के लिए, यह दो मोर्चों पर उनके सामने आने वाले दबाव को मापता है - नीचे खुले मॉडल, और ऊपर भारी गणना लागत।
और ओपन-सोर्स पारिस्थितिकी तंत्र के लिए, सेमीएनालिसिस डेटा कुछ ऐसा प्रदान करता है जो अक्सर कम आपूर्ति में रहा है: विचारधारा के बजाय सबूत, कि अंतर एक पूर्वानुमानित समय पर बंद हो रहा है। यदि आधे समय का पैटर्न फ्रंटियर एआई के अगले युग में बना रहता है, तो उद्योग का सबसे मूल्यवान सवाल यह नहीं है कि खुले मॉडल पकड़ में आते हैं या नहीं, बल्कि ऐसा करने के बाद क्या बचाव योग्य रहता है।
ओपन-वेट एआई रेस को ट्रैक करें अधिक AI समाचार पढ़ें →
