Modelele open-weight AI reduc decalajul cu modelele de frontieră închisă într-un ritm izbitor: cu fiecare eră succesivă a modelelor de limbaj mari, modelelor deschise durează jumătate din timp pentru a ajunge la primul model închis al acelei epoci, potrivit unei noi analize realizate de firma de cercetare a semiconductorilor SemiAnalysis.

Studiul, intitulat „Modelele deschise ajung din urmă?” și publicată pe 21 august de Evan Cloutier, Max Kan, Jordan Nanos și Dylan Patel, este una dintre cele mai sistematice încercări de până acum de a cuantifica o întrebare care planează asupra întregii industrii AI: dacă modelele deschise rămân aproape la fel de capabile ca frontiera închisă la o fracțiune din cost, au laboratoarele de frontieră o afacere durabilă? Pentru o acoperire profundă a lansărilor de model care conduc această schimbare, urmați AI Buzz Wire.

Three Eras of Frontier AI

Autorii susțin că istoria LLM-urilor se încadrează în trei epoci distincte - scalare timpurie, raționament și agentic - fiecare reprezentând o creștere a funcției de pas a ceea ce modelele pot face în mod util.

Punctul lor metodologic de bază este că compararea modelelor din epoci cu un singur punct de referință este o greșeală. Fiecare etalon de referință este un produs al erei sale: este creat pentru a discerne diferențele de capacitate care există la momentul respectiv, apoi urcat de producătorii de modele până se saturează, moment în care industriei încetează să-i pese și merge mai departe. În schimb, echipa SemiAnalysis a rulat seturi de benchmarkuri pentru modelele fiecărei epoci pentru a produce un scor de capacitate compus.

Privit în acest fel, decalajul deschis versus închis se mișcă în cicluri. La începutul fiecărei ere, un laborator de frontieră finalizează cercetări promițătoare, antrenează un model impresionant și trece înainte. Alte laboratoare identifică apoi progresele cheie, le face inginerie inversă și închide decalajul. „Nimic nu rămâne secret pentru totdeauna – mai ales când luați în considerare distilare”, scriu autorii. „Este doar o întrebare de cât timp durează”.

Măsurarea lor a acestei întrebări a produs concluzia principală a studiului: cu fiecare generație, modelele open-source durează jumătate din timp pentru a ajunge la primul model cu sursă închisă al epocii.

De ce acest ciclu se simte diferit

Raportul este clar cu privire la diferența dintre momentele trecute de model deschis și cea actuală. „Momentul DeepSeek” din ianuarie 2025 a făcut titluri, dar „nimeni nu a folosit de fapt R1 pentru a face vreo lucrare valoroasă din punct de vedere economic”, notează autorii.

În schimb, ei indică modele precum GLM 5.3 și Kimi K3 ca fiind „cu adevărat capabile de multe dintre aceleași sarcini de codare și agenție care au ridicat Anthropic la 65 de miliarde de dolari + ARR” - o referire la traiectoria veniturilor pe care codificarea și volumul de lucru agentic au condus-o pentru producătorul Claude. Această afirmație are o greutate deosebită, deoarece aceste modele deschise nu sunt doar demo-ware; sunt desfășurați în producție pentru aceleași sarcini care generează venituri reale pentru laboratoarele închise.

Numerele de utilizare întăresc schimbarea. Fireworks, un furnizor de inferențe care deservește multe modele deschise, procesează acum peste 40 de trilioane de jetoane pe zi - de două ori volumul API-ului OpenAI la sfârșitul lunii martie, potrivit SemiAnalysis. Este, după cum spune raportul, „un moment interesant pentru a fi un consumator de jetoane”, bătălia pentru jetoane se extinde acum cu mult dincolo de duopolul OpenAI-Antropic.

Întrebarea comercializării

Studiul abordează direct teama – pe care o etichetează FUD din unele colțuri – că modelele deschise capabile și ieftine vor valorifica în întregime stratul de model, un rezultat care ar fi dezastruos pentru marjele laboratoarelor de frontieră.

Partea publică a analizei se oprește înainte de un răspuns complet, indicând cititorii către modelul Tokenomics plătit al companiei pentru un tratament detaliat al finanțelor OpenAI și Anthropic. Dar direcția de deplasare este clară: dacă modelele deschise ale fiecărei epoci ajung în jumătate din timpul epocii anterioare, fereastra în care laboratoarele închise pot percepe prețuri premium pentru capacitatea de frontieră continuă să se micșoreze.

Autorii avertizează, de asemenea, împotriva citirii tendinței ca pe o condamnare la moarte pentru cercetarea de frontieră. Benchmark-urile, scriu ei, „nu spun povestea completă”, iar concluziile raportului sunt descrise ca fiind „mai puțin ușoare” pe modelele de frontieră decât ar putea crede inițial cititorii – în parte pentru că paritatea de referință brută nu este același lucru cu paritatea în fiabilitate, integrarea produselor, distribuția întreprinderii sau capitalul necesar pentru a servi modelele la scară.

De ce contează

Pentru cumpărători, constatările validează o strategie pe care multe întreprinderi au adoptat-o ​​deja: adoptarea implicită a modelelor deschise sau mai ieftine pentru cea mai mare parte a volumului de tokenuri, rezervând în același timp modelele premium închise pentru cele mai grele sarcini. Pentru laboratoare, cuantifică presiunea cu care se confruntă pe două fronturi - modele deschise dedesubt și costuri enorme de calcul deasupra.

Iar pentru ecosistemul cu sursă deschisă, datele SemiAnalysis oferă ceva care a fost adesea insuficient: dovezi, mai degrabă decât ideologie, că decalajul se reduce într-un program previzibil. Dacă modelul de jumătate de timp se menține în următoarea eră a AI de frontieră, cea mai valoroasă întrebare a industriei nu devine dacă modelele deschise ajung din urmă, ci ce rămâne de apărat după ce o fac.

Urmăriți cursa Open-Weight AI Citiți mai multe știri AI →