Yun-Hee Kim rammesatte sessionen som en historisk konvergens, og på dette grundlæggende punkt var de tre pionerer enige. Men i det øjeblik samtalen bevægede sig fra princip til praksis, bristede konsensus.
Geoffrey Hinton trak en skarp linje mellem open-source-kode og open-weight-modeller. "Open source er fantastisk. Du viser folk koden, og mange mennesker kigger på kodelinjerne og siger: 'Åh, der er en fejl.' Open weights betyder, at du træner en stor model og derefter giver folk vægtene. Det er meget anderledes," sagde han. Han advarede om, at frigivne vægte gør finjustering til cyberangreb billigt og let — men indrømmede også, at kampen reelt er tabt: "Jeg tror, den kamp er tabt … Det er for sent" .
Andrew Ng var langt mere tryg ved distribution af open weights. Han rammesatte det som et konkurrenceevnespørgsmål og bemærkede, at da hans team havde brug for at gennemføre en sikkerhedsgennemgang af deres open-source-agentværktøj OpenWorker, vendte de sig mod kinesiske open-weight-modeller som Kimi K3 og GLM-5.2, fordi lukkede amerikanske modeller nægtede at hjælpe. "Ud fra hvad jeg ser, synes jeg, open-weight-modeller virker sikrere end closed-weight-modeller," sagde Ng .
Fei-Fei Li afviste dikotomien helt og kaldte rammesætningen om åbent versus lukket for en falsk modsætning. Hun argumenterede for en mere nuanceret, sektorspecifik tilgang i stedet for at behandle åbenhed som et spørgsmål om alt eller intet .
Ng var mest vokal på dette punkt: "Jeg ønsker ikke, at der er gatekeepere. Det begrænser, hvordan vi alle kan få adgang til AI." Han anklagede store virksomheder for at puste AI-farer op netop for at sikre sig regulatoriske fordele og fryse mindre konkurrenter ude. Hans recept: "fremme åbenhed … fordi AI er en fantastisk teknologi, og jeg ønsker, den skal være i alles hænder" .
Hinton og Li var begge enige i, at en håndfuld laboratorier ikke bør kontrollere AI's kurs, selvom Hinton var langt mere bekymret for risiciene ved uhæmmet distribution .
Ng rammesatte eksplicit åbenhed som et spørgsmål om blød magt og konkurrenceevne over for kinesiske open-weight-modeller. Han argumenterede for, at hvis USA begrænser åbne modeller, vil Kinas hurtigt forbedrede open-weight-økosystem — inklusive Alibabas Qwen 3.8-Max og Zhipus GLM-5.2 — rykke forbi . Han påpegede et paradoks: Kinesiske åbne modeller hjalp faktisk amerikanske sikkerhedsforskere med at udføre arbejde, som amerikanske lukkede modeller blokerede
.
Hinton anerkendte konkurrencepresset, men forblev mere bekymret over misbrug. Han så genien som allerede ude af flasken uanset amerikansk politik .
Alle tre var enige om, at en vis regulering er nødvendig, men de var skarpt uenige om omfang og tilgang .
Her blottede panelet sin dybeste splittelse. Li kaldte eksplicit den binære rammesætning for falsk — hun argumenterede for en mellemvej, hvor åbenhed kalibreres efter sektor, risikoniveau og anvendelsestilfælde . Hinton var i praksis enig i, at det ikke er binært, men fra den modsatte vinkel: han ønskede en verden, hvor vægte kunne være åbne med sikkerhedsforanstaltninger, selvom han ikke længere tror, den verden er opnåelig
. Ng lænede sig tættest mod en alt-eller-intet-holdning — åbenhed var den centrale løsning, og han modsatte sig undtagelser, der kunne udnyttes af etablerede virksomheder
.
De tre pionerer stod samlet mod en fremtid, hvor en håndfuld laboratorier kontrollerer AI, men de splittedes skarpt om midlet. Hinton accepterede modvilligt open weights som uundgåelige, mens han frygtede deres misbrug. Ng omfavnede åbenhed som den primære kur mod magtkoncentration og en strategisk nødvendighed over for Kina. Li afviste dikotomien helt og opfordrede til kalibrerede, sektorspecifikke regler. Debatten indfangede den ærlige spænding i AI-styring i 2026: den samme åbne distribution, der demokratiserer adgang, gør også katastrofalt misbrug sværere at inddæmme.