ਸੈਮੀਕੰਡਕਟਰ ਰਿਸਰਚ ਫਰਮ SemiAnalysis ਦੁਆਰਾ ਇੱਕ ਨਵੇਂ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਅਨੁਸਾਰ, ਓਪਨ-ਵੇਟ AI ਮਾਡਲ ਬੰਦ ਸਰਹੱਦੀ ਮਾਡਲਾਂ ਦੇ ਨਾਲ ਇੱਕ ਸ਼ਾਨਦਾਰ ਰਫ਼ਤਾਰ ਨਾਲ ਪਾੜੇ ਨੂੰ ਬੰਦ ਕਰ ਰਹੇ ਹਨ: ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਦੇ ਹਰੇਕ ਲਗਾਤਾਰ ਯੁੱਗ ਦੇ ਨਾਲ, ਓਪਨ ਮਾਡਲਾਂ ਨੂੰ ਉਸ ਯੁੱਗ ਦੇ ਪਹਿਲੇ ਬੰਦ ਮਾਡਲ ਤੱਕ ਪਹੁੰਚਣ ਵਿੱਚ ਅੱਧਾ ਸਮਾਂ ਲੱਗਦਾ ਹੈ।
ਅਧਿਐਨ, ਜਿਸਦਾ ਸਿਰਲੇਖ ਹੈ "ਕੀ ਓਪਨ ਮਾਡਲ ਕੈਚ ਅੱਪ ਹੋ ਰਹੇ ਹਨ?" ਅਤੇ ਈਵਾਨ ਕਲੌਟੀਅਰ, ਮੈਕਸ ਕਾਨ, ਜੌਰਡਨ ਨੈਨੋਸ ਅਤੇ ਡਾਇਲਨ ਪਟੇਲ ਦੁਆਰਾ 21 ਅਗਸਤ ਨੂੰ ਪ੍ਰਕਾਸ਼ਿਤ, ਪੂਰੇ AI ਉਦਯੋਗ ਉੱਤੇ ਲਟਕਦੇ ਇੱਕ ਸਵਾਲ ਨੂੰ ਮਾਪਣ ਲਈ ਅਜੇ ਤੱਕ ਸਭ ਤੋਂ ਯੋਜਨਾਬੱਧ ਕੋਸ਼ਿਸ਼ਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ: ਜੇਕਰ ਖੁੱਲੇ ਮਾਡਲ ਲਾਗਤ ਦੇ ਇੱਕ ਹਿੱਸੇ ਵਿੱਚ ਬੰਦ ਸਰਹੱਦ ਦੇ ਬਰਾਬਰ ਹੀ ਸਮਰੱਥ ਰਹਿੰਦੇ ਹਨ, ਤਾਂ ਕੀ ਫਰੰਟੀਅਰ ਲੈਬਾਂ ਕੋਲ ਇੱਕ ਟਿਕਾਊ ਕਾਰੋਬਾਰ ਹੈ? ਇਸ ਸ਼ਿਫਟ ਨੂੰ ਚਲਾਉਣ ਵਾਲੇ ਮਾਡਲ ਰੀਲੀਜ਼ਾਂ ਦੀ ਡੂੰਘੀ ਕਵਰੇਜ ਲਈ, AI Buzz Wire ਦੀ ਪਾਲਣਾ ਕਰੋ।
ਫਰੰਟੀਅਰ ਏਆਈ ਦੇ ਤਿੰਨ ਦੌਰ
ਲੇਖਕ ਦਲੀਲ ਦਿੰਦੇ ਹਨ ਕਿ ਐਲਐਲਐਮ ਦਾ ਇਤਿਹਾਸ ਤਿੰਨ ਵੱਖ-ਵੱਖ ਯੁੱਗਾਂ ਵਿੱਚ ਆਉਂਦਾ ਹੈ - ਸ਼ੁਰੂਆਤੀ ਸਕੇਲਿੰਗ, ਤਰਕ ਅਤੇ ਏਜੰਟ - ਹਰ ਇੱਕ ਕਦਮ-ਫੰਕਸ਼ਨ ਵਾਧੇ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜੋ ਮਾਡਲ ਉਪਯੋਗੀ ਢੰਗ ਨਾਲ ਕਰ ਸਕਦੇ ਹਨ।
ਉਹਨਾਂ ਦਾ ਮੁੱਖ ਵਿਧੀਗਤ ਬਿੰਦੂ ਇਹ ਹੈ ਕਿ ਇੱਕ ਸਿੰਗਲ ਬੈਂਚਮਾਰਕ ਨਾਲ ਯੁੱਗਾਂ ਦੇ ਮਾਡਲਾਂ ਦੀ ਤੁਲਨਾ ਕਰਨਾ ਇੱਕ ਗਲਤੀ ਹੈ। ਹਰ ਬੈਂਚਮਾਰਕ ਇਸਦੇ ਯੁੱਗ ਦਾ ਇੱਕ ਉਤਪਾਦ ਹੈ: ਇਹ ਉਸ ਸਮੇਂ ਮੌਜੂਦ ਸਮਰੱਥਾ ਦੇ ਅੰਤਰਾਂ ਨੂੰ ਸਮਝਣ ਲਈ ਬਣਾਇਆ ਗਿਆ ਹੈ, ਫਿਰ ਮਾਡਲ ਨਿਰਮਾਤਾਵਾਂ ਦੁਆਰਾ ਉਦੋਂ ਤੱਕ ਚੜ੍ਹਿਆ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਤੱਕ ਇਹ ਸੰਤ੍ਰਿਪਤ ਨਹੀਂ ਹੁੰਦਾ, ਜਿਸ ਸਮੇਂ ਉਦਯੋਗ ਦੇਖਭਾਲ ਕਰਨਾ ਬੰਦ ਕਰ ਦਿੰਦਾ ਹੈ ਅਤੇ ਅੱਗੇ ਵਧਦਾ ਹੈ। ਇਸ ਦੀ ਬਜਾਏ, ਅਰਧ-ਵਿਸ਼ਲੇਸ਼ਣ ਟੀਮ ਨੇ ਇੱਕ ਸੰਯੁਕਤ ਸਮਰੱਥਾ ਸਕੋਰ ਪੈਦਾ ਕਰਨ ਲਈ ਹਰੇਕ ਯੁੱਗ ਦੇ ਮਾਡਲਾਂ ਲਈ ਚੁਣੇ ਹੋਏ ਬੈਂਚਮਾਰਕ ਸੈੱਟ ਚਲਾਏ।
ਇਸ ਤਰੀਕੇ ਨਾਲ ਦੇਖਿਆ ਗਿਆ, ਖੁੱਲਾ-ਬਨਾਮ-ਬੰਦ ਪਾੜਾ ਚੱਕਰਾਂ ਵਿੱਚ ਚਲਦਾ ਹੈ। ਹਰੇਕ ਯੁੱਗ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ, ਇੱਕ ਫਰੰਟੀਅਰ ਲੈਬ ਸ਼ਾਨਦਾਰ ਖੋਜ ਨੂੰ ਪੂਰਾ ਕਰਦੀ ਹੈ, ਇੱਕ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦਿੰਦੀ ਹੈ, ਅਤੇ ਅੱਗੇ ਵਧਦੀ ਹੈ। ਹੋਰ ਪ੍ਰਯੋਗਸ਼ਾਲਾਵਾਂ ਫਿਰ ਮੁੱਖ ਤਰੱਕੀਆਂ ਦੀ ਪਛਾਣ ਕਰਦੀਆਂ ਹਨ, ਉਹਨਾਂ ਨੂੰ ਉਲਟਾ-ਇੰਜੀਨੀਅਰ ਕਰਦੀਆਂ ਹਨ, ਅਤੇ ਪਾੜੇ ਨੂੰ ਬੰਦ ਕਰਦੀਆਂ ਹਨ। "ਕੁਝ ਵੀ ਹਮੇਸ਼ਾ ਲਈ ਗੁਪਤ ਨਹੀਂ ਰਹਿੰਦਾ - ਖਾਸ ਕਰਕੇ ਜਦੋਂ ਤੁਸੀਂ ਡਿਸਟਿਲੇਸ਼ਨ ਵਿੱਚ ਕਾਰਕ ਕਰਦੇ ਹੋ," ਲੇਖਕ ਲਿਖਦੇ ਹਨ। "ਇਹ ਸਿਰਫ ਇੱਕ ਸਵਾਲ ਹੈ ਕਿ ਇਹ ਕਿੰਨਾ ਸਮਾਂ ਲੈਂਦਾ ਹੈ."
ਉਸ ਸਵਾਲ ਦੇ ਉਹਨਾਂ ਦੇ ਮਾਪ ਨੇ ਅਧਿਐਨ ਦੀ ਸਿਰਲੇਖ ਖੋਜ ਪੈਦਾ ਕੀਤੀ: ਹਰੇਕ ਪੀੜ੍ਹੀ ਦੇ ਨਾਲ, ਓਪਨ-ਸੋਰਸ ਮਾਡਲਾਂ ਨੂੰ ਯੁੱਗ ਦੇ ਪਹਿਲੇ ਬੰਦ-ਸਰੋਤ ਮਾਡਲ ਨੂੰ ਫੜਨ ਲਈ ਅੱਧਾ ਸਮਾਂ ਲੱਗਦਾ ਹੈ।
ਇਹ ਚੱਕਰ ਵੱਖਰਾ ਕਿਉਂ ਲੱਗਦਾ ਹੈ
ਰਿਪੋਰਟ ਪਿਛਲੇ ਓਪਨ-ਮਾਡਲ ਪਲਾਂ ਅਤੇ ਮੌਜੂਦਾ ਪਲਾਂ ਵਿੱਚ ਅੰਤਰ ਬਾਰੇ ਸਪੱਸ਼ਟ ਹੈ। ਜਨਵਰੀ 2025 ਦੇ "ਡੀਪਸੀਕ ਪਲ" ਨੇ ਸੁਰਖੀਆਂ ਬਣਾਈਆਂ, ਪਰ "ਕਿਸੇ ਨੇ ਵੀ ਅਸਲ ਵਿੱਚ ਆਰਥਿਕ ਤੌਰ 'ਤੇ ਕੀਮਤੀ ਕੰਮ ਕਰਨ ਲਈ R1 ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕੀਤੀ," ਲੇਖਕ ਨੋਟ ਕਰਦੇ ਹਨ।
ਇਸਦੇ ਉਲਟ, ਉਹ GLM 5.3 ਅਤੇ Kimi K3 ਵਰਗੇ ਮਾਡਲਾਂ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੇ ਹਨ ਜਿਵੇਂ ਕਿ "ਸੱਚਮੁੱਚ ਉਹੀ ਕੋਡਿੰਗ ਅਤੇ ਏਜੰਟਿਕ ਕਾਰਜਾਂ ਦੇ ਬਹੁਤ ਸਾਰੇ ਸਮਰੱਥ ਹਨ ਜਿਨ੍ਹਾਂ ਨੇ ਐਂਥਰੋਪਿਕ ਨੂੰ $65B+ ARR ਤੱਕ ਰੋਕਿਆ" - ਮਾਲੀਆ ਟ੍ਰੈਜੈਕਟਰੀ ਦਾ ਹਵਾਲਾ ਜੋ ਕੋਡਿੰਗ ਅਤੇ ਏਜੰਟਿਕ ਵਰਕਲੋਡ ਨੇ ਕਲਾਉਡ ਨਿਰਮਾਤਾ ਲਈ ਚਲਾਇਆ ਹੈ। ਇਹ ਦਾਅਵਾ ਖਾਸ ਭਾਰ ਰੱਖਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਖੁੱਲ੍ਹੇ ਮਾਡਲ ਸਿਰਫ਼ ਡੈਮੋ-ਵੇਅਰ ਨਹੀਂ ਹਨ; ਉਹਨਾਂ ਨੂੰ ਉਸੇ ਕਾਰਜਾਂ ਲਈ ਉਤਪਾਦਨ ਵਿੱਚ ਤਾਇਨਾਤ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ ਜੋ ਬੰਦ ਲੈਬਾਂ ਲਈ ਅਸਲ ਮਾਲੀਆ ਪੈਦਾ ਕਰਦੇ ਹਨ।
ਵਰਤੋਂ ਨੰਬਰ ਸ਼ਿਫਟ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਦੇ ਹਨ। ਫਾਇਰਵਰਕਸ, ਇੱਕ ਅਨੁਮਾਨ ਪ੍ਰਦਾਤਾ ਜੋ ਬਹੁਤ ਸਾਰੇ ਓਪਨ ਮਾਡਲਾਂ ਦੀ ਸੇਵਾ ਕਰਦਾ ਹੈ, ਹੁਣ ਪ੍ਰਤੀ ਦਿਨ 40 ਟ੍ਰਿਲੀਅਨ ਟੋਕਨਾਂ ਤੋਂ ਵੱਧ ਪ੍ਰੋਸੈਸ ਕਰ ਰਿਹਾ ਹੈ - ਸੈਮੀਐਨਾਲਿਸਿਸ ਦੇ ਅਨੁਸਾਰ, ਮਾਰਚ ਦੇ ਅੰਤ ਵਿੱਚ ਓਪਨਏਆਈ ਦੇ API ਦੀ ਮਾਤਰਾ ਤੋਂ ਦੁੱਗਣਾ ਹੈ। ਇਹ, ਜਿਵੇਂ ਕਿ ਰਿਪੋਰਟ ਇਹ ਦੱਸਦੀ ਹੈ, "ਟੋਕਨ ਖਪਤਕਾਰ ਬਣਨ ਦਾ ਇੱਕ ਦਿਲਚਸਪ ਸਮਾਂ" ਹੈ, ਟੋਕਨਾਂ ਦੀ ਲੜਾਈ ਹੁਣ ਓਪਨਏਆਈ-ਐਨਥ੍ਰੋਪਿਕ ਡੂਪੋਲੀ ਤੋਂ ਵੀ ਅੱਗੇ ਵਧ ਰਹੀ ਹੈ।
ਵਸਤੂਕਰਨ ਦਾ ਸਵਾਲ
ਅਧਿਐਨ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਡਰ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਦਾ ਹੈ - ਜਿਸ ਨੂੰ ਇਹ ਕੁਝ ਕੋਨਿਆਂ ਤੋਂ FUD ਦਾ ਲੇਬਲ ਦਿੰਦਾ ਹੈ - ਕਿ ਸਮਰੱਥ, ਸਸਤੇ ਖੁੱਲ੍ਹੇ ਮਾਡਲ ਮਾਡਲ ਪਰਤ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਾਲ ਕਮੋਡੀਟਾਈਜ਼ ਕਰਨਗੇ, ਅਜਿਹਾ ਨਤੀਜਾ ਜੋ ਕਿ ਫਰੰਟੀਅਰ ਲੈਬ ਹਾਸ਼ੀਏ ਲਈ ਵਿਨਾਸ਼ਕਾਰੀ ਹੋਵੇਗਾ।
ਵਿਸ਼ਲੇਸ਼ਣ ਦਾ ਜਨਤਕ ਹਿੱਸਾ ਓਪਨਏਆਈ ਅਤੇ ਐਂਥਰੋਪਿਕ ਦੇ ਵਿੱਤੀ ਦੇ ਵਿਸਤ੍ਰਿਤ ਇਲਾਜ ਲਈ ਫਰਮ ਦੇ ਭੁਗਤਾਨ ਕੀਤੇ ਟੋਕਨੌਮਿਕਸ ਮਾਡਲ ਵੱਲ ਪਾਠਕਾਂ ਨੂੰ ਇਸ਼ਾਰਾ ਕਰਦੇ ਹੋਏ, ਇੱਕ ਪੂਰੇ ਜਵਾਬ ਦੀ ਘਾਟ ਨੂੰ ਰੋਕਦਾ ਹੈ। ਪਰ ਯਾਤਰਾ ਦੀ ਦਿਸ਼ਾ ਸਪੱਸ਼ਟ ਹੈ: ਜੇਕਰ ਹਰੇਕ ਯੁੱਗ ਦੇ ਖੁੱਲੇ ਮਾਡਲ ਪਿਛਲੇ ਯੁੱਗ ਦੇ ਅੱਧੇ ਸਮੇਂ ਵਿੱਚ ਆਉਂਦੇ ਹਨ, ਤਾਂ ਵਿੰਡੋ ਜਿਸ ਵਿੱਚ ਬੰਦ ਪ੍ਰਯੋਗਸ਼ਾਲਾਵਾਂ ਸਰਹੱਦੀ ਸਮਰੱਥਾ ਲਈ ਪ੍ਰੀਮੀਅਮ ਕੀਮਤਾਂ ਵਸੂਲ ਸਕਦੀਆਂ ਹਨ, ਸੁੰਗੜਦੀ ਰਹਿੰਦੀ ਹੈ।
ਲੇਖਕ ਸਰਹੱਦੀ ਖੋਜ ਲਈ ਮੌਤ ਦੀ ਸਜ਼ਾ ਵਜੋਂ ਰੁਝਾਨ ਨੂੰ ਪੜ੍ਹਨ ਤੋਂ ਵੀ ਸਾਵਧਾਨ ਕਰਦੇ ਹਨ। ਬੈਂਚਮਾਰਕ, ਉਹ ਲਿਖਦੇ ਹਨ, "ਪੂਰੀ ਕਹਾਣੀ ਨਾ ਦੱਸੋ," ਅਤੇ ਰਿਪੋਰਟ ਦੇ ਸਿੱਟਿਆਂ ਨੂੰ ਸਰਹੱਦੀ ਮਾਡਲਾਂ 'ਤੇ "ਘੱਟ ਬੇਰਿਸ਼" ਵਜੋਂ ਦਰਸਾਇਆ ਗਿਆ ਹੈ ਜਿੰਨਾ ਕਿ ਪਾਠਕ ਸ਼ੁਰੂ ਵਿੱਚ ਸੋਚ ਸਕਦੇ ਹਨ - ਕੁਝ ਹੱਦ ਤੱਕ ਕਿਉਂਕਿ ਕੱਚਾ ਬੈਂਚਮਾਰਕ ਸਮਾਨਤਾ ਭਰੋਸੇਯੋਗਤਾ, ਉਤਪਾਦ ਏਕੀਕਰਣ, ਐਂਟਰਪ੍ਰਾਈਜ਼ ਵੰਡ, ਜਾਂ ਪੈਮਾਨੇ 'ਤੇ ਮਾਡਲਾਂ ਦੀ ਸੇਵਾ ਕਰਨ ਲਈ ਲੋੜੀਂਦੀ ਪੂੰਜੀ ਵਿੱਚ ਸਮਾਨਤਾ ਦੇ ਸਮਾਨ ਨਹੀਂ ਹੈ।
ਇਹ ਮਾਇਨੇ ਕਿਉਂ ਰੱਖਦਾ ਹੈ
ਖਰੀਦਦਾਰਾਂ ਲਈ, ਖੋਜਾਂ ਇੱਕ ਰਣਨੀਤੀ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਦੀਆਂ ਹਨ ਜੋ ਬਹੁਤ ਸਾਰੇ ਉਦਯੋਗਾਂ ਨੇ ਪਹਿਲਾਂ ਹੀ ਅਪਣਾ ਲਈਆਂ ਹਨ: ਸਭ ਤੋਂ ਔਖੇ ਕੰਮਾਂ ਲਈ ਪ੍ਰੀਮੀਅਮ ਬੰਦ ਮਾਡਲਾਂ ਨੂੰ ਰਿਜ਼ਰਵ ਕਰਦੇ ਹੋਏ ਟੋਕਨ ਵਾਲੀਅਮ ਦੇ ਵੱਡੇ ਹਿੱਸੇ ਲਈ ਖੋਲ੍ਹਣ ਜਾਂ ਸਸਤੇ ਮਾਡਲਾਂ ਲਈ ਡਿਫਾਲਟ ਕਰਨਾ। ਪ੍ਰਯੋਗਸ਼ਾਲਾਵਾਂ ਲਈ, ਇਹ ਉਹਨਾਂ ਨੂੰ ਦੋ ਮੋਰਚਿਆਂ 'ਤੇ ਸਾਹਮਣਾ ਕਰਨ ਵਾਲੇ ਨਿਚੋੜ ਨੂੰ ਮਾਪਦਾ ਹੈ - ਹੇਠਾਂ ਖੁੱਲ੍ਹੇ ਮਾਡਲ, ਅਤੇ ਉੱਪਰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਗਣਨਾ ਲਾਗਤਾਂ।
ਅਤੇ ਓਪਨ-ਸਰੋਤ ਈਕੋਸਿਸਟਮ ਲਈ, ਸੈਮੀ-ਵਿਸ਼ਲੇਸ਼ਣ ਡੇਟਾ ਕੁਝ ਅਜਿਹਾ ਪੇਸ਼ ਕਰਦਾ ਹੈ ਜੋ ਅਕਸਰ ਘੱਟ ਸਪਲਾਈ ਵਿੱਚ ਹੁੰਦਾ ਹੈ: ਸਬੂਤ, ਵਿਚਾਰਧਾਰਾ ਦੀ ਬਜਾਏ, ਕਿ ਇਹ ਪਾੜਾ ਇੱਕ ਅਨੁਮਾਨਤ ਅਨੁਸੂਚੀ 'ਤੇ ਬੰਦ ਹੋ ਰਿਹਾ ਹੈ। ਜੇਕਰ ਅੱਧੇ ਸਮੇਂ ਦਾ ਪੈਟਰਨ ਫਰੰਟੀਅਰ ਏਆਈ ਦੇ ਅਗਲੇ ਯੁੱਗ ਵਿੱਚ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਉਦਯੋਗ ਦਾ ਸਭ ਤੋਂ ਕੀਮਤੀ ਸਵਾਲ ਇਹ ਨਹੀਂ ਬਣ ਜਾਂਦਾ ਹੈ ਕਿ ਕੀ ਓਪਨ ਮਾਡਲ ਫੜਦੇ ਹਨ, ਪਰ ਉਹਨਾਂ ਦੇ ਕਰਨ ਤੋਂ ਬਾਅਦ ਕੀ ਸੁਰੱਖਿਅਤ ਰਹਿੰਦਾ ਹੈ।
ਓਪਨ-ਵੇਟ ਏਆਈ ਰੇਸ ਨੂੰ ਟ੍ਰੈਕ ਕਰੋ ਹੋਰ AI ਖਬਰਾਂ ਪੜ੍ਹੋ →
