Otevřené modely AI dohánějí špičku a mění ekonomiku podnikové AI

Otevřené modely s dostupnými vahami (open-weight) už nejsou jen levnou volbou pro nenáročné úkoly. Nejlepší z nich se proprietárním modelům na hranici možností přiblížily natolik, že firmy mohou model vybírat podle typu práce, nákladů a požadavků na kontrolu — místo aby každý požadavek automaticky posílaly do nejvýkonnějšího placeného API.

Rozdíl v benchmarcích se zmenšuje, čísla ale nejsou neměnná

Podle zveřejněného zářijového snímku Artificial Analysis dosáhl Kimi K3 od Moonshot AI hodnoty 59,7, zatímco Claude Fable 5.1 od Anthropicu 65,7. Rozdíl tedy činil 6 bodů, proti uváděným 13 bodům o rok dříve. 3 Jde o výrazné zmenšení odstupu od špičky.

Tato čísla však není vhodné brát jako nadčasové a přímo srovnatelné za všech okolností. Aktuální srovnání Artificial Analysis používá metodiku v4.2 a uvádí pro Kimi K3 (max) hodnotu 50 a pro Claude Fable 5.1 hodnotu 56. 52 Stránka Kimi K3 zároveň vysvětluje, že v4.2 kombinuje deset hodnocení. To ukazuje, proč se výsledky mohou měnit se složením benchmarku, konfigurací modelu či metodikou skórování. 1

Trvalejší závěr je tedy hlavně směr vývoje: špičkový model s otevřenými vahami se dostal k nejlepším proprietárním alternativám podstatně blíž než dříve. Neznamená to ale stejný výkon v každé situaci. Souhrnný žebříček neprokáže shodu v přesnosti, bezpečnostním chování, práci s nástroji, odezvě, multimodálních úlohách ani ve vlastních firemních procesech.

Menší rozdíl mění nákupní rozhodnutí

Pro tým, který AI nasazuje do provozu, zpravidla není klíčová otázka „který model má nejvyšší skóre“. Důležitější je, který model doručí přijatelný výsledek pro daný úkol při nejnižších celkových nákladech a přijatelném riziku.

Pokud levnější model dosáhne potřebné úrovně u shrnování, extrakce dat, interního vyhledávání, běžné pomoci s kódem nebo klasifikace, může být těžké obhájit placení za absolutní špičku u každého dotazu. Náskok proprietárních systémů naopak může stát za příplatek u složitého uvažování, vysoce rizikových rozhodnutí, komplexních agentů či úloh, kde i malé zlepšení podstatně ovlivní tržby, bezpečnost nebo plnění regulatorních povinností.

Roli hraje i cena. Aktuální srovnání Artificial Analysis uvádí u Kimi K3 (max) 2,31 USD za milion tokenů a u Claude Fable 5.1 7,17 USD; proprietární model zároveň vede v aktuálním Intelligence Indexu i v rychlosti generování. 52 Cena tokenů sama o sobě není úplným vyjádřením nákladů, ale dobře ilustruje, proč se výběr modelu mění v provozní optimalizační úlohu.

AT&T: směrování úloh podle jejich náročnosti

Praktický příklad přechodu od jednoho univerzálního modelu k portfoliu nabízí AT&T. Firma uvedla, že otevřené modely tvořily v květnu 20 % jejího využití AI, později 40 % a v následujících měsících by se jejich podíl mohl dostat na 60 %. Současně uvedla úspory až 80 % nákladů na AI oproti začátku roku. 26

Dřívější zprávy uváděly, že AT&T chce otevřenými modely časem pokrýt 70 až 80 % celkového využití AI, zatímco proprietární systémy si ponechá jako součást kombinace. 17 Nejde o tvrzení, že otevřené modely jsou nejlepší ve všem. Jde o strategii směrování požadavků:

• rutinní a objemné úlohy posílat do levnějších modelů;
• prémiové modely použít tam, kde je jejich vyšší schopnost prokazatelně potřeba;
• kvalitu, rychlost i cenu hodnotit na úrovni konkrétního pracovního zatížení, nikoli podle jediného žebříčku.

Právě tento přístup může být důležitější než jednotlivý výsledek benchmarku. Jak se kvalita modelů sbližuje, roste hodnota vlastního testování, směrování požadavků, monitoringu a schopnosti změnit dodavatele bez narušení aplikací.

Otevřené váhy znamenají kontrolu, nikoli automaticky úsporu

Modely s otevřenými vahami mohou být atraktivní, protože je organizace mohou provozovat ve vlastním prostředí, upravovat pro konkrétní použití a snížit závislost na jediném poskytovateli API. „Otevřený“ ale automaticky neznamená soukromý, levný ani bezrizikový.

Při vlastním provozu přechází odpovědnost na uživatele. Seriózní nasazení musí zahrnout infrastrukturu, optimalizaci inference, práci vývojářů, záplatování, monitoring, řízení přístupů, licenční podmínky modelu i reakci na incidenty. Organizace pracující s citlivými informacemi by měly prověřit také původ modelu, bezpečnost softwarového dodavatelského řetězce, umístění dat, povinnosti vyplývající z exportních omezení a zabezpečení všech navazujících služeb.

Správné srovnání tedy nestaví cenu API proti nule. Mělo by měřit celkové náklady na úspěšně dokončený firemní úkol, včetně ceny chybných odpovědí, provozní odpovědnosti a nutných ochranných opatření.

Silná pozice čínských laboratoří přináší konkurenci i otázky správy rizik

Kimi K3 je model společnosti Moonshot AI a zprávy o nedávných žebříčcích upozorňují na silnou pozici čínských laboratoří v oblasti modelů s otevřenými vahami. 3 To rozšiřuje nabídku schopných modelů a zvyšuje konkurenční tlak na proprietární poskytovatele.

Pro firemní nákup ale země původu nemá být marketingovou zkratkou ani náhradou řádného prověření. Vhodný postup je jednotný audit dodavatele a modelu: ověřit licenční podmínky, dostupné váhy a závislosti, posoudit bezpečnostní postupy, otestovat výkon na interních datech a rozhodnout, zda architektura nasazení splňuje platné požadavky na ochranu soukromí a regulaci.

Akvizice Hugging Face ukazuje strategickou cenu infrastruktury

Nvidia se podle zpráv a následných firemních vyjádření dohodla na koupi Hugging Face zhruba za 12,9 miliardy USD. 3436 Hugging Face je významná platforma pro vyhledávání, sdílení a testování AI modelů a nástrojů. Transakce tak ukazuje, že distribuce modelů a vývojářské pracovní postupy se staly strategickou infrastrukturou, nejen doplňkovým ekosystémem pro výzkumníky.

Dohoda sama nerozhoduje o budoucnosti otevřené AI. Naznačuje však, že vedle samotných modelů má velkou strategickou hodnotu i ekosystém kolem nich — repozitáře, nástroje, hardwarová podpora a komunity vývojářů.

Pravděpodobný výsledek: hybridní AI podle typu úlohy

Zmenšující se odstup v benchmarcích činí pravděpodobnější hybridní architekturu:

• Proprietární špičkové modely pro nejtěžší úlohy, spravované služby a případy, kde rozhoduje maximální schopnost nebo podpora dodavatele.
• Modely s otevřenými vahami pro objemné, upravitelné, nákladově citlivé nebo přísně kontrolované procesy, pokud splní požadovanou kvalitativní hranici.
• Vrstva pro směrování a hodnocení, která průběžně kontroluje kvalitu, odezvu, cenu a soulad s interními pravidly.

Pointa není v tom, že by otevřené modely učinily proprietární systémy zbytečnými. Výkonnostní odstup je však v rostoucím počtu případů dost malý na to, aby firmy měly skutečnou ekonomickou volbu. Vítěznou strategií není věrnost otevřenému ani uzavřenému přístupu, ale důsledné měření toho, který model vyřeší konkrétní firemní úkol bezpečně, spolehlivě a za správné celkové náklady.