Watengenezaji wa AI wa China DeepSeek na Moonshot AI walitegemea sana matokeo kutoka kwa muundo wa OpenAI wa GPT-6 Astra kutoa mafunzo kwa mifumo yao ya hivi punde, kulingana na ripoti kutoka The Information iliyochapishwa Jumatano na kubebwa na Reuters. Ripoti hiyo inataja watu walio na ufahamu wa moja kwa moja wa jambo hilo, na inasisitiza kwamba madai ya matumizi ya matokeo ya Astra hayajaanzishwa kwa kujitegemea.
Ikiwa ni sahihi, madai hayo yangeweka OpenAI katikati ya mzozo sawa wa kunereka ambao tayari umenasa mpinzani wake mkuu. Kwa wasomaji wanaofuatilia habari za AI kuhusu ushindani wa kielelezo na mazoezi ya mafunzo, hadithi hutukia miezi mitatu tu baada ya Anthropic kuzishutumu hadharani maabara hizo mbili za Kichina - pamoja na Alibaba - kwa kutengeza miundo yake ya Claude.
Ni mifano gani inayohusishwa?
Taarifa ya Taarifa inataja mifumo miwili maalum. Kimi K3.1 Pro ya Moonshot AI, iliyotolewa wiki iliyopita, na DeepSeek iliyosasishwa ya V4.1-Flash 1017, iliyozinduliwa Oktoba 17, inasemekana kufaidika kutokana na kunereka kwa kutumia modeli ya mipaka ya OpenAI. Si DeepSeek au Moonshot imethibitisha mazoezi hayo, na ripoti yenyewe inatahadharisha kuwa matumizi ya matokeo ya Astra hayajaanzishwa kwa kujitegemea.
Kunyunyizia, katika matumizi ya tasnia, kunamaanisha kufundisha modeli moja juu ya matokeo ya yenye uwezo zaidi ili mwanafunzi ajifunze kutoa majibu ya mwalimu. Badala ya kulipia kila uwezo kupitia mafunzo ya kujitegemea, maabara inaweza kuuliza mfumo unaoongoza na kutumia majibu yake kama mawimbi ya ubora wa juu - ya bei nafuu, ya haraka, na inayozidi kuwa msingi wa jinsi miundo shindani inavyoundwa.
Mtindo wa mashtaka — na utetezi mpya
Ripoti hiyo inafika katikati ya mwaka wa madai yanayoongezeka juu ya uchimbaji wa mfano. Mnamo Septemba, serikali ya Merika ilisema kulikuwa na kampeni kubwa ya kunereka na kampuni za Kichina dhidi ya kampuni za AI za Amerika - taarifa Maelezo ya Habari ni tofauti na ripoti yake mpya juu ya GPT-6 Astra haswa. Mashtaka ya Anthropic ya Agosti kwamba Alibaba, DeepSeek, na Moonshot walikuwa wamechanganua wanamitindo wa Claude yaliweka kiolezo cha pambano la sasa.
Ulinzi pia ni ngumu. Mapema mwezi huu, Anthropic alisema hatua mpya iliyoundwa kuzuia wapinzani kuiga uwezo wa Claude zimepunguza data iliyovunwa kupitia kile kinachoitwa mashambulizi ya kunereka kwa takriban asilimia 90 hadi 99. Kielelezo kinapendekeza kuwa ufuatiliaji wa mifumo ya hoja, kuzuia ufikiaji, na shughuli za kutiliwa shaka za kupunguza viwango zinaweza kuongeza gharama ya uchimbaji - ingawa ulinzi hufanya kazi tu hadi wavamizi wajirekebishe.
OpenAI haijasema ikiwa iligundua mifumo sawia dhidi ya GPT-6 Astra au kama inapanga mabadiliko ya sera kujibu ripoti. Masharti ya huduma ya kampuni, kama yale ya wapinzani wake, yanazuia kutumia matokeo kutoa mafunzo kwa miundo shindani.
Ni nini kunereka unaweza na hauwezi kufanya
Ukweli wa kiufundi ni mbaya zaidi kuliko vichwa vya habari vinavyopendekeza. Matokeo yanaweza kutoa ishara muhimu za mafunzo, lakini hazihamishi usanifu wa mfano, data yake ya mafunzo, vigezo vyake vya ndani, au kila moja ya uwezo wake. Ufanisi wa kunereka hutegemea ubora na utofauti wa mifano iliyovunwa na mchakato wa mafunzo unaojumuisha. Muundo wa kuyeyushwa unaweza kuendana na mwalimu kwenye vigezo vinavyofanana na data iliyovunwa huku ukisalia kuwa dhaifu mahali pengine.
Nuance hiyo inapunguza njia zote mbili. Inamaanisha kuwa kampeni iliyoripotiwa ya kunereka haionyeshi ni kiasi gani cha utendaji wa modeli pinzani kinatokana na uchimbaji, ikiwa sheria na masharti yalikiukwa, au kama uwezo uliopatikana ungejitokeza. Lakini pia inamaanisha kuwa uvunaji wa kiwango kikubwa unaweza kumpa mshindani njia ya haraka kwa uwezo mahususi - haswa kuweka misimbo na hoja, ambapo pengo kati ya mifano ya mipakani na inayofuata haraka imepungua mwaka mzima.
Usawa mgumu kwa tasnia
Hakuna upande wowote wa mzozo huu unaona mazoezi kama rahisi. Uchemshaji yenyewe sio sawa - watengenezaji wa AI hutumia mbinu za kuhamisha maarifa kati ya mifano yao wenyewe - na ufikiaji mpana wa mifumo inayoongoza ndio huruhusu wanaoanzisha, watafiti, na biashara kuunda bidhaa hata kidogo. Mvutano hutokea kwa kiwango: ufikiaji usio na kikomo hurahisisha zaidi kwa mtu mwingine kukusanya mkusanyiko mkubwa wa data wa matokeo kwa madhumuni ambayo mtoa huduma hajaidhinisha kamwe.
Ulinzi ambao watoa huduma huweka katika kukabiliana hubeba gharama zao wenyewe. Kufuatilia mifumo ya hoja isiyo ya kawaida, kuzuia ufikiaji wa uwezo fulani, kuweka vikomo vya matumizi, na kuchunguza mkusanyiko wa wingi wote huongeza bei ya uchimbaji - lakini pia husababisha msuguano wa kiutendaji kwa wasanidi programu halali na biashara zinazotegemea ufikiaji thabiti wa API. Sekta hii, kwa kweli, inajadili ambapo uundaji wa muundo halali unaisha na uchimbaji usioidhinishwa huanza, mabadiliko ya sera moja kwa wakati mmoja.
Uchumi nyuma ya mapambano
Sababu ya utunzaji wa maabara ni hesabu. Kufunza muundo wa mipaka kunagharimu mabilioni ya dola katika kukokotoa na utafiti. Ikiwa mshindani anaweza kuzalisha tena uwezo muhimu kwa kuuliza kwa utaratibu muundo uliopo kwa bei za API, faida ya kifedha ya kujenga mfumo wa mipaka hupungua - na motisha ya kuendelea kuujenga hupungua nayo. Mantiki hiyo inaeleza ni kwa nini maabara za Marekani zimetumia mwaka wa 2026 kuimarisha ulinzi wao, na kwa nini kila shtaka jipya huwa dogo kama porojo kuliko kama sehemu ya data katika vita vya kiuchumi vinavyosubiri.
Kwa watengenezaji wa Kichina, calculus ni tofauti. Ufikiaji wa chips za hali ya juu zaidi umezuiwa, na kunereka kunatoa njia ya utendakazi wa ushindani bila kulinganisha bajeti za kokotoo. Ripoti ya Habari inapendekeza kuwa njia ilipitia alama ya OpenAI yenyewe - mashtaka sawa, yaliyolenga shabaha tofauti.
---
Kaa Mbele ya AIPata habari za hivi punde za AI, uchanganuzi na mafanikio - yote katika sehemu moja.
Soma habari zaidi za AI →
