Model AI Terbuka Menangkap Model Sempadan Tertutup dalam Separuh Masa, SemiAnalysis Finds

Model AI berwajaran terbuka menutup jurang dengan model sempadan tertutup pada kadar yang menarik: dengan setiap era berturut-turut model bahasa besar, model terbuka mengambil masa separuh lama untuk mengejar model tertutup pertama era itu, menurut analisis baharu oleh firma penyelidikan semikonduktor SemiAnalysis.

Kajian itu, bertajuk "Adakah Model Terbuka Mengejar?" dan diterbitkan pada 21 Ogos oleh Evan Cloutier, Max Kan, Jordan Nanos, dan Dylan Patel, adalah salah satu percubaan paling sistematik yang belum pernah dilakukan untuk mengukur soalan yang tergantung di seluruh industri AI: jika model terbuka kekal hampir sama berkemampuan seperti sempadan tertutup pada sebahagian kecil daripada kos, adakah makmal sempadan mempunyai perniagaan yang tahan lama? Untuk liputan mendalam tentang keluaran model yang memacu peralihan ini, ikuti AI Buzz Wire.

Tiga Era Frontier AI

Penulis berpendapat bahawa sejarah LLM jatuh ke dalam tiga era yang berbeza - penskalaan awal, penaakulan dan agenik - masing-masing mewakili peningkatan fungsi langkah dalam model yang boleh dilakukan secara berguna.

Titik metodologi teras mereka ialah membandingkan model merentas era dengan satu penanda aras adalah satu kesilapan. Setiap penanda aras adalah produk eranya: ia dicipta untuk membezakan perbezaan keupayaan yang wujud pada masa itu, kemudian dipanjat oleh pembuat model sehingga ia tepu, pada ketika itu industri berhenti mengambil berat dan meneruskan. Sebaliknya, pasukan SemiAnalysis menjalankan set penanda aras yang dipilih susun untuk setiap model era untuk menghasilkan skor keupayaan komposit.

Dilihat dengan cara ini, jurang terbuka lawan tertutup bergerak dalam kitaran. Pada permulaan setiap era, makmal sempadan melengkapkan penyelidikan yang menjanjikan, melatih model yang mengagumkan dan melompat ke hadapan. Makmal lain kemudiannya mengenal pasti kemajuan utama, merekayasa songsang mereka, dan merapatkan jurang. "Tiada apa-apa yang kekal rahsia selama-lamanya - terutamanya apabila anda mengambil kira penyulingan, " tulis penulis. "Ini hanya persoalan berapa lama masa yang diperlukan."

Pengukuran mereka terhadap soalan itu menghasilkan penemuan tajuk utama kajian: dengan setiap generasi, model sumber terbuka mengambil masa separuh lama untuk mengejar model sumber tertutup pertama pada era itu.

Mengapa Kitaran Ini Terasa Berbeza

Laporan itu jelas tentang perbezaan antara momen model terbuka yang lalu dan yang semasa. "Momen DeepSeek" pada Januari 2025 menjadi tajuk utama, tetapi "tiada siapa yang benar-benar menggunakan R1 untuk melakukan kerja yang bernilai ekonomi," kata penulis.

Sebaliknya, mereka menunjukkan model seperti GLM 5.3 dan Kimi K3 sebagai "benar-benar mampu melakukan banyak tugas pengekodan dan agen yang sama yang melonjakkan Anthropic kepada $65B+ ARR" — merujuk kepada trajektori hasil yang didorong oleh beban kerja pengekodan dan agen untuk pembuat Claude. Tuntutan itu membawa berat tertentu kerana model terbuka ini bukan hanya perisian demo; mereka sedang digunakan dalam pengeluaran untuk tugas yang sama yang menjana pendapatan sebenar untuk makmal tertutup.

Nombor penggunaan menguatkan peralihan. Fireworks, penyedia inferens yang menyediakan banyak model terbuka, kini memproses lebih daripada 40 trilion token setiap hari — dua kali ganda volum API OpenAI pada akhir Mac, menurut SemiAnalysis. Ia, seperti yang dinyatakan oleh laporan itu, "masa yang menarik untuk menjadi pengguna token," dengan pertempuran untuk token kini menjangkau jauh melebihi duopoli OpenAI–Anthropic.

Soalan Komoditi

Kajian itu secara langsung menangani ketakutan - yang ia melabelkan FUD dari beberapa sudut - bahawa model terbuka yang mampu dan murah akan mengkomoditi lapisan model sepenuhnya, hasil yang akan menjadi bencana untuk margin makmal sempadan.

Bahagian analisis awam berhenti daripada jawapan penuh, menunjukkan pembaca kepada Model Tokenomik berbayar firma itu untuk rawatan terperinci kewangan OpenAI dan Anthropic. Tetapi hala tuju perjalanan adalah jelas: jika model terbuka setiap era tiba pada separuh masa era sebelumnya, tetingkap di mana makmal tertutup boleh mengenakan harga premium untuk keupayaan sempadan terus mengecil.

Penulis juga berhati-hati terhadap membaca trend sebagai hukuman mati untuk penyelidikan sempadan. Penanda aras, mereka menulis, "jangan ceritakan kisah penuh," dan kesimpulan laporan itu digambarkan sebagai "kurang menurun" pada model sempadan daripada yang mungkin difikirkan oleh pembaca pada mulanya — sebahagiannya kerana pariti tanda aras mentah tidak sama dengan pariti dalam kebolehpercayaan, integrasi produk, pengedaran perusahaan atau modal yang diperlukan untuk menyediakan model pada skala.

Mengapa Ia Penting

Bagi pembeli, penemuan itu mengesahkan strategi yang telah digunakan oleh banyak perusahaan: lalai untuk membuka atau model yang lebih murah untuk sebahagian besar volum token sambil menempah model tertutup premium untuk tugas yang paling sukar. Untuk makmal, ia mengukur tekanan yang mereka hadapi pada dua bahagian — model terbuka di bawah, dan kos pengiraan yang besar di atas.

Dan untuk ekosistem sumber terbuka, data SemiAnalysis menawarkan sesuatu yang sering kekurangan: bukti, dan bukannya ideologi, bahawa jurang itu ditutup pada jadual yang boleh diramal. Jika corak separuh masa bertahan dalam era AI sempadan seterusnya, persoalan industri yang paling berharga bukanlah sama ada model terbuka mengejar, tetapi perkara yang masih boleh dipertahankan selepas mereka melakukannya.

Jejaki Perlumbaan AI Berat Terbuka Baca lebih banyak berita AI →